随着航空航天技术的发展,越来越多的人造卫星进入了太空,并为社会生产、城市发展、军事侦查等领域提供了巨大的帮助。但是遥感影像容易受到大气、电磁波等外界因素的干扰,且传统的基于单源数据的图像增强方法无法有效利用遥感影像的多源性特征。因此如何通过多源数据间的优势互补增强图像质量,如何对图像特征进行融合,成为图像处理领域的一个热点研究问题。本文就遥感图像融合技术进行了研究,在分析了遥感图像质量的主要限制因素后,从三个主要问题入手提出了三种基于多源信息融合的图像增强方法。首先,针对高光谱图像中存在的噪声以及内部去噪方法的不足,提出了一种基于参考图像的外部去噪方法。该方法有效的利用了噪声图像与清晰波段间的相似性信息,通过提出的对偶神经网络提取噪声图像和参考图像中的特征,并由新的激活函数融合,最终得到无噪声图像。实验证明此方法拥有较优的去噪性能,尤其当图像噪声多时,效果远远超过其它算法其次,就夜光数据无法同时拥有高时间分辨率和高空间分辨的问题开展了研究,提出了一种基于神经网络的时空融合方法,该方法同时在像素层和特征层对图像融合,结合了两种融合层次的优点。实验对珞珈一号数据和VNP46A1数据进行了融合,并取得了不弱于传统方法的性能。最后,本文对遥感影像的薄云去除方法进行了研究,提出了一种基于对抗式生成网络及图像融合思想的薄云去除方法。利用对抗式生成网络模拟真实的薄云信息以制作仿真数据集,并将历史无云图像融于去云网络内,通过历史信息修复图像细节,实验表明此方法能有效去除遥感影像的中的薄云。