随着传感器技术的发展,将会有更多不同时间、空间分辨率的遥感影像数据应用于工程中,多源遥感影像数据融合便成为当前遥感应用研究领域中一个很重要的研究方向。小波理论是一种新的数学理论,特别是在Mallat提出小波分解和重构的快速算法后,它很快的被广泛应用于信号分析、图像处理等领域。基于小波理论的与基于小波和传统方法结合的遥感图像融合更是这几年研究的热点。本文主要是利用小波理论进行高空间分辨率的全色影像遥感图像(SPOT)与低空间分辨率的多光谱遥感图像(TM)的融合。本文首先总结了应用于遥感图像融合的评价方法,其中包括主观评价法和客观评价法。接着又总结了传统的遥感图像融合算法,其中包括Brovey变换、加权、HPF、IHS、PCA和金字塔融合的方法,并对各种方法的融合效果进行了评价。然后总结了小波变换、小波包变换、多进制小波变换以及它们与传统的Brovey、IHS、PCA变换结合应用于遥感图像融合的算法。在研究这些方法的基础上,本文提出了基于最优树变换的遥感图像融合算法。此方法首先对全色图像和多光谱图像进行小波包分解,接着对各分量进行基于熵的最优树分解,即如果小波包分解后的子节点上的熵的和小于父节点的熵,则将其重构。然后将多光谱图像的各分量分别与全色图像进行融合,最后将其进行你变换即可得到融合图像。此算法不仅可以得到主观视觉上比较好的效果,而且在融合的过程中同样考虑到客观评价的标准,可以说此方法也是一种比较理想的融合算法,但是,由于基于小波的融合算法还是比较初级的,并且从小波变换到小波包变换再到最优树变换,其计算量也将迅速的增大。为了得到更加理想的,并且计算量小的融合算法,还需要解决很多问题,比如说构造适合于图像的小波基,以及将神经网络等一些其他思想融入到图像融合中来,这是需要进一步研究和探索的。