随着各种新型遥感卫星传感器的不断涌现，可用的多光谱、高空间分辨率的遥感图像数据日益剧增。如何从这些遥感图像数据中合理的提取和整合出有效信息，以克服单一图像数据本身的局限性，最终实现对观测目标的准确表达，成为研究的热点。遥感图像融合技术是满足此要求的一种有效手段，得到了广泛的应用与发展，并且对图像后期进一步的分析、处理以及目标对象的识别、检测起着关键性的作用。本文在基于像素级融合的基础上，以遥感图像中多光谱图像和全色图像为例，研究如何在尽可能降低光谱信息损失的前提下，提高多光谱图像空间特征的融合算法。论文的主要内容包括以下三个方面：首先，系统介绍了遥感图像融合技术的研究背景、意义及现状，指出了目前融合算法存在的问题和未来的研究方向。进而对融合评价准则和几种常见的融合方法做了概述，并通过仿真实验定性、定量地分析了这几种方法的优缺点及适用场合。其次，在分析小波多分辨率特性和优势的基础上，针对现有àtrous小波融合算法存在的不足和有待改进之处，研究了一种结合àtrous小波变换和多目标粒子群优化的融合算法。实验结果表明，该算法在增强空间几何特征和保持光谱辐射特性方面有了很好的改善。最后，利用非下采样轮廓波变换中具有多方向性、平移不变性的非下采样方向分解，结合àtrous小波变换的优点，得到一种基于àtrous小波和非下采样轮廓波变换的遥感图像融合方法。针对两幅原图像变换所得的高频分量，提出一种新的细节提取方法。通过实验仿真，验证了该算法的有效性。