随着多谱成像技术的迅速发展,多谱图像已经被广泛地应用于军事、气象、医学以及对地遥感等多个领域,在国民生产生活中发挥着越来越重要的作用。成像传感器类型的增多会直接导致数据量的急速增长以及随之表现出的图像数据多样性。如何有效地对多谱图像信息进行综合处理,最大限度地利用互补信息,减少冗余是极具研究价值和现实意义的课题。本文以多谱图像中使用较多的中波红外、长波红外和可见光图像为主要研究对象,以对多谱图像信息进行综合处理研究目标,详细研究了目标潜在区域检测、图像分割、像素级与特征级融合等多谱图像融合与处理技术,最终对以上研究内容与其它研究成果进行集成,形成了一套较为完整的多谱图像信息综合处理系统。该系统能够对城区、农田、植被、水域、机场、桥梁、飞机以及舰船等感兴趣目标进行有效地检测与识别。本文主要工作和创新成果如下：在目标检测识别的过程中,通过目标潜在区域检测可以提高检测识别的准确性,降低所需处理的数据量。遥感图像分类技术通过对城区、农田、植被与水域等区域大目标的分类识别,可以达到场景分析的目的,并进一步确定目标潜在区域。本文将改进的行程长度纹理特征与神经网络相结合,应用于高分辨率、大区域的可见光遥感图像分类中。在特征选择阶段采用类内-类间方差标准与Rough集相结合的方法挑选出了有较强分类能力的特征,并有效地去除了冗余特征。实验表明该方法能获得较好的遥感图像分类效果。图像分割技术广泛地应用于目标检测识别与特征提取,其中图像阈值分割是一种简单有效的图像分割方法。为了综合利用图像中像素点的灰度和空间分布信息,本文提出了灰度空间相关直方图(GLSC直方图)的概念,并成功地将人眼视觉非线性特性融入其中。通过结合信息熵与第二类模糊集的概念,提出了两种不同的图像阈值分割方法。与传统算法相比,新算法在分割效果与耗时上能取得较好的平衡。图像中目标与背景间的对比度对目标检测识别有重要的影响。本文研究了一种基于非子采样轮廓波(NSCT)的像素级多谱图像融合方法。该方法可以提高目标与背景间的对比度,并增强图像的清晰度。特征级融合是一种较高层次的图像融合方法,关键是如何确定异谱特征间的冗余性和互补性,通过去除冗余并实现互补,达到特征最优组合的目的。本文提出了一种特征级图像融合方法。通过LLC编码对异谱特征进行特征分解,可以有效地体现特征间的冗余性和互补性,特征融合采用max-pooling准则。在具体的目标检测识别中,提取HOG特征描述目标特性,以模块化SVM作为分类器。为了将上述研究内容与其它研究成果进行集成,本文提出了一个多层次的多谱图像信息综合处理系统结构框架。该系统针对多谱红外与可见光图像,具有图像配准、特征提取、多谱图像融合以及目标检测识别等功能。