高光谱遥感图像包含了大量的数据,波段之间的相关性较高,采用信息融合技术可以降低分析难度。通过遥感手段获得的遥感图像的研究能够获取对同一事物或目标的更为全面、客观及本质上的认识。由于高光谱图像的特殊性,决定了融合的手段和目的不同于一般的图像数据融合。本文探讨了一些传统的和较新的高光谱图像融合算法,并以小波多分辨率分解与重构为基础,提出一种在高频系数上使用PCNN网络进行选取融合的算法准则。具体内容主要包含以下三个部分:介绍了遥感成像、遥感图像融合的概念,以及目前国内外遥感图像融合技术的发展现状。并介绍了图像融合的层次和目的,本文采用的高光谱图像数据空间的特点和评价图像融合质量的一些技术指标。为了更加突出融合的目的性,相比于以往的统计指标方法还采用分类精度的方法评价融合的质量。介绍了传统的一些从图像增强算法发展而来的融合算法,例如高通滤波融合法、IHS变换法、主成分分析(PCA)等方法。另外详细地介绍了小波变换方法,分别介绍了传统小波变换和第二代提升小波变换。在对图像采用一种自动子空间划分的方法划分为若干子空间后,在各个子空间层次上对各波段图像进行分解重构,在融合准则上,低频系数分别采用均值加权和方差加权的方法,高频系数分别采用局部方差加权和局部能量加权方法。对各种融合方法得到的融合图像进行了比较评价。在对图像使用一种二代提升小波进行分解的基础上,对高频系数采用脉冲耦合神经网络进行选取的融合算法。通过合理的神经元参数的设定,最终的仿真融合图像结果同传统的高频系数采用局部方差加权和局部能量加权的算法进行主客观的比较后,看出新融合算法可以最大限度地保留待融合图像的光谱信息,同时提高了待融合图像的清晰度和空间分辨率。