多源遥感图像融合技术是指将不同类型传感器获取的同一地区的图像融合成一幅新的图像，其融合处理过程就是采用一定的算法将各图像中包含的冗余信息、互补信息有机结合起来，得到一幅信息量更丰富或清晰度更高的图像。而像素级融合是指将配准后的图像对像素点直接进行融合算法，使得融合后的图像信息含量更大、内容更全，有利于于下一步的图像分析和理解。其优点是保留了尽可能多的信息，具有较高的精度。　　 本文主要针对多源遥感图像的像素级融合方法进行研究，首先介绍了遥感图像融合的背景，同时也分析了目前国内外遥感图像融合技术的发展现状。为了得到更高质量的融合图像，在融合前，必须对遥感图像进行预处理，包括几何校正、去噪、配准，因此简要介绍了融合前的准备工作，以及对本文中的实验图像进行描述。然后，通过对遥感图像融合处理框架的描述，介绍了遥感图像融合的三个层次——像素层、特征层和决策层，并对遥感图像融合的主要技术进行了归纳总结，给出了常用的融合图像的质量评价指标。本文旨在研究遥感图像的像素级融合方法，因此，重点讨论了HIS变换和PCA变换，将其应用到低分辨率多光谱图像和高分辨率全色图像的融合中，通过仿真和分析对这两种算法进行了验证，并给出了融合结果的客观评价。小波变换的多分辨性使其在图像融合领域得到了应用，因此，本文详细分析了小波变换理论，针对小波变换和HIS变换中存在的问题，采用了一种新的基于HIS变换和小波变换的自适应融合算法，并通过仿真及分析证明了该算法的可行性。由Candes和Donoho提出的Curvelet变换克服了小波变换无法检测二维图像中沿边缘的连续性这一缺陷，本文重点研究了在不同融合准则下的基于第二代Curvelet变换的遥感图像融合方法，并将其与HIS变换结合，采用特定的融合准则，文中对所描述的算法都给出了试验仿真，并依据融合性能评价指标给出了数据分析。