太湖作为我国五大淡水湖之一,近年来水体一直处于富营养化状态。叶绿素a作为水体的重要组成成分之一,可以用来对水质状况进行监测。因为遥感技术具备探测范围广、成像时间短、价格低廉等优点,很多学者在太湖基于单一遥感影像进行了大量叶绿素a浓度反演相关的研究,目前已取得了较多的研究成果,但由于所建立的反演模型不具备普适性,往往不能直接应用到其它内陆水体叶绿素a浓度的反演建模中。这主要是因为单个传感器获得的目标图像信息有限,导致在实际应用中往往不能满足高精度要求,而遥感影像融合技术能将多幅遥感影像中的有效信息进行综合,最大程度上完善目标图像信息,基于此本文设计了一种基于IHS变换和和非下采样剪切波变换（NSST）的混合遥感影像融合方法,并将融合结果应用到太湖水体叶绿素a浓度反演建模中。首先,利用ENVI对太湖遥感数据（Landsat-7 ETM+、HJ-1B CCD1）进行辐射定标、大气校正等预处理,接着使用Landsat-7 ETM+全色影像对Landsat-7 ETM+和HJ-1B CCD1多光谱影像进行图像配准。就图像配准中涉及的Nearest Neighbor、Bilinear和Cubic Convolution三种重采样方法而言,Cubic Convolution的配准效果最佳。然后,基于提出的IHS变换和和非下采样剪切波变换（NSST）的影像融合方法,设计了低频分量采用区域能量-区域梯度-导通滤波器（RE-RG-GF）实现融合、高频分量采用自适应脉冲耦合神经网络（PA-PCNN）实现融合的融合策略,所得结果不仅可以很好地保持多光谱影像的色彩信息,还可以最大程度上提升空间细节信息,融合效果优于其它图像融合方法。最后,通过对融合后影像波段反射率进行相关性分析,选择相关性较高的波段或波段组合进行太湖水体叶绿素a浓度的反演。反演结果表明,波段组合优于单波段反演效果,就融合前后波段相关性而言,融合后波段相关性少部分提高、大部分降低,原因可能是在图像融合的过程中丢失了某些与叶绿素a浓度相关的光谱信息,导致最终反演精度降低,后续应该继续就融合影像与原始影像之间的光谱差异展开研究,优化反演模型。