多传感器遥感图像能够提供不同电磁波段、不同入射角、不同成像机理以及不同时相、不同空间分辨率的信息，这些信息之间是可以互相补充的。目前随着遥感技术的迅猛发展，遥感所用的传感器种类和数量越来越多，研究多传感器遥感图像的信息融合工作已势在必行，其中多传感器遥感图像融合分类技术的研究已成为国内外研究的热点。　　 本文以两种空间分辨率、波段及成像机理不同的JERS-1卫星的SAR图像和Landsat卫星的TM图像的融合分类为例，对空间多传感器遥感图像的配准和空间多传感器遥感图像的特征层和决策层的融合分类技术进行了系统的研究。具体的研究包括：　　 1.多传感器遥感图像的配准技术。图像配准是特征层和决策层融合分类的前提和基础，本文对多光谱和SAR遥感图像配准中的问题进行了深入的研究，对基于傅立叶变换的图像配准方法给予了详细的介绍。　　 2.多传感器遥感图像的融合技术。图像融合的处理可在三个不同层次上进行：像素级融合、特征级融合、决策级融合。本文详细介绍了基于小波变换的图像融合方法。　　 3.多传感器遥感图像特征层融合分类器设计的研究。本文研究了传统的最大似然分类器以及MRF模型分类器、BP神经网络分类器，指出对正态条件概率密度函数应用极大似然分类器是从分类时间和分类精度指标来说较好的选择；论文中利用多传感器遥感图像的分类特点，提出结合BP神经网络模型和Markov随机场模型的融合分类器的设计方法。　　 4.在多传感器遥感图像决策层融合分类方法的研究中，论文设计了多传感器遥感图像意见一致性理论决策融合分类器以及意见一致性理论与Markov随机场模型相结合的决策融合分类器，得到了很好的分类效果。