遥感图像融合是将同一地区的多源遥感图像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断，为后续的图像解译能力和分类精度的提高提供较好的基础。本论文以高分辨率全色图像(PAN)和低分辨率多光谱图像(MS)的融合为研究对象，并以离散小波变换(DWT)、Contourlet变换(CT)和非采样Contourlet变换(NSCT)等多分辨率分析理论为基础，对遥感图像融合算法进行了深入的研究，以使融合图像在保持原始多光谱图像光谱信息的基础上，提高融合图像的空间细节信息。 基于多分辨率分析的遥感图像融合主要解决两个关键问题：一是图像的多分辨率分析方法的选取，以尽可能表征待融合图像的细节信息；二是融合算子的选取，以通过较合理的选择最大可能的保持原始多光谱图像光谱信息，并提高融合图像的空间细节信息。 对于采用DWT的多分辨率图像融合方法，其融合结果保持光谱信息的能力较强，但是空间细节保持能力稍弱，而基于IHS变换的图像融合会产生较大的光谱失真，但是空间细节保持能力较强，再考虑到IHS变换彩色系统可以有效地分离图像的空间强度信息和光谱信息，符合人的视觉特性，且各分量是近似正交的。基于此，本论文将DWT和IHS变换相结合进行遥感图像的融合以同时提高融合图像的光谱信息和空间细节信息。该算法首先将多光谱图像进行IHS变换，获得其在IHS空间中的强度分量Ⅰ、色度分量H和饱和度分量S；然后将Ⅰ分量和PAN图像进行小波变换获得它们的近似分量和高频细节分量，采用区域特性选择的融合规则对高频细节分量进行融合(近似分量直接选择Ⅰ分量小波分解后的系数)，并进行小波重构获得融合图像的强度分量；最后进行IHS逆变换获得最终的融合图像。仿真试验中将本论文的融合算子以及直接替换、绝对值选大和局部方差选大等融合算子进行了融合的分析比较，结果表明本论文提出的融合算法可以更好的均衡融合图像中的光谱信息质量和空间信息质量。 本文还采用NSCT技术，研究多种平台遥感图像融合算法及其运算复杂性分析。这是考虑到虽然DWT或者DWT+IHS等融合方法可以较好的均衡融合图像中的光谱信息质量和空间信息质量，但是由于DWT的一些固有的不足：如只有水平、垂直和对角三个方向因而不能很好地捕获二维图像中的线和面奇异，不能“最优”地表示含线或者面奇异的二维图像等。而NSCT可以较好的解决上述问题。NSCT由CT演化而来，它不仅继承了CT的高度方向敏感性和各向各异性的特点，而且具有平移不变性，克服了CT的频谱混淆效应，是一种在遥感图像融合应用中很有潜力的图像多分辨率分析方法。在基于NSCT的融合方法中，首先将PAN图像与MS图像的各波段进行直方图匹配，之后对相应的图像分别进行NSCT分解得到低频子带和各高频方向子带，继而采用相应的融合算子对各低频子带和高频方向子带中的NSCT系数进行选择得到融合后的NSCT系数，最后进行NSCT重构得到融合图像。 本文对基于NSCT的融合的复杂性也进行了分析，并提出了相应的解决办法。由于NSCT在分解和重构的过程中，各方向子带图像和原图像大小相同，再考虑到融合多光谱图像与全色图像时，对多光谱图像的每一个波段的融合，都要进行一次NSCT的分解和重构，这些都会导致图像融合的复杂性的加剧。针对此问题，在多光谱图像与全色图像的融合时，提出了一种IHS变换域的多光谱图像与全色图像NSCT融合算法。首先对多光谱图像进行IHS变换，然后再将1分量图像与全色图像进行基于NSCT的融合得到新的Ⅰ分量，最后再做IHS反变换得到融合图像。本文的融合算法，虽然增加了IHS的正、反变换，但是由于只需进行一次NSCT分解和重构，故此整个融合算法的运算复杂性显著降低。实验结果表明，将IHS变换与NSCT相结合有效的减少了遥感图像融合运算所耗时间，另外与小波、CT、NSCT等多分辨率分析的遥感图像融合算法相比，该算法还有效地减少了融合图像的光谱扭曲，提高了融合图像的视觉效果。