伴随着遥感技术的迅猛发展，影像数据的获取已经从最初单一的可见光传感器发展到现在的红外、雷达、多光谱、高光谱等多种不同传感器，人类获取遥感数据的能力迅速提高，不同物理特性的传感器所产生的影像数据也越来越丰富。因为不同类型的传感器所获取的影像在几何、光谱、时间和空间分辨率等诸多方面存在明显的局限和差异，使得利用单一传感器获得的遥感影像数据已经难以满足实际应用的需求。为了对观测目标有一个更加全面、清晰、准确的理解和认识，人们迫切希望寻求一种综合利用各类影像数据的技术方法。因此，把不同遥感影像数据的各自优势综合起来以弥补单一数据源的不足和缺陷，显得尤为重要和实用，于是遥感影像融合技术应运而生。　　 遥感影像融合的目的是将单一传感器提供的多波段影像数据或不同传感器所提供的影像数据加以综合，消除多源影像数据之间可能存在的冗余和矛盾，优势互补，降低其不确定性，减少模糊度，以增强影像中信息的透明度，提高解译的精度和使用率，形成对环境或对象完整一致的特征描述。　　 本文在分析和总结前人研究成果的基础上，选用鄂东南地区2008年12月16日的SPOT5全色和多光谱影像数据作为试验数据，进行了基于像素级影像融合的试验。本文从多源遥感数据融合技术的基本原理出发，探讨了像素级影像融合的各种模型及其原理、特点，通过建立主观和客观评价体系对融合效果进行评价，找出信息融入度和光谱保真性较好的一种融合方法。本文还通过对融合影像监督分类后地物类型面积相对原始影像监督分类相应地物类型面积的变化率，详细探讨了各种融合方法对地物识别精度的影响，得出相对原始多光谱影像最不影响地物识别精度的融合方法。本文所作的工作具体有：　　 1.综述了遥感影像融合的国内外研究现状；结合遥感影像融合的概念，分析和总结了目前遥感影像数据融合几种典型模式：多时相和多角度、全色与多光谱、光学与SAR影像、红外影像融合、高光谱影像融合、特定目的(去云/去霾)的融合等6种模式；论述了遥感影像融合的三个层次：像素级、特征级、决策级各自的特点以及各个层次之间的联系。　　 2.详细阐述了最基本的遥感影像融合层次--像素级影像融合，并从作用域出发将像素级影像融合方法分为基于空间域和基于变换域两大类，分别分析了这两大类里面具有代表性的各类融合方法的基本原理及适用范围。针对本文论述的各类融合方法，提出了基于平均感觉分的主观评价方法、反映影像对比度、信息量、细节清晰度、光谱保持度、空间融入度这5个方面的统计指标组成的客观评价体系。　　 3.以鄂东南工作区2008年12月16日的SPOT5全色和多光谱影像作为数据源，对试验数据进行预处理以及单波段和多波段的分析，选取了最佳波段组合，进行本文所述的各种像素级影像融合方法进行研究试验，并对融合后影像进行了简单的主观评价和基于客观的数理统计因子分析的客观评价，从标准差σ、信息熵E、平均梯度G、与全色影像相关系数ρFA以及与多光谱影像相关系数ρFB这5个指标的统计值来评价和比较融合后影像在对比度、信息量、细节清晰度、光谱保持度、空间融入度这5个方面的质量。根据评价结果，认为高通滤波(HPF)融合方法是信息融入度和光谱保真性均较好的融合方法。　　 4.着重研究了各类融合方法对融合后影像地物识别精度的影响，通过对原始多光谱影像和各种方法融合后影像进行监督分类，统计融合影像监督分类后地物类型面积相对原始影像监督分类相应地物类型面积的总的变化率，比较分析发现：高通滤波(HPF)融合影像分类的统计结果与原始多光谱影像相比，地物面积变化总的百分比最小，只有8.8％。且融合后影像标准差σ、信息熵E和平均梯度均G较大，说明影像信息含量较大；与原始全色影像的相关系数ρFA和原始多光谱影像的相关系数ρFB也较大，说明对于原始影像空间和光谱信息保持较好。得出高通滤波(HPF)融合后影像适合作为计算机自动分类的基础影像数据的结论。接着本文还对原始多光谱影像和高通滤波(HPF)融合后影像进行监督分类后的专题图做了分类精度评价，评价指出原始多光谱影像的分类精度为67.50％，而经过高通滤波(HPF)融合后影像的分类精度达到了80.00％，总体精度提高了12.5％；Kappa系数也有明显的提高，从0.6012提高到0.7488，进一步证明高通滤波(HPF)融合后影像可以用来选择作为监督分类的基础影像数据　　 文章的最后对主要完成的工作及取得的成果进行总结，并对像素级遥感影像融合技术的进一步研究进行了展望。