随着遥感技术的飞速发展,遥感数字图像融合已成为航空、卫星图像处理领域的研究重点。遥感数字图像融合不仅能提高影像信息的可利用率,集成源图像的互补信息,降低单个遥感数字图像的差异性,获得信息更丰富、更精确的融合图像,而且融合后的图像信息量丰富,清晰度增强,具有较高的解释能力。本文主要是对同一地物的多光谱图像和全色图像的融合方法进行研究,在传统经验模式分解(Empirical Mode Decomposition,EMD)的基础上,提出了一种基于粒子群优化径向基神经网络权值的插值方法。并以此为基础,针对图像融合提出了一种基于彩色空间(luminance,Hue,Saturation,IHS)变换、小波滤波和改进二维EMD的遥感数字图像融合方法。该融合方法既可以保留融合图像的光谱信息,又可以提高其空间纹理细节信息。本文的主要研究工作和创新点如下:1、叙述了遥感数字图像融合算法的研究背景与意义以及国内外研究现状,讨论了遥感数字图像融合过程中的融合方法、融合规则、融合结果评价标准,最后分析比较了几种常用的图像滤波方法。2、分别介绍了一维EMD和二维EMD的基本原理和实验步骤,并指出二维EMD方法分解过程中需要注意的问题。3、在图像分解的过程中,本文对二维EMD方法进行了改进。针对二维EMD分解过程中包络面的插值拟合方法,以粒子群算法为基础,对径向基神经网络的权值进行优化;经验证,基于粒子群优化径向基神经网络权值的插值方法相比径向基函数插值法,具有插值精度高的优点;最后,使用改进的二维EMD方法分解遥感数字图像时,可以使图像得到充分分解。4、针对遥感数字图像融合,本文提出了一种基于IHS变换、小波滤波和改进二维EMD方法的图像融合方法,并进行了四组仿真实验。实验结果表明:融合图像不仅可以最大程度保留光谱信息,在空间纹理细节信息上相比于原图像也有所提高。最后,通过分析比较四组实验结果以及经过小波滤波后的全色背景图像和高频信息面,得出了本文算法的适用范围,即本文算法适用于地物信息丰富且区别明显的遥感数字图像融合。