随着传感器技术的不断发展，遥感图像的光谱分辨率不断提高，高光谱遥感的出现，使光学遥感进入了一个崭新的阶段，是遥感领域的一个巨大飞跃。高光谱遥感数据具有波段众多、光谱分辨率高、数据量大等特点。较高的光谱分辨率在很多方面给高光谱遥感带来巨大应用潜力，特别在图像分类方面，显示出巨大的优势，但波段众多、数据量大不仅给数据存储和传输带来了困难，也给高光谱遥感图像处理技术尤其是高光谱遥感图像分类技术方面带来巨大的挑战。因此本文主要研究基于图像融合技术的高光谱遥感图像分类，通过图像融合技术减少高光谱遥感数据之间的冗余，合并互补信息，利于后续分类处理。在高光谱遥感图像融合之前，本文还总结和研究了数据源划分和降维处理技术，有利于减少图像融合运算量。 本文主要完成工作如下： 首先简单阐述了高光谱遥感图像的数据源划分方法，系统分析了高光谱遥感图像降维方法，在基于分段PCA波段选择方法基础上，结合基于波段指数的波段选择方法，将其改进为基于分段PCA和波段指数的波段选择方法，该方法不仅克服了基于分段PCA波段选择方法选择出的波段相关性大的缺点，而且也解决了基于波段指数的波段选择方法计算量大的问题。 其次本文针对目前图像融合方法的一些不足，提出了基于边缘信息(EI，edge information)优化权值的图像空间域的像素级融合方法。在该方法基础上，本文进一步做了改进，解决了其分块产生边缘效应的问题，并且有较好的融合效果。 随后本文总结了常用的图像分类方法，以及高光谱遥感图像分类的特有方法，再对融合结果进行有监督的图像分类实验，使得传统分类方法能够应用于高光谱遥感图像分类，并且在少量分类训练样本下，得到了良好的分类精度；通过对比实验，进一步验证了本文提出的融合方法的有效性。 最后对本文所做的工作进行总结，并对本文研究内容提出不足和展望。