遥感技术具有海量数据特征,各种对地观测卫星不断地提供不同空间分辨率、波谱分辨率和时间分辨率的遥感图像。单一信息源难以充分满足资源数据监测的需要,为了充分利用数据源,从巨量数据中发现需要的信息,对观测目标有一个更加全面、清晰、准确的理解与认知,人们迫切寻求一种综合利用各源数据的技术方法。数据融合技术在多源遥感数据的综合利用和提高数据质量上提供了一个可行的方向,一直是近几年国际遥感界研究的热点。遥感影像数据融合作为一种数据综合处理技术,涉及到很宽的领域和多方面的内容,是个复杂的技术问题。多源遥感数据融合会受到许多因素的限制,但其最终目的是要选择合适的融合算法来满足特定应用领域的精度要求。本文系统介绍了信息融合、遥感与遥感影像融合的概念,并重点介绍了三个层次级别的遥感影像数据融合算法流程及其发展应用:基于像元的数据融合可以把不同图像中的信息在像元基础上进行综合,以改善图像处理的效果,使得图像分割、分类等处理更有效,并有可能使图像的视觉效果更好,但是局限是,该方法效率低下,处理时间长,实时性差,数据分析受到限制,不能实现对影像的有效理解和分析,且抗干扰性差;特征级融合是一种中等水平的融合,这一级别先是将各种遥感影像先进行特征提取,提取的特征信息应是原始信息的充分表示量或充分统计量,然后根据特征信息对多源数据进行分类、聚合、和综合,产生特征矢量,而后采用一些诸如贝叶斯、神经网络等特征级融合方法,融合这些矢量特征,做出基于融合特征矢量的属性说明,特别的,本文对近年兴起的二元树复数小波变换(Dual—treeComplex Wavelet Transform,DTCWT)的决策级融合方法进行了详细阐述,并给出了实验效果,评价结果显示所采用的基于区域的二元树复数小波融合规则优于其他的融合规则;决策级融合是最高级别的融合,融合的结果为指挥、控制、决策提供了依据,这一级别中,首先对每一源数据进行属性说明,然后对其结果加以融合,得到目标或环境的融合属性说明,决策级融合具有很强的综合性,很好的开放性,处理时间短,数据要求低,分析能力强等优点,而由于对预处理及特征提取有较高的要求,所以决策级融合的代价较高。本文基本形成了这些技术的较为全面的知识和理论体系。系统研究了常用的影像融合算法,分析其计算效率、算法复杂度、适用范围及融合影像质量等特点,为选择合适的融合算法提供了依据。同一融合算法,对不同类型的图像,其融合效果不同;同一融合算法,对同一图像,观察者感兴趣的部分不同,则认为效果不同;不同的应用方面,对图像各项参数的要求不同,导致选取得融合方法不同。本文所述的图像融合效果评价的指标各有特点,主观评价的是以人作为图像的观察者,对融合图像的优劣做出主观判断,主观评价的结果与观察者主观条件、所选图像内容以及观察条件等因素有关。客观评价可以通过建立融合图像与理想图像之间的量化评价公式,提高判断的准确性和速度,同时可以采用多量化判据弥补各自方法上的缺陷,得到更正确的结论,但是由于没有考虑人眼的视觉特性,有时判断结果可能与视觉上的感受有差异。在实际应用中,应结合具体的环境和待解决的问题选择合适的评价方法,重视主观与客观相结合的融合评价方法的研究。本文对常用的融合影像质量评价指标的意义、性能、适应性等方面进行了总结,归纳各种不同的评价参量,以便客观、定量地评价融合图像的效果。最后,本文对遥感影像融合存在的问题以及未来发展的趋势做了较为系统的总结,笔者认为,随着计算机技术,通讯技术的发展,新的理论和方法的不断出现,遥感影像数据融合技术将趋向成熟,从理论研究转入到更实际更广泛的应用,最终必将向智能化、实时化方向发展,并同GIS结合,实现实时动态的遥感影像数据融合,为人类进行资源、环境、灾害的调查与监测提供丰富的信息,从而为快捷、准确地识别和提取目标信息奠定基础。