该文的主要工作是研究不同遥感图像的融合及应用问题.首先,它详细地说明了数据融合技术产生和发展的背景以及数据融合技术特点和应用方向,并引出遥感图像融合的概念和应用研究的意义.概述了不同遥感图像融合的目的和融合的特点,以及融合的层次,像素级的图像融合、特征级的图像融合和决策级的图像融合和融合的主要方法.该文以后的内容都是围绕这个脉络展开的.像素级的图像融合是不同遥感图像融合的基础,该文按照从简单到复杂的阶段来详细地论述此类融合方法和特点.融合的对象主要是灰度图像之间的融合问题,以及低空间分辨率多光谱图像与高空间分辨率灰度图像之间的融合.所有的融合方法都以这两类图像为对象讨论.在灰度图像之间的融合方面,我们先讨论了最简单的图像融合方法,包括图像直接加权平均、像素选择等方法.然后逐步深入到基于金字塔形分解的像素级遥感图像融合,分别介绍了基于拉普拉斯金字塔形变换的图像融合方法、基于对比度和比率金字塔形变换的图像融合方法,以及基于梯度金字塔形变换的图像融合方法.重点阐述了融合方式的使用,包括基于像素的融合方式和基于区域的融合方式.最后,我们重点研究了基于小波域的图像融合方法.分析了小波包变换和多小波变换的特点以及与传统小波变换的异同后,我们提出了两种新的像素级图像融合方法,即基于小波包变换的图像融合方法和基于离散多小波变换的图像融合方法.这两种方法都是对小波分析的扩展,比传统的基于小波变换的图像融合方法要更优.我们还提出了一种基于图像融合的目标检测方法,它首先利用图像融合法来获得新的融合图像,使目标在融合图像中清晰、突出,易于检测、识别;然后利用数学形态学的方法检测出目标.该文还在最后讨论了基于决策级融合的图像分类问题,我们提出了采用复合神经网络的方法来实现分类.实践证明,它不仪具有很高的分类正确率,还具有较好的抗干扰性.