多源图像信息融合技术广泛应用于军事、计算机视觉、医疗诊断及遥感应用等领域。 论文从像元、特征和决策融合三个方面研究了多源图像融合技术，提出了一些新的分析处 理方法。 像元级图像融合技术的主要研究目的是获得一幅视觉增强的图像。本论文首先研究了 一般意义下单纯面向视觉增强的多源图像融合方法，提出了一种基于统计融合模型的多分 辨融合方法，给出了一般意义下的统计融合模型，通过引入传感器噪声项，有效地抑制了 传感器噪声对图像融合的影响。然后在多光谱图像融合中，提出了一种新的融合方法，将 相关约束进一步引

遥感图像分类的应用在遥感图像研究中具有重要意义。为了提高高光谱遥感图像分类精度，本文提出了基于多特征融合的高光谱遥感分类方法。该方法将图像的空间特征和光谱特征归一融合，然后使用AdaBoost分类器集成算法对特征进行分类。首先，该方法使用主成分分析对高光谱数据降维，并提取图像的纹理特征和直方图特征，然后将三种特征归一化；最后使用AdaBoost集成分类方法对高光谱遥感数据分类。实验结果表明，相比于单个特征分类，该方法可取得较高的分类精度。

高光谱图像中包含丰富的光谱特征和空间特征,这对地表物质的分类至关重要。然而高光谱图像的空间分辨率相对较低,使得图像中存在大量的混合像素,这严重制约物质分类的精度。受到观测噪声、目标区域大小及端元易变性等因素的影响,使得高光谱图像的分类仍然面临诸多挑战。随着人工智能和信息处理技术的不断进步,高光谱图像分类已成为遥感领域的一个热点问题。首先对基于特征融合的高光谱图像分类文献进行系统综述,并对几种分类策略进行分析与比较,然后介绍高光谱图像分类的发展现状及面临的相应问题,最后提出一些可以提高分类性能的策