随着遥感技术的发展，越来越多不同类型的传感器被用于对地观测。光学传感器获取的数据光谱信息丰富，但易受大气条件的干扰。SAR是一种主动式相干微波遥感系统，可以全天时、全天候工作，并且对地物具有一定的穿透力，SAR图像纹理信息丰富，但存在大量的斑点噪声。因此有必要综合两类影像的信息，达到优势互补、改善图像的空间分辨率和光谱信息的目的。本文以CBERS多光谱影像和TerraSAR-X影像为数据源，进行融合算法的研究，并采用分类的方法提取水体信息。所做的主要工作包括：　　 (1)分析了影像融合预处理中的关键技术，针对本文数据源的特点采取不同的辐射增强方法。　　 (2)归纳和分析了基于像素级的多源遥感影像数据融合算法。重点研究了小波及小波包变换法，包括分解层数、小波基和融合规则的确定。定性、定量地评价各种算法的性能，结果表明小波变换法能较好地保持源图像的光谱信息和纹理细节。　　 (3)将小波边缘检测与融合算法相结合，对增强边缘特征的影像融合方法进行了初步探索。并结合边缘增强算子与像素级融合算法，研究了突出边缘特征融合的改进方案。试验结果表明边缘增强算法在突出地物边缘特征的同时也丢失了部分细节。　　 (4)通过对不同融合算法的定量评价发现，图像的细节和光谱信息是两个相互消长的因素，结果影像的优劣不能只依据某个指标来判定，更重要的是应用目的。因此本文采用水体提取的结果来评价何种融合算法更为有效。　　 (5)采用最大似然法和支持向量机分别对原CBERS多光谱影像和各融合影像进行分类，进而提取水体信息，结果与定性和定量评价的结果并不一致，光谱和细节均保持较好的小波变换融合影像的水体错判率较高，光谱扭曲较大的Brovey变换法、HIS变换法和加权法提取的水体精度反而较好。