随着现代遥感技术的发展,各种对地观测卫星陆续成功升空,为我们源源不断地提供了不同空间分辨率、时间分辨率和光谱分辨率的遥感图像。对多源图像进行处理,将它们所含的信息有机的、互补的结合起来,提高图像判读的可靠性,提高对图像的解译能力,提高数据分类和目标识别的有效性和准确性,已经日益成为现代遥感技术发展的需要和趋势。多源遥感数据融合技术就是将不同类型传感器获得的同一地区的数字图像按照不同的需要进行空间配准后,再采用一定的符合要求的算法将各种数字图像的优点或互补信息有机地结合起来而产生的新图像的技术。多源遥感融合技术从融合对象的角度可以分为像素级融合、特征级融合和决策级融合三个融合层次。多源遥感图像融合技术对提高信息提取精度有很好的作用,融合了各遥感图像的优点。当今全球都面临的一个重要问题便是土地荒漠化问题,为了对其进行有效、准确的控制,借助遥感技术准确定位便成为了遥感技术应用的一个重要方面。本文便是以提高土地荒漠化地区分类精度,更加准确的提取荒漠化信息为目的,对多源遥感图像融合技术进行了系统研究,力图找到为土地荒漠化信息提取最为有效的融合算法。本研究选用陕西省横山县无定河流域作为研究对象,采用该地区的2002年9月23日的ETM多光谱图像、2004年10月29日的SPOT5全色图像进行实验,具体工作主要体现在以下三方面:1.采用主成分分析、乘积变换、比值法、基于直方图匹配的色彩变换、基于主成分的小波变换以及基于色彩变换的小波变换等6种像素级融合方法对ETM+SPOT5进行融合实验、信息提取和精度评价。结果表明,主成分分析法是像素级融合层次上最有利于提高荒漠化信息提取的融合方法,对本研究区荒漠化信息提取精度提高了8.17%;2.选取图像的四种纹理特征:变异函数、熵、同质性指数和相关系数,采用特征级融合方法进行融合实验、信息提取和精度评价。实验表明,同质性指数是最适用于提高荒漠化信息提取精度的纹理特征,对本研究区精度提高了1.81%;3.通过对决策级融合技术方法的综述,得出C4.5算法具有能够对连续数据进行离散化处理、可以处理具有缺少属性值的训练样本集、能够对不完整数据进行处理等优点。本研究基于PCA和图像纹理特征,针对研究地区特点提出了有效的荒漠化等级信息的分类规则,采用C4.5算法建立了决策树,运行决策模型得出荒漠化等级分布信息。结果表明,基于PCA和图像纹理特征的决策级分类方法最有利于提高土地荒漠化信息的提取精度(提高了17.4%)。本文创新点:1.通过像素级融合、特征级融合和决策级融合三大融合技术层面的实验研究,提出针对提高土地荒漠化信息提取的融合技术方法体系;2.根据对像素级融合、特征级融合和决策级融合三大层面的纵向联系和研究,提出一种荒漠化信息提取的新算法--------基于PCA和图像纹理特征的C4.5决策级分类方法。传感器或遥感数据源的多样性、研究目标的差异性等因素都可能产生不同的研究结果,除了遥感数据本身的不确定性之外,都有待于今后进一步研究。