随着传感器技术的成熟,涌现了大量的新型高分辨率遥感卫星,为图像采集及应用提供了坚实的数据基础。但因信噪比的限制,只能获取低分辨率多光谱（MS）图像和高分辨率全色（PAN）图像。图像融合可将有利信息互补到同一图像中,得到高分辨率MS图像。高质量融合图像在后续的灾害监测和地物分类等实际应用中有着重要的意义。因此,融合MS和PAN图像一直是遥感中的研究热点。目前,大量学者对图像融合进行了广泛研究并提出了诸多算法,但现融合算法仍难以平衡图像的光谱与空间信息,且对新型高分辨率星载图像的适用性较差。此外,多数融合算法的提出仅用主、客观评价融合效果,缺少实际应用来间接检验算法的有效性。基于以上问题,本文以多种高分辨率遥感图像为研究对象,提出两种不同特点的算法进行融合及应用研究。本文主要工作如下:（1）针对成分替换法忽略MS和PAN图像的细节信息低相关性导致光谱失真和空间提取不足,提出了新的基于HCS和多尺度快速引导滤波的融合算法。该算法通过快速引导滤波优化MS图像中HCS提取的强度分量I,并多尺度提取I和PAN图像的高频,从而获得与MS图像高相关的空间细节,利用残差同质性学习对其增强后准确注入至MS图像获得融合图像。实验表明,该算法对不同高分辨率遥感图像适用性较好,相比于文中传统融合方法其光谱和空间性能表现更佳且稳定。（2）针对多分辨率分析法运算复杂且不能较好处理图像R、G、B分量的问题,提出PCA结合NSST变换的融合算法。该算法充分利用NSST的多尺度多方向性和PCA的降维约简及消除R、G、B相关性,引入WLS进行多尺度细节提取,并采用基于相位一致性的三个底层特征对高、低频分别以不同规则进行融合。实验表明,成分替换法结合多分辨率分析法能有效优势互补,得到高质量的融合图像。（3）针对仅用主、客观评价融合效果无法反映融合结果在分类中的应用情况,本文通过分类精度来进一步间接评价算法的融合优劣,并分析融合对分类的影响。基于分类结果评价出最佳融合算法和最佳分类方法,根据分类结果得出光谱和空间的双保真使分类精度更高,同时证明了本文所提融合算法的有效性及优越性。