为使多光谱与高空间分辨率全色图像的融合效果在努力保持光谱信息的同时尽可能提高其空间分辨率,论文主要对多光谱与全色图像融合算法进行了深入研究,通过大量的融合实验得到了一系列有价值的结论,完成了一定的创新性工作,具体的工作内容如下:在多分辨率分析的特征匹配基础上,提出了一种基于Mallat小波变换与空间投影结合的图像配准算法。该算法采用投影匹配原理将二维数据变为一维进行匹配计算,降低了配准所需要的时间。另外,采用逐层细化的分层搜索策略可减少匹配误差从而提高配准精度。在综合分析àtrous小波变换和Curvelet变换的优点基础上,提出了一种基于àtrous-Curvelet变换的融合算法。分解后的系数依据所在高,低频层的不同特点,采取多重加权规则进行融合。该算法能在保留多光谱图像光谱信息的基础上,有效地提高融合图像的空间分辨率。针对遥感图像影像分辨率低的问题,提出了一种基于区域模糊推理的NSCT域融合算法。该算法有效地克服了传统融合方法中存在的融合图像模糊,抗噪能力差的缺点。针对传统脉冲耦合神经网络(PCNN)模型参数无法自动设定的难题,结合lαβ彩色空间转换,提出了一种基于双通道自适应PCNN的图像融合算法。该算法充分考虑到像素间的相关性及噪声突变的影响,融合效果优于多尺度分析方法。