人们对于图像识别技术的研究始于上世纪的六十年代，它的含义是利用计算机对图像进行处理，从中提取所需的信息，以利于人们对事物进行识别与描述，这一概念属于模式识别的范畴。传统的目标识别是基于单传感器图像的，随着多传感器图像融合技术的深入发展，其在目标识别、跟踪等方面的应用也越来越广泛。而通过融合来自多个传感器的遥感图像，能把各个传感器的优点结合，尽可能多的利用它们在空间和时间上的冗余和互补，提高对图像信息进行分析并进一步提取的能力。在对遥感图像的理解中，图像的目标检测是图像识别与分析的基础及条件，它在地球遥感图像分析、军事目标识别、军事侦察等多个领域都有着非常重要的应用。例如，在军事侦察中，对雷达图像、红外图像以及可见光进行目标检测，并从中获取有价值的图像信息。但是在遥感成像的系统中，受到信噪比、成像系统的传递函数和分辨极限等多个方面的限制，致使图像不够清楚；此外，还有一些遥感图像因为背景复杂，或目标相对较小，使得目的检测变得很困难。因此可以通过将不同的遥感图像进行融合从而得到新的融合图像，在这个基础上进行目标检测会得到较好的效果。　　 本文的主要工作是研究图像融合技术在目标识别与检测中的应用。首先，阐述了目标识别技术的研究意义，目标识别技术的发展现状以及应用前景，然后，本文简单阐述了图像融合技术的产生、发展的背景、图像融合技术特点和应用方向，引出了为什么要用图像融合技术来进行目标识别。并用实验结果证明了用图像融合的方法进行目标识别的有效性和可行性。同时，探讨了多源图像融合效果的评价方法，对评价方法进行了整理和分类。本文对像素级融合方法和特征级融合方法分别进行了详细的阐述，对像素级的常用方法，例如基于非多尺度变换的融合方法，基于多尺度变换的融合方法，并对几种融合方法进行了比较，另外，　　 对于改进的小波变换的图像融合算法进行了说明，并做了一系列实验以说明各种融合方法的比较与效果。对于特征级图像融合方法中基于IHS变换以及基于改进的HIS变换的图像融合处理进行了详细说明并做了相关实验。第五章详细说明了用数学形态学的方法进行图像检测，并用大量实验来证明这一办法是有效可行的。本文的最后一章对全文做了一个总结，并对此类研究今后的发展做出展望。