随着空间信息技术的飞速发展,遥感卫星的数据获取能力与日俱增。不同的遥感传感器在空间分辨率、光谱分辨率、时间分辨率上各有差异。从传感器的成像机理来看,一种传感器无法兼顾其空间分辨率与光谱分辨率,即具有高空间分辨率的往往无法保证其光谱分辨率,反之亦然。为了有效地利用不同传感器的优势,获得既有较高的空间分辨率又有多光谱识别能力的影像,克服单一传感器在遥感影像地物识别中信息源不足问题,就必须采用影像融合技术。自上个世纪八十年代初以来,在高分辨率遥感影像应用需求的驱动下,越来越多的学者开始关注多源遥感影像融合技术,随之产生的融合算法也越来越多。最佳的影像融合算法既要能融入高空间分辨率影像的地物细节,又要能保证多光谱影像的光谱信息,但是如何去客观评价融合影像的空间和光谱保真性,目前尚没有公认的标准评价指标体系。不同遥感传感器间的空间分辨率差异各不相同,当融合的两种影像空间分辨率差异过大时,融合后影像将会出现明显失真现象,因而,如何选择合适的空间分辨率比率也是影像融合研究中值得探讨的一个问题。考虑到融合研究中的以上问题,本论文主要做了以下创新性的研究工作：(1)针对常用融合影像评价中评价指标类型多、冗余程度高的问题,本文采用多元统计方法,以常用的27个融合评价指标为变量,对144幅融合的遥感影像的评价结果进行因子分析,将不同的融合评价指标按其所代表的影像质量含义分为基于差异、基于信噪比、基于相似性、基于信息量和清晰度以及基于全色和多光谱信息的五类评价因子。通过对各个因子的评价结果进行聚类分析,将指标进行细化,同时得到典型指标。五个典型指标具体为交叉熵、加权信噪比、简化参考影像的评价指标、基于局部方差评价指标、基于全色和多光谱影像信息的评价指标,使之可用较少的指标全面评价融合后的影像质量。在五个典型指标的基础上,进一步提出了综合得分指标,用于评价融合后影像的整体质量。(2)现有融合算法种类繁多,综合比较各种常用融合算法效果的研究尚不多见。本文采用了包括基于代数运算、基于颜色变换、基于高通滤波、基于塔式分解、基于小波变换在内的14种常用的融合算法,对Quickbird全色和多光谱影像进行融合,探讨了常用融合方法差异对融合后影像质量的影响。利用融合评价指标体系研究获得的典型指标及综合得分指标对上述14种融合算法进行评价。五个独立的典型指标评价14种融合方法,得到的结果各不一样。总体来说,改进的IHS变换、基于区域的融合、Brovey变换融合影像在这五个指标上的评价结果较好。根据综合得分指标以及ISODATA非监督分类的分类精度检验,研究发现基于区域的融合方法得到的客观定量评价质量以及分类精度最高,并且不同融合方法分类精度排序与总体得分的评价精度排序非常接近。(3)为了研究融合影像间空间分辨率差异对融合后影像质量的影响,本文对由QuickBird, SPOT, ETM+的全色和多光谱影像组成的6组空间分辨率比率的遥感影像分别进行融合,研究发现融合结果的质量和不同传感器影像质量密切相关。为了剔除影像自身成像质量差异对融合影像的影响,通过对同一影像重采样得到不同空间分辨率比率的影像进行融合,将Quickbird全色和下采样后的Quickbird多光谱影像、下采样后Quickbird全色与SPOT多光谱融合、下采样后Quickbird全色与ETM+多光谱分别融合,分析了空间分辨率比率对遥感影像融合的影响。对于空间分辨率比率来自不同传感器的影像,降低了其空间分辨率比率后,融合影像质量先降低后升高,研究发现原空间分辨率比率较大(>10)时,若空间分辨率比率降低10倍左右,所得到的融合后影像质量最好。(4)通过对比分析现有融合方法的不足,采用可以克服离散小波变换融合中方块效应的非采样Contourlet变换,保持原多光谱影像的光谱信息,利用均值漂移分割算法保证高空间分辨率影像的空间细节,从而提出了改进的基于区域的融合算法。该算法基于非采样Contourlet变换和均值漂移分割,采用信息熵作为区域特征,根据区域的结构相似度确定权重对非采样Contourlet变换分解的子图系数进行加权融合。基于区域的融合结果在分类精度上具有一定的优势,本文提出的改进的基于区域的融合方法得到的结果比传统的基于K均值、分裂-合并分割的区域融合的质量要高,并在分类精度上有所提高。不同融合结果在综合得分和分类精度上排序相同。