进入21世纪，全球变暖、自然灾害频发、可再生资源的减少以及生态环境的恶化等问题逐渐成为人类关心和研究的焦点。认识和解决这些问题需要获取与之相关的地物的位置、状态和变化等特征。在这一需求的驱动下，多星多平台的传感器网络逐步形成，并能够提供多种分辨率、光谱、角度等性质不同的影像。因此，寻求高效的技术手段综合利用多种影像资源，获取更加准确、完整和客观的地物特征，成为遥感影像应用领域所面临的创新性课题。　　 为了在应用中高效率地利用多种遥感影像资源，遥感界经过近二十年的探索、梳理与实践，现在将研究的重点聚焦在自动配准与融合的方向上。多种遥感影像自动配准与融合沿着三个技术途径发展：利用成像参数，通过直接几何变换，实现遥感影像自动配准与融合；利用地面控制点，通过匹配同名点，实现遥感影像自动配准与融合；利用影像中点、线和区域等不同形态特征，通过特征提取、搜索、匹配拟合等算法及其组合优化，实现遥感影像自动配准与融合。第三种路径不依赖于成像参数和地面控制点，同时，其关键环节与前两种途径交叉结合有助于应用效率的提高，因此，本论文选择第三种技术途径作为研究的重点。论文将智能算法系统集成作为整体框架，有选择地开展了影像斑点噪声去除、多尺度特征提取、复杂条件配准参数搜索，以及算法组合优化等关键技术环节的研究，充分发挥智能算法的自学习、自适应、鲁棒性和竞争机制等优势，形成影像配准与融合处理新的技术系统。　　 论文的主要贡献体现在以下三个方面：　　 (1)构建多尺度特征提取算法和改进脉冲耦合神经网络算法实现了噪声和地物特征复合、复杂性影响下的影像特征提取。　　 针对由于影像噪声以及自然地物复合、复杂性给影像特征提取造成的问题，引入两种思路进行解决：利用空间滤波算法构建金字塔模型，在分析影像噪声性质基础上，结合改进特征提取算法，实现影像多尺度特征提取；针对遥感影像区域特征分割，依据脉冲耦合神经网络的空间相邻、能量相近脉冲同步激发性质，分别构建双模态、时刻独立脉冲耦合神经网络算法。试验结果表明：多尺度特征提取算法能够在抑制噪声同时实现影像多尺度分解，应用到自动配准与融合有助于降低算法复杂度和结果几何误差；双模态脉冲耦合神经网络算法借助平滑和分割两种机制，能够抑制区域内部噪声影响同时保持边缘信息，为影像区域特征提取提供了一种新的途径；时刻独立脉冲耦合神经网络通过引入自适应的参数调整机制，能够实现影像明、暗区域的独立分割，为不同影像区域提取、编码等提供了新的有效手段。　　 (2)构建免疫禁忌网络算法实现了复杂条件配准参数精确搜索。　　 针对复杂条件配准模型参数的搜索问题，通过对人工免疫网络搜索算法的局限性进行分析讨论，引入禁忌搜索机制构造兼具全局和局部搜索能力的免疫禁忌网络算法，并对其初始参数设置进行讨论和改进。针对具体影像配准问题，采用不同特征及其测度对免疫禁忌网络算法在旋转、平移和尺度配准模型下的搜索性能进行评价分析。结果表明：免疫禁忌网络算法能够很好的应用于复杂条件配准模型参数搜索，且其结果几何精度能够达到亚像元级。　　 (3)组合优化多种算法实现了面向应用的系统集成。　　 针对影像特征复杂造成的特征匹配困难和免疫禁忌网络算法在配准模型上的局限性，通过组合优化多尺度特征匹配、免疫禁忌网络搜索和点匹配拟合算法构建影像自动配准与融合算法。依据组合优化算法，通过对自动配准与融合算法关键环节进行归纳，构建出一个可扩展式软件平台，在平台基础上进行SAR与光学影像自动融合特征增强、不同时相光学影像变化检测试验。结果表明：利用组合优化算法能够在减少计算量同时提高结果几何精度。在平台上自动化地实现的高精度配准与融合结果验证了软件平台的性能，并为算法与软件进一步工程化和实用化提供基础。