月球表面的不同元素和含有不同元素的岩石对各个谱段电磁波的反射率不同，所以月球表面同一场景不同谱段图像的灰度、对比度和纹理特征也各不相同，通过融合两个或多个谱段的月表图像,能够充分利用每个谱段图像包含的冗余信息和互补信息，获取月球表面同一场景具有更丰富光谱和细节信息的图像。由于月球车载的CCD传感器视场角的限制，每个视点只能得到一幅小场景的图像，要想得到融合多谱段信息的月球表面大场景图像，就需要把各个视点图像进行融合和拼接。本文在这样的应用背景下，对月球表面多光谱图像的融合、拼接理论和方法进行了研究，并验证了所提出的理论和方法在月球表面图像和其他多光谱图像中的适用性，研究具有重要的理论意义和实用价值。　　角点和边缘是多光谱图像的重要形态特征。本文通过对Harris角点特征量的计算和分析，提出了角点测度的概念，并以角度测度来衡量边缘和角点特征的显著程度。即若某象素点的角点或边缘特征越显著，则该点的角点测度函数值越大；反之，则该点的角点测度函数值越小。　　理论分析、实验验证和定量比较了基于冗余小波域均值的图像融合方法和基于冗余小波域重要中心系数的图像融合方法。根据所提出的角点测度的概念，在冗余小波变换和重要中心系数法的基础上提出一种新的多谱段图像融合算法—基于冗余小波域角点测度的重要中心系数的图像融合算法(CM-RWT-SCC算法)。算法首先利用冗余小波变换把多光谱图像分解成小波平面和相似平面；然后利用角点测度响应函数来估计小波平面的角点测度，并用基于角点测度响应值的重要中心系数融合小波平面；对相似平面则采取加权平均的融合规则；最后通过冗余小波逆变换得到融合图像。实验结果表明我们的算法得到的融合图像反差大、携带的信息更多，对源图像的细节特征保持更完整(如：边缘、角点等)，图像更清晰。　　理论分析、实验验证和定量比较了传统小波变换和IHS变换方法的优缺点，将本文提出的基于角点测度的图像融合方法和传统的IHS变换方法相结合，提出一种新的CM-RWT-SCC算法和IHS变换相结合的多光谱与全色图像融合算法。算法首先通过IHS变换获得多光谱图像的I分量，并将其与全色图像在冗余小波域利用基于角点测度的图像融合方法进行融合，获得融合图像的I分量，最后通过IHS逆变换获得融合结果。实验结果表明我们的算法与前面提出的IHS;变换方法和CM-RWT-SCC算法相比，提高了图像的信息量，减小了光谱扭曲度。　　为了得到大范围场景图像，本文结合我们提出的CM-RWT-SCC融合算法和David等提出的基于SIFT特征(尺度不变特征转换,Scale-invariant feature transform)的图像拼接算法，提出了两个不同视点的多光谱图像拼接方法。方法首先对源图像利用CM-RWT-SCC算法进行融合，然后对经融合的图像利用基于SIFT特征的拼接方法进行拼接。实验结果表明经融合拼接后生成的大场景图像清晰度高，空间频率高，并充分利用了不同传感器图像的有效信息。　　对本文提出的融合和拼接算法，以及常用的图像融合算法用VC和Matlab编程实现，并采用主观定性和客观定量分析两种方法进行了比较和分析。