多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其汇集(融合，Fusion,Merge)到统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理，通过多种信息的互补性表现，提高多源空间数据综合利用质量及稳定性，提高地物识别、解译与决策的可靠性及系统的自动化程度的技术。
数据融合的概念始于70年代。进入20世纪90年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辨率和时间分辨率的遥感影像形成了多级分辨率的影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱的多种遥感数据源。数据融合的发展在一定程度上解决了多种数据源综合分析的问题。
1.数据融合前处理
影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT与TM数据融合时，SPOT的HRV传感器是以CCD推帚式扫描成像的，而TM则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辨率较低的图像进行重采样，改正其误差，将影像投影到同一的地面坐标系统上，为图像配准奠定基础。
在实践中，可以统一采用数字化地形图作为基础底图，分别对不同遥感器产生的图像进行几何精校正，使它们具有统一的投影方式和坐标系统，以便不同类型或不同时相的遥感影像之间的几何配准和精确融合。
2.常用的数据融合方法
多源遥感影像数据融合在国际上经过多年研究，技术上日趋成熟。目前，常用的遥感影像的融合方法，主要有：以像元为基础的加权融合、HSI变换、K-L变换，比值变换；基于小波理论的特征融合、基于贝叶斯法则的分类融合以及以局部直方图匹配滤波技术为基础的影像数据融合等。
（1）主成份分析法（PCA)
Chavez et al，1991，主成分分析对图像编辑、图像数据压缩、图像增强、变化检测、多时相维数和图像
融合等均是十分有效的方法。
假设：1.PC1仅包含全景图像的亮度成分；2.短波红外波段图像的亮度与可见光图像的亮度相等。有两种变换方法：一种是参与法:将参与变换的各波段，包括高空间分辨率数据在内,统一进行主分量变换，然后进行反主分量变换。
另一种是替换法:将多光谱的多个波段先做主分量变换，将高分辨率全色影像与第一主分量进行直方图匹配，使之与第一主分量有相同的均值与方差，然后用匹配后的高分辨率影像代替第一主分量,最后进行反主分量变换，得到空间分辨率提高了的多光谱影像的融合影像。
由于 PC1的方差最大，它包含了所有波段绝大部分信息 , 因此融合后的图像中既有多光谱信息又具高分辨率。
（2）乘法
Multiplicative（Crippen，1989）
DN low.res * DN high.res = DNnew
DN high.res 高分辨率图像的像元灰度值；
DN low.res 低分辨率图像的像元灰度值；
DNnew:
融合后图像的像元灰度值。
(3)Brovey 变换
DNB1 / (DNB1 +
DNB2 + DNB3) * DN high.res.img=DNB1_new
DNB2 / (DNB1 +
DNB2 + DNB3) * DN high.res.img=DNB2_new
DNB3 / (DNB1 +
DNB2 + DNB3) * DN high.res.img=DNB3_new
DN:
Digital Numbe；rB:
Band
缺点：只能用3个波段
（4）HIS 变换
Welch and
Ehlers，1987。
其原理为:用另一影像替代IHS 3 个分量中的某一分量,其中强度分量被替代最为常用。在实验中先把TM 多光谱影像利用IHS 变化从RGB 系统变换至IHS 系统，得到强度I、色度H及饱和度S 的3个分量，将SPOT 全色影像与强度 I分量进行直方图匹配，并取代Ⅰ分量，与 H 和S 一起利用IHS 逆变换至RGB 系统，得到融合后的影像。缺点：只有3个波段参与运算；会产生光谱退化现象。注意：SPOT波段范围窄，而TM范围长，因此HIS 变换和主成分法不适用于TM6与SPOT全色融合。
（5）高通滤波变换法
对高空间分辨率全色影像进行高通滤波，以提取空间信息，亦即提取原影像中的线性特征和边缘特征; 对低分辨率多光谱影像进行低通滤波，以提取低频信息，即原始多光谱影像的概貌，它代表了多光谱影像的光谱信息；对高通滤波和低通滤波的结果求加权，得到锐化了的影像。
高通滤波变换用下式定义:
其中Wa 、W b为权,且Wa + WB = 1. 0，MS IiLP 为低分辨率多光谱影像i 波段的低通滤波的结果，
PANiHP 为高空间分辨率全色影像PAN 进行高通滤波的结果，HPi 为锐化了的输出影像。高通滤波消除了高分辨率影像中的低频噪声，且滤波的结果可以用于所有多光谱波段。
原始图像 PCA融合 乘法 Brovey 变换
3.遥感影像与非遥感数据融合
在仅用遥感数据难以解决问题的时候，可以加入非遥感数据进行融合。非遥感数据包括地质、气象、水文等自然专题信息，也包括行政区划、人口、经济收入等人文与经济信息，这些信息可以作为遥感数据的补充，有助于综合分析客观规律，提高判读的科学性，因此遥感数据与地理数据的融合也是遥感分析过程中不可缺少的手段。
航空与航天数据是以网格的形式记录，而地面采集的地理数据则常以多等级，多量纲的形式反映下垫面的状况，数据格式也呈多样化。因此，为了使各种地理数据与遥感数据兼容，要将获取的非遥感数据按照一定的地理网格系统重新量化和编码，以完成各种地理数据的定量和定位，产生的新的数据。它们可以作为与遥感数据类似的若干独立的波段，以便和遥感数据融合。
融合步骤如下：
(1)地理数据的网格化
为了使非遥感的地理数据与遥感数据融合，前提条件是必须使地理数据可作为遥感数据的一个“波段”，这就是说通过一系列预处理，使地理数据①成为网格化的数据；②空间分辨率与遥感数据一致；③对应地面位置与遥感数据配准。
(2).最优遥感数据的选取
融合时的遥感数据常常只需一个或二个波段的数据，例如：为使分辨率优化而选，取SPOT数据的全色波段，当用TM数据时，则可选用K－L变换后的前二个波段，达到减少数据量保持信息量的目的。
(3)非遥感数据与遥感数据的融合
在完成分辨率与位置配准处理后多采用两种方法：①非遥感数据与遥感数据共组成三个波段（不同数据源波的数目比例为1：2或2：1）实行假彩色合成。②两种数据直接叠加（参考遥感数据融合），例如：波段之间作加法或其它数学运算，也可以波段之间做适当的“与”“或”等布尔运算。