论文以遥感图像为研究对象,以国内外相关领域的研究成果为基础,深入研究了基于多分辨率分析的遥感图像融合算法,目的是为了使融合图像更符合人眼视觉特性,突出融合图像中目标信息,并解决不同类型成像系统在图像融合时光谱失真的问题,从而为获取信息含量更大、应用范围更广的融合图像提供理论依据和实用方法。基于多分辨率分析的图像融合算法的关键在于多分辨率变换工具和系数融合规则。本论文的图像融合算法均采用非下采样Contuorlet变换作为多分辨率变换工具,针对不同应用领域,结合人眼视觉特性、遥感图像区域特性和成像系统物理特性等因素制定系数融合规则,分别提出了基于人眼视觉特性的遥感图像融合算法、基于区域分割的遥感图像融合算法和基于成像系统特性的遥感图像融合算法。为了改善融合图像的人眼视觉性能,研究了基于人眼视觉特性的遥感图像融合,包括红外与可见光图像融合以及多光谱与全色图像融合。两种类型的遥感图像融合算法中,系数融合规则均采用基于多分辨率分析的人眼视觉函数,该函数是论文在传统人眼视觉对比度函数基础上提出的。为了突出融合图像中的目标特征,根据遥感图像区域特性,研究了基于区域分割的遥感图像融合,包括红外与可见光图像融合和多光谱与全色图像融合。在红外与可见光图像融合算法中,首先根据红外图像局部能量特征提出图像分割算法,然后通过定义区域能量相似度和区域结构相似度,提出基于区域分割的图像融合算法。在多光谱与全色图像融合算法中,首先结合光谱欧式距离提出多光谱图像分割算法,然后通过定义区域互信息量测度提出基于区域的图像融合算法。对于成像系统特性已知的遥感图像融合,首先根据多光谱图像成像系统模型和通用图像融合方法理论,结合EO-1卫星ALI测绘相机的多光谱传感器各谱段的光谱响应函数、地面物体的反射率以及成像传感器在各波段的增益和偏置,建立全色图像注入模型,然后应用该模型提出基于成像系统特性的图像融合算法。实验结果表明,基于人眼视觉特性的遥感图像融合算法能够充分提取源图像中的边缘信息,令融合图像具有更好的对比度特性。基于区域分割的红外与可见光图像融合算法较好的保留了红外图像目标特征的同时,有效提高了融合图像的边缘特征。基于区域分割的多光谱与全色图像融合算法充分保持了多光谱图像的光谱特征,并将更多的全色图像细节信息注入到融合图像中。基于成像系统特性的多光谱与全色图像融合算法的融合图像相对于其他算法光谱失真度最小,同时也能够充分融合全色图像的细节信息。