本文研究了基于压缩感知的遥感图像融合方法，以及纹理特征辅助光谱特征进行遥感图像分类的方法。本文提出了一种基于压缩感知的遥感图像融合方法，该方法首先将多光谱遥感图像进行IHS变换，再将全光谱遥感图像与IHS变换得到的亮度分量分别通过测量矩阵进行压缩处理，并在压缩域引入了二维小波变换的方法将压缩图像分为高低频两个分量，由于高频系数集中了图像纹理较高的部分，故在高频分量中，利用梯度的属性进行高频融合规则计算，而低频中采用低频融合规则，将得到的新的融合系数进行小波逆变换得到融合后的压缩图像，接着将压缩图像进过OMP重构算法得到恢复的融合图像，最后通过IHS逆变换得到最终的融合图像。仿真实验结果表明该融合方法与Juanjuan Han等提出的方法相比，在增强空间细节信息的同时，光谱信息得到了更好的保留。本文对于遥感图像分类的研究是在师兄赵国滨的研究基础上进行的，针对于纹理特征提出了基于灰度共生矩阵纹理提取和基于小波变换纹理提取两种分类算法。而分类器则采用了以最小距离法为中心思想的模糊推理分类器，在分类器中以模糊融合的方法结合光谱特征与纹理特征，得到融合后的模糊隶属度。实验对未融合的图像和基于压缩感知融合方法融合后的图像进行了地物分类，结果表明了本文的融合方法可以提高图像的分类精度。将本文融合方法得到的遥感图像用于分类，同时将本文的两种分类算法与基础的算法进行了对比，实验结果表明，不管从单独的地物精度，还是总体精度都得到了一定的提高。