随着遥感技术，特别是传感器技术的发展，对于某一地区可用的遥感图像越来越多，从各个不同的方面描述某一地区的特征，具有高空间分辨率、高光谱、多时相、多角度的特点。多光谱图像(multi-spectral image)对于某一地区的描述具有多个波段的光谱特点，光谱信息丰富，但空间分辨率低，而全色图像(panchromatic image)是可见光范围内的混合灰度图像，空间细节信息丰富而光谱信息不足。因此，怎样集成一幅具有高光谱高空间分辨率的图像成为研究的热点。本文主要致力于多光谱图像和全色图像融合算法研究，完成了以下两个方面的研究工作。　　(1)、根据非下采样Contourlet变换（Nonsubsample Contourlet Transform，NSCT）系数的区域特征，利用低频子带和高频子带分别表示待融合图像的近似信息和突变信息的特点。在多光谱图像低频子带系数基础上，有选择的加入全色图像低频子带系数，在高频子带采用基于区域方差的有选择融合算法。实验表明，融合图像在保持多光谱图像光谱信息同时，加入更多全色图像的空间信息，提高了空间分辨率。　　(2)、根据融合区域地物的空间分布特点，将融合区域分为边缘区域和非边缘区域，提出在边缘区域加入更多的全色图像的空间信息，提高空间分辨率，在非边缘区域加入更多光谱图像的光谱信息，保持光谱信息的思想。利用脉冲耦合神经网络(Pulse coupled neural networks，PCNN)全局耦合同步脉冲的特点，在低频子带和高频子带分别采用区域能量和空间频率作为图像的原始信息，提出一种NSCT与PCNN相结合的多光谱图像和全色图像融合算法。实验表明，融合图像在非边缘区很好的保持多光谱图像的光谱信息，在边缘区域提高融合图像空间细节信息。　　遥感图像数据具有海量数据的特点，而且各种数据之间具有互补性和冗余性。因此图像融合成为减少图像冗余性，提高信息的可靠性的有效方法，而融合算法的研究在图像融合中起着至关重要的作用。