随着高光谱成像技术的发展，高光谱遥感已经成为遥感领域中的新兴方向，具有光谱分辨率高，信息量大，波段多且波段间相关性强的特点，这对高光谱图像处理技术提出了特别高的要求。高光谱遥感技术的一个非常重要的应用就是高光谱图像的分类，但是由于高光谱图像的低空间分辨率以及波段信息冗余的问题，分类效果不佳。本文主要针对高光谱图像的特点，结合高空间分辨率全色波段图像，在研究多光谱图像融合算法的基础上，提出了基于图像融合的高光谱分类方法。本文具体内容主要包含一下三个部分：首先，介绍了遥感图像分类概念，以及目前国内外遥感图像分类技术的发展现状。并介绍了遥感图像分类的两类主要的算法。另外通过分析高光谱图像的数据特点，介绍了高光谱图像分类的方法。其次，介绍了传统遥感图像的融合概念，包括遥感图像的融合层次、方法、目的以及融合效果评价方法。通过介绍融合三个层次：像素级融合、特征级融合、决策级融合，详细介绍了IHS变换、主成分分析(PCA)、Brovey变换等方法的内容以及优缺点。另外给出了遥感图像融合的效果评价方法。最后，在分析传统遥感图像的融合技术基础上，进行了高光谱图像与高空间分辨率图像的融合。其中：预处理阶段利用最佳指数模型来进行最佳波段选择，融合方法采用Gram Schmidt变换法。对融合后的图像进行图像分类处理，提高了图像的分类精度。通过与IHS变换、主成分分析(PCA)、Brovey变换等方法的处理效果对比，此方法能较好保持原始高光谱图像的光谱信息，又丰富了图像的空间细节信息。最后通过结合纹理特征的最大似然分类对融合图像进行分类并分析。