遥感技术和传感器技术的发展带来了遥感数据源的极大丰富，这些来自不同传感器的数据具有不同的时间、空间、光谱分辨率和不同的极化方式。由于单一传感器提供的数据量有限，难以满足应用需求，多传感器数据融合技术应运而生。图像融合是这一领域的重要分支，在军事侦察、地球科学、医学图像处理、机器人视觉等领域有着广泛的应用。通过图像融合，可以把多种图像传感器对同一场景成像的多个图像融合成一个新的图像，从而使融合的图像具有更高的可信度、较少的模糊、更好的可理解性，更适合人的视觉或者计算机检测、分类、识别、理解等处理。 本论文主要针对像素级的多传感器图像融合算法进行了研究，首先在回顾了以往传统融合算法理论的基础上，重点研究了基于小波变换的图像融合方法，并且提出了一种基于梯度特征选取规则的小波变换融合算法；其次深入研究了遥感图像的内在特征，提出了具有融合针对性的基于区域分割的图像融合算法和基于互补信息特征的图像融合算法；最后对当前新提出的多尺度分析方法中的脊波和曲波理论进行了研究，提出了基于脊波和曲波变换的图像融合算法。论文的研究对象主要为遥感图像，重点研究了SAR(合成孔径雷达)与可见光图像融合。 本文的主要贡献总结如下： 1．总结了目前国内外基于小波变换的图像融合方法，从小波分解形式和融合规则两个角度分析了目前的研究状况以及未来发展趋势。采用具有不同变换形式及不同小波基的小波变换对SAR与可见光图像进行融合实验，研究了不同类型小波变换的特征，综合实验结果和计算复杂度两个方面考虑进行融合性能评价，为不同应用场合下正确选择适合SAR与可见光图像融合的小波变换类型提供了依据，并对其他类型的基于小波变换的遥感图像融合提供了参考。 2．提出了一种基于梯度选取舰则的小波变换融合算法，在不同频率域的小波系数选取规则上引入区域平均梯度和全局梯度，对高频小波系数不是简单丢弃，而是加权叠加。 3．提出了一种基于区域分割的图像融合算法，将待融合的图像按空间特性分割成相似度不同的区域，然后不同区域根据具体应用目的采用不同的融合规则。针对遥感图像融合应用中多光谱图像、全色图像和雷达图像