随着卫星传感器的迅速发展,遥感卫星为遥感应用研究提供了丰富的遥感影像。合成孔径雷达（Synthetic Aperture Radar,SAR）图像和多光谱图像在对地监测方面具有互补的优势。其中,SAR能在各种气候条件下提供具有丰富空间细节特征的图像,但其图像缺少光谱信息。而多光谱图像属于光学图像,具有多个光谱段,但它易受大气环境影响降低了空间解析能力。因此,利用融合技术将多光谱图像和SAR图像互补的信息重新组合,为后续实际应用提供质量更优的融合图像,具有重要的实用价值。本文将多光谱图像和SAR图像作为研究对象,首先通过对SAR进行去噪处理,然后利用提出的融合方法对SAR和多光谱数据进行融合,在主观视觉评价与客观评价上均能取得较好的结果。本文将从下述两个方面对多源遥感图像融合方法展开研究:1.针对现阶段去噪方法不能有效去除SAR图像中的噪声,以及去噪过程中会损失图像细节信息等问题,本文提出了一种基于小波分解的改进算法。首先,利用小波分解在图像频率上的特性,将图像分解为高频和低频两种图像。然后,分别在各自连续图像空间上做能量泛函分析,在局部空间上去除噪声。最后,以重构的方式合并高频和低频图像完成去噪处理。该方法在去噪结果上表现较优,为后续图像融合处理提供了良好的支持作用。2.针对现阶段融合算法不能有效地保持融合图像中的边缘特征和光谱信息等问题,本文提出了一种混合分解结合双通道简化脉冲耦合神经网络（Simplified Pulse Coupled Neural Network,SPCNN）的融合算法。首先,利用混合分解模型根据不同尺度分离图像中的边缘和纹理等特征信息。然后,为了增强融合图像的光谱信息,对SPCNN模型进行了改进,并引入多尺度形态学梯度（Multi-Scale Morphological Gradient,MSMG）理论,进一步加强了融合模型对图像特征的敏感度。图像融合结果显示,本文算法的CC和SSIM达到了0.98以上,SAM接近理想值0,这表明本章算法在保持图像边缘和光谱等方面较其他算法有较大的提升。