多传感器图像融合是将不同传感器获得的数据和信息进行融合处理，取长补短，生成比来自单一传感器更清晰、更完整、更可靠的图像。它在军事和民用方面有着极为广泛的应用背景，是目前图像处理领域的一个热门研究课题。论文分别对遥感图像融合的两类方法：小波变换方法和模糊神经网络方法进行了探讨和研究，分析了其数学理论和模型，并提出了具体有效的算法。 小波变换融合方法是从数学理论到算法模型都相对完善的方法。在这一部分研究中，本文首先研究了基于小波变换的两幅全色图像的融合。使用了基于像素融合和基于区域融合两种算法。基于区域的融合算法能够提高图像的清晰度，同时克服了基于像素的融合算法在处理图像时的重影现象。随后研究了高分辨率全色图像与低分辨率多光谱图像的融合算法。算法结合IHS变换和小波变换，利用二维离散小波变换的多分辨率特性，将图像信号分解为一幅低频子图像和不同分辨率下的细节子图像，对于低频子图像与高频细节部分采用不同的融合算子。这样不仅能够较好地保留融合图像的光谱信息和提高空间分辨率，而且具有较强的自适应性。 模糊神经网络方法属于智能型融合方法，是一种处于发展初期，但却具有良好性能和巨大发展潜力的方法。本文结合IHS变换和模糊神经网络方法，从而实现多光谱图像和全色图像的融合。模糊逻辑结合神经网络就可以得到模糊神经网络方法，即综合利用神经网络的学习能力和模糊逻辑方法的推理决策能力，用一种基于最小二乘法和后向传播梯度下降法结合的方法来训练隶属度函数，再将训练后的数据用于模糊推理。然后通过仿真验证了算法的有效性。 论文最后对小波变换融合方法和模糊神经网络方法进行了比较和评析，总结了两种方法各自的优点和缺点。