图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用一定的算法将各图像数据所含的信息优势或互补性有机的结合起来产生新的图像数据。这种新数据具有描述所研究对象的较优化的信息表征,同单一信息源相比,能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差,最大限度的利用各种信息源提供的信息。本文在图像融合的像素级的基础上,研究了图像融合的相关算法:进化算法,并提出了一种新的图像融合方法:基于量子行为的微粒群优化算法(QPSO)。论文在分析了遗传算法和PSO算法的基础上,比较了遗传算法,PSO算法以及QPSO这三种算法的性能,研究了基于量子行为的微粒群优化算法(QPSO)在图像融合中的应用的可能性。针对前两种算法应用在图像融合中所存在的问题,本文应用QPSO算法对融合过程进行优化。文中通过仿真实验以及使用方差、信息熵、交叉熵、互信息量等几种图像融合的评价方法,对以上三种算法进行了比较,结果显示了QPSO算法在图像融合中的可用性及其优点。本文还将上述QPSO算法应用到遥感图像处理领域,并与遥感图像常用的处理方法HSI方法进行了结合,通过QPSO算法对融合过程进行了优化。QPSO算法与HSI变换方法的结合,使图像融合效果有很大的改进,明显改善了普通的HSI方法应用在图像融合处理中的不足。QPSO算法的优化作用得到了很好的体现。同时,论文中还将本文方法与GA与HSI变换相结合的方法进行了比较。仿真实验表明,QPSO算法与HSI变换相结合的方法提高了融合图像的信息含量,对于融合效果有很好的改善作用。