为了获取高质量的遥感图像,需要对具有多种分辨率的遥感图像进行融合。图像融合提升遥感图像识别能力的理论依据是将高分辨率图像的高频信息与低分辨率图像采用合适的方法相融合,准确的提取高频信息和找到合适的融合方法是得到高识别能力融合图像的重点和难点。本文中开始从频率的角度对图像融合进行了研究,针对现在已有的融合算法都没有定量的给出高频信息范围的问题,首先从一维分析了图像融合对频率的影响,然后将其推广到二维图像,定量的指出了图像融合中高频信息的范围。随后以此为依据提出了两种基于频率的图像融合方法,提出使用线性模型对图像融合进行描述,并进一步提出基于线性模型的融合方法。然后针对现有评价方法的不足提出使用识别能力作为评价卫星遥感图像进行融合后的评价指标,最后对图像融合与定位精度的影响进行了研究。本文主要的研究内容如下：1.根据图像融合的理论依据,对高分辨率全色图像的高频信息进行了定量的分析,指出了在进行融合之前遥感影像分辨率的选择对融合后图像中分辨率的影响,研究表明当对不同分辨率的遥感图像进行融合时,在方法和地物相同的情况下,对于同一低分辨率图像,分辨率相差越大,则融合图像与低分辨率图像相比地物频率的提升程度也越大。对于同一高分辨率图像,当图像的分辨率存在两倍关系时,融合图像与高分辨率图像相比地物频率最为接近。2.在对融合后地物频率的变化规律进行研究的基础上,选取合适的高频信息和低频信息的分界点将高频信息定量提取,然后选择合适的系数相加得到融合后的图像,提出基于频率定量提取的融合方法。然后针对其不足,提出结合边缘特征的频率定量提取融合方法,该方法在高频信息定量提取之后再通过边缘特征进行进一步提取,尽量减少高频信息对低分辨图像低频部分的影响。实验部分选择了不同的遥感图像用于融合,对这两种融合方法的优缺点进行了比较分析。3.在对常见的融合方法进行分析的基础上,提出使用线性模型对融合的过程进行描述,并进一步将其用于图像融合,根据人们的需要使用两类方程用于求解线性模型中的系数。实验结果表明,基于线性模型的图像融合方法能够实现图像融合,并且能够得到优于常用融合方法的融合结果。4.在对已有评价方法进行分析的基础上提出使用光学卫星遥感图像识别能力对光学卫星遥感图像的融合图像进行评价,将识别能力分为解译度和识别度两个方面,解译度通过地面采样距离(GSD)结合国家图像解译度评价标准(National Imagery Interpretability Rating Scales, NIIRS)来判断可识别的地物类型,识别度通过图像质量和边缘清晰程度来判断识别地物的难易程度。然后将两者结合作为最终的评价结果,并结合遥感图像在实验中验证了该方法的可行性。5.对图像融合与定位精度的联系与相互影响进行了研究。遥感图像识别能力与定位精度都是评价卫星遥感图像质量的重要依据,识别能力与定位精度之间存在一定的关联,图像融合通过对识别能力的影响也会对定位精度造成影响。研究表明图像融合会对定位精度造成一定的影响,但不是主要的影响因素,高质量的融合图像对获取高定位精度的图像有一定的帮助。