遥感技术是20世纪60年代兴起的一种探测技术,它根据电磁波理论,应用各种传感仪器对远距离目标辐射和反射的电磁波信息,进行收集、处理,并最后成像,从而对地面各种景物进行探测和识别。利用遥感成像数据,人们可以高速度、高质量地测绘地图,还可以进行目标搜索,探测土地、矿产及地下水等艰巨任务,这使得遥感数据的应用越来越广泛。为了提高遥感数据的精度,提高各种应用的准确率,除了不断改进各种传感器的灵敏度和精准度外,采用融合技术来提高图像数据的精确率已成为遥感领域的研究热点。融合技术是指将多种现存技术结合起来,创造出比原有技术更强大的新技术。遥感图像融合就是将各种传感器获取的图像信息融合起来进行数据综合利用,目前的遥感图像融合技术分为像素级融合、特征级融合和决策级融合。本文的主要目的是研究各种融合算法,并将融合技术应用到实际的目标检测之中。以舰船为例,舰船目标检测在商业、捕鱼业、海运交通服务和军事监测等领域具有重要意义和广阔的应用前景,目前的单源舰船检测算法已经取得较大的成果,如利用SAR图像进行舰船目标检测成为SAR海洋应用中的一个重要方面。但基于单源的目标检测难免受限于传感器的性能,如可见光传感器穿透力不强,SAR传感器容易产生斑点噪声等等,本文通过对Dempster-Shafer证据的分析与改进,利用特征级融合的方式实现了舰船目标的融合识别。本文的主要工作包括:图像融合的各种算法分析比较,并对小波融合算法进行了较深入讨论;分析可见光图像和SAR图像中的目标特性,并以舰船为例实现了可见光和SAR图像上目标检测算法,并特别对SAR图像中的CFAR类目标检测算法进行了分析;构建了基于Dempster-Shafer证据理论的图像融合目标识别系统,并通过对证据理论中的BPA修订,提高了Dempster-Shafer证据判断的准确率,提升了系统性能。