针对不同类型的多光谱图像数据的不同特点和图像融合的不同层次,在分析和总结前人研究成果的基础上,本文主要研究了多光谱图像融合算法和融合结果质量评价方法,所做工作和研究成果主要有以下几个方面：(1)研究了概率神经网络(PNN)的基本原理,在此基础上设计了适于图像融合的多输入、单输出的PNN网络拓扑结构,并利用PNN的插值功能以拟合误差最小为原则推导了图像融合模型的输出公式,最终实现了基于PNN的多光谱图像的像元级融合；(2)研究了D-S证据理论,尤其是冲突证据的合成法则和mass函数值的获取方式,研究证据理论在信息融合与图像融合中的应用,本文通过选取合适的样本建立特征库,利用高斯函数构造基本信任分配函数,从而建立起证据理论的数学模型,最终成功地将D-S证据理论应用到多光谱图像的融合分类中；(3)研究了图像融合的常规评价方法,在已有的客观和主观评价方法的基础上,针对多光谱图像融合的特点提出了基于边缘信息的不依赖于参考图像的图像质量评价方法,并用于评价本文的融合图像,评价结果显示了上述融合方法的优劣；(4)对于上述多光谱图像融合及其评价方法设计相应的算法,并进行仿真、性能分析和实验验证,实验结果证明了本文方法的可行性和有效性。