با توجه به افزایش روزافزون جمعیت جهان و به تبع آن گسترش دامنه تاثیر مناطق شهری، کنترل، مدیریت و برنامه ریزی در این مناطق به موضوع مهم و پیچیده ای تبدیل شده است. روش های سنتی استخراج اطلاعات از قبیل تفسیر بصری تصاویر هوایی و روش های برداشت زمینی، اغلب پرهزینه، وقت گیر و وابسته به نوع و کیفیت مهارت اپراتور هستند. با ظهور تصاویر بزرگ مقیاس ماهواره ای، از قبیل ikonos و quickbird فرصتها و امکانات فراوانی جهت بررسی و آنالیز نواحی شهری، فراهم شده است. در کشور ما ایران، به علت رشد ناهمگون نواحی شهری، استخراج این اطلاعات دارای دشواری دو چندانی است. در این پایان نامه منطقه مورد مطالعه، از یک منطقه پیچیده و متراکم از شهر شیراز انتخاب شد. هدف این انتخاب، ارائه راه حلی برای تولید اطلاعات در اینگونه مناطق است که تقریبا بخش اعظمی از ایران عزیز را شامل می شوند. گرچه مطالعات شهری برای بیشتر محققان جذاب است اما این نواحی پیچیده و چالش انگیزاند. خوشبینانه است که فرض کنیم یک سنجنده به تنهایی می تواند همه ی اطلاعات لازم جهت استخراج جز به جز المانهای شهری را فراهم کند. بیشتر تحقیقات در تلاش است تا تصاویر چندمرجعه را بر نواحی شهری ترکیب کنند. بنابراین، روش های تلفیق تصویر در سه سطح پیکسل، ویژگی و تصمیم گیری توسعه یافت. در کاربردهای مختلف و به منظور دریافت اطلاعات خاص از تصویر تلفیقی، از روشهای تلفیق در سطح ویژگی و تصمیم گیری استفاده میشود. روشهای تلفیق در سطح پیکسل، به علت گستردگی و سادگی استفاده و همچنین، با توجه به اینکه میتواند به عنوان پایه و اساس الگوریتم های تلفیق در سطح ویژگی و تصمیم گیری باشند، مورد توجه بیشتری قرار گرفته اند. روش ihs یکی از معروفترین روشهای تلفیق است که به علت کارایی و توان تفکیک مکانی بالای خروجی بسیار استفاده می شود. گرچه، خروجی این روش به علت جایگزینی تصویر شدت با تصویر پانکروماتیک انحراف طیفی دارد. در این تحقیق، یک روش جدید برای بهبود کیفیت طیفی تصویر تلفیقی معرفی می شود. در روش پیشنهادی، تصویر با رزولوشن مکانی بالاتر (hr) و تصویر شدت بر اساس اطلاعات آماری شان تلفیق می شوند. سپس تصویر تلفیقی جایگزین تصویر شدت شده و تبدیل معکوس ihs اعمال می شود. روش پیشنهادی بر دو مجموعه داده الف) تصاویر چندطیفی و پانکروماتیک سنجنده آیکونوس، ب) تصویر چندطیفی سنجنده آیکونوس و تصویر hh سنجنده terrasar-x اعمال شد. جهت ارزیابی قابلیت روش پیشنهادی، روش های ihs، gungor، brovey و svr نیز پیاده سازی شد. نتایج، انحراف طیفی کمتر روش پیشنهادی نسبت به دیگر روش های پیاده سازی شده را نشان می دهد. جهت مقایسه اثر تلفیق، تصاویر تلفیقی به روش پیشنهادی با هر دو مجموعه داده الف و ب، طبقه بندی شدند. نتایج، بترتیب افزایش 6/5 و 2 درصدی دقت کلی طبقه بندی در تصویر تلفیقی با دو مجموعه داده الف و ب را نشان می دهد.