遥感观测是获取地表信息的重要手段,遥感影像作为所获取信息的重要载体,在地理测绘、环境监控、农业生产、林业规划、灾害预防、基础建设、国防安全等领域有着广泛的应用。然而受卫星传感器硬件设计的限制和其它因素的影响,遥感影像存在空间分辨率、光谱分辨率和时间分辨率等方面互相制约的问题,极大限制了其应用潜力。图像融合技术可以充分利用高空间分辨率的全色影像（Panchromatic Image,PAN）和低空间分辨率的多光谱影像（Multispectral Image,MS）的各自优势,获得同时具有高光谱和高空间分辨率的遥感影像。因此,本文以多光谱和全色遥感影像为研究对象,从多光谱影像和全色影像融合出发进行研究,围绕着提高遥感影像融合质量这一目的进行讨论,论文研究的主要内容如下:（1）对现阶段的影像融合算法进行了介绍总结,详细研究了成分替代法、多分辨率分析法、基于地质统计学分析法和网络模型法的典型算法。（2）提出了一种基于四叉树自适应分块面到点协同克里金影像融合方法。该算法基于区域-点的克里金回归法（Area to Point Regression Kriging,ATPRK）,将整个影像划分为多个区域分别融合,然后将结果拼接。对于每个单独区域,使用高分辨率PAN影像的空间信息回归建模,回归克里金法处理残差。使用该算法与传统融合算法进行融合实验,并从客观指标和主观视觉两个方面对结果联合评价。实验表明本方法产生的融合影像质量良好,且保持了多光谱影像的光谱特性。（3）提出了一种基于U型网络残差模块遥感影像融合方法。该算法以卷积神经网络（Convolutional Neural Network,CNN）为主干,采用U型（U-Net）网络结构,并且引入残差模块（Residual Block,RB）结构,以更好的提取影像特征。将MS影像上采样到与PAN影像同一尺度,两种数据叠加作为输入进行模型训练,利用该模型进行融合。并将该算法与5种其他融合算法进行实验,从客观指标和主观视觉两个方面对结果评价。结果显示,本方法融合影像光谱特征的同时,在纹理细节信息的保持上有良好表现。