遥感融合技术是将两幅或者两幅以上的信息表现形式不同的图像融合为一幅图像的技术。融合后的图像的信息表达方式更适合具体的需要。其实质是将原始图像在时间或者空间上包含的互补或者是冗余的信息进行处理,使得融合后的图像对场景有更简洁和全面的表达,利用后续的信息解译与提取。
　　本论文针对全色影像与多光谱传感器影像数据的融合,在回顾传统图像融合算法和融合评价的基础上, 重点研究了主流的影像融合算法在IKONOS数据上的适用性和有效性,以及提出了一种改进的 HIS-LIKE PCA 融合算法应用于农地的融合。主要的研究内容如下：
　　(1) 论述了遥感影像融合技术的概念、国内外研究现状及遥感影像数据融合技术在实际中的研究意义。
　　(2) 阐述了遥感影像融合技术的理论基础,包含影像预处理、算法的基本原理、主要的评价方法等；
　　(3) 选取了Brovery, Wavelet, PCA, CN, Pansharpening, Gram-Schmidt(GS)六种方法,应用IKONOS数据,验证了6 种常用的像素级融合算法IKONOS自融合中的适用性和有效性。遥感图像融合质量评价方法可以分为定性评价和定量评价两类,定性的评价主要通过视觉上空间分辨率的提升和色彩的保持评价。定量评价分为评价空间信息保持能力和评价光谱信息保持能力两部分。评价光谱保持能力的参数采用的是：融合后影像与原始多光谱影像对应波段的相关系数、均值差以及全局参数均值相对差异值(Relative Average Spectral Error,RASE)、相对多维尺度误差(Relative Global Dimensional Synthesis Error,ERDAS)。评价空间信息保持能力的指标分为：融合后影像方差和融合图像在特定拉普拉斯滤波后与原始全色波段影像数据的相关系数。
　　(4) 基于Te-Ming Tu 提出的GIHS变换和楚恒博士论文中提出的DCT域的影像融合方法提出了一种改进的光谱融合算法。以 IKONOS 为试验数据,将算法应用于农地融合,在光谱与空间保持能力方面与其他的算法进行比较,证明其具有更好的融合功能。