随着遥感技术的高速发展，遥感影像数据在地质灾害、林业、军事和民用等多个领域获得广泛应用。因此如何高效的从遥感影像中获取重要信息，消除影像数据的冗余性成为当前遥感数据应用领域中的研究热点。遥感图像融合技术能够集成不同图像的优势和互补信息，利用优势互补特性增强信息量，提高影像的分类可靠性。融合后的影像增强了数据的可用性和鲁棒性，影像融合技术已经受到国内外学者的广泛关注。　　高光谱遥感数据具有较高的光谱分辨率，能够对地物类型进行精细研究，但存在空间分辨率较低、数据冗余、数据质量不佳等问题。针对上述问题，本文利用重访周期长，较易获取的国产HJ-1A卫星高光谱数据、LANDSAT8中高分辨率影像作为数据源，采用多波段影像融合方法主成分(PC)变换、光谱锐化(GS)变换、最邻近扩散(NND)对研究区范围内HJ-1AHSI影像和LANDSAT8全色影像进行多波段影像融合，从定性、定量、融合影像光谱变异分析三个角度评价融合效果;针对高光谱影像的波段特点对HSI影像中典型地物与野外采集植被光谱数据分别进行了一阶导数和包络线去除的数学变换，放大不同植被间的差异性;采用最大似然法、最小距离法、支持向量机、神经网络以及光谱角填图法对研究区进行植被划分，从总体分类精度和Kappa系数两个角度分析了不同分类方法的分类精度。本文得出了以下研究结论:　　(1)采用主成分(PC)变换、光谱锐化(GS)变换、最邻近扩散(NND)三种多波段融合方法进行融合实验，从主观、客观以及融合影像的光谱保真性三个角度进行分析。目视角度上看，融合影像可分辨性更强，主成分(PC)融合影像、光谱锐化(GS)融合影像色彩反差适度，各类地物均表现了标准的光谱细节特征，最邻近扩散(NND)融合影像存在比较严重的色彩变化。从均值、标准差、平均梯度、信息熵四个指标的数据显示GS、PC融合影像在亮度信息上具有一定优势，且所含信息量较大。NND融合影像在亮度、清晰度、信息量上都有明显不足。对融合影像和原始影像进行光谱分析，发现NND融合影像的各类地物光谱变异程度最小。　　(2)对HSI高光谱影像和野外采样光谱数据选用了最大化放大光谱特征的两种数学变换方式（光谱一阶导数和包络线去除）对植被原始光谱曲线进行光谱增强处理，结果表明，两种数学变化后的野外植被光谱曲线较原始影像表现出不同程度的细节放大效果，其中原始影像经过包络线去除变换后，不同地物间的光谱差异较为明显，极大的提高了植被可分离性。　　(3)在融合影像的分类结果中，最大似然、光谱角填图分类方法分类效果具有一定优势，最大似然最优精度为89.24％，kappa系数为0.86，光谱角填图分类精度为88.21％，kappa系数为0.84。三种融合影像的分类效果中，PC融合影像在最大似然、支持向量机中表现最优的分类效果，NND融合影像在神经网络分类效果略好。在光谱填图分类效果，按数据形式的分类效果从优到劣依次为包络线去除＞一阶导数＞原始影像。