图像在人类获取和传递信息过程中占有重要的地位。在一些实际应用中，因受到成像机理的限制，往往成像传感器直接获得的图像不能满足实际需要。图像融合可以将两幅有互补信息的图像融合成一幅信息丰富准确的图像。图像的超分辨率重建可以将一幅模糊的图像恢复成细节信息丰富的图像。在以上所提的研究背景下，本文主要的研究内容为:　　1.针对基于频域遥感图像融合算法的不足，提出一种结合多尺度变换和自相似性融合规则的算法。在多尺度变换上运用具有良好分解性能的Q-shift非下采样双树复剪切波变换，对于低频子带，采用基于多特征自相似的融合方法;对于高频子带，根据其方向特点，采用一种具有方向自适应特点的脉冲耦合神经网络的融合方法。实验表明，在平衡空间和光谱信息方面，本文算法要好于一些经典算法。　　2.针对经典的稀疏编码重建算法的不足，本文提出一种基于频域稀疏编码的超分辨率重建算法。对于低频子带，运用改进的脉冲耦合神经网络对稀疏编码算法中的最优系数进行获取，进而完成重建;对高频子带，将分解的高频子带与预测高分辨图像的特征图像一起作为脉冲耦合神经网络的输入完成高频重建。实验表明，本文算法在主观视觉和客观数据都获得了较好的效果。