在遥感领域,卫星遥感系统提供着越来越多覆盖全球和重复测度的数据,为了充分、有效、综合地利用这些信息,就需要将同一目标或同一区域的多源图像数据进行匹配与融合。本文以多源遥感图像作为对象,研究并实现了多源遥感图像的匹配与融合算法。首先,讨论了一种基于Contourlet域、Krawtchouk矩和改进粒子群的图像匹配算法,主要针对单一传感器所获取的遥感图像进行快速匹配。与目前常用的匹配算法相比,该算法可在加快匹配速度的同时,大大提高匹配的精度。其次,针对多传感器获取的遥感图像,研究了两种多源遥感图像匹配算法,分别引入改进型Hausdorff距离和基于Tsallis熵的互信息量作为相似性度量准则。结果表明,这两种算法都具有较高的匹配效率和运算速度。然后,实现了一种基于对数极坐标变换和对齐度的多源遥感图像配准算法,对以Harris角点为中心的圆进行对数极坐标变换,采用对齐度度量准则得到匹配点。实验结果显示,该算法能有效地对多源遥感图像进行配准,对旋转、尺度变换具有一定的鲁棒性。接着,采用了无下采样Contourlet变换对多源遥感图像进行融合处理。该方法的性能较传统的基于小波变换或基于Contourlet变换的融合方法有了一定的提高,融合效果更好。最后,介绍了一种基于无下采样Contourlet变换和模糊推理的图像融合算法,利用模糊推理计算各源图像对融合图像的贡献程度。结果表明,该算法简单、可行,并能更加有效地融合源图像中的信息。