图像融合是通过综合多幅图像数据互补得到新的一幅图像，在这幅图像中能反应多重原始图像中的信息，得到探测目标的相对精确可靠的解译和相对完整一致的信息描述的过程。图像融合技术在遥感、医学、自然资源勘探、海洋资源管理、生物学等领域占有及其重要的地位，对于国防安全和经济建设具有十分重要的战略意义。 随着多分辨率分析理论的发展，在小波变换的基础上，产生了多种多分辨率分析方法。曲波(Curvelet)作为一种新的多分辨率分析的方法，比小波更加适合分析二维图像中的曲线或直线状边缘特征，而且具有更高的逼近精度和更好的稀疏表达能力。将Curvelet变换引入图像融合，能够更好的提取原始图像的特征，为融合图像提供更多的信息。 本文研究基于曲波变换的像素级遥感图像融合方法，主要内容包括： (1)分析了Curvelet变换的原理、方法和实现算法，讨论了将其引入图像融合领域的可行性，并在Curvelet分解的过程中与à trous小波相结合，既可利用Curvelet变换能很好地反映边缘特征的优势，又可使用基于à trous小波变换的移不变性。首先，对图像进行à trous—curvelet变换，再在相应尺度的高低频系数中采用不同的融合规则将系数重组。对低频系数进行归一化，然后按绝对值取大原则进行系数重组，因为其包含着图像最主要的成分；对于高频系数采取基于局部能量的融合规则，因为“局部能量”较大的中心像素代表了原始图像中的明显特征。最后进行à trous—curvelet逆变换得到融合结果。最后，通过实验证明了在对全色图像和多光谱图像的融合时，在保留细节信息和光谱信息方面，该融合算法均优于小波变换、曲波变换等的融合算法。 (2)针对空间分辨率差别较大的全色图像和多光谱图像，现有算法通常不能达到理想的可视化效果，容易导致融合结果的边缘之处产生“颜色溢出”的现象，即：全色图像中的小目标景物在多光谱图像上未包含相应的光谱信息。针对这一问题，本文在Curvelet变换融合方法的基础上，提出一种“预彩色化”的方法，即：预先根据多光谱图像的光谱信息对低分辨率下的全色图像进行着色；然后，再用着色后的图像作为待融合多光谱图像，与原全色图像进行融合。在本文中以北京一号小卫星图像为例，对其全色图像(4m)和多光谱图像(32m)进行融合，并与小波变换、Curvelet变换方法进行对比实验。实验结果表明，本文中方法融合的可视化效果优于现有的各种方法。