高/多光谱遥感图像超分辨率融合研究进展与展望

• Published in: 测绘学报 Vol. 52; no. 7; pp. 1074 - 1089
• Main Authors: 张兵, 高连如, 李嘉鑫, 洪丹枫, 郑珂
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院大学资源与环境学院,北京100049%中国科学院空天信息创新研究院,北京100094 20.07.2023; 中国科学院计算光学成像技术重点实验室,北京100094; 中国科学院计算光学成像技术重点实验室,北京100094%中国科学院空天信息创新研究院,北京100094; 中国科学院大学资源与环境学院,北京100049; 中国科学院空天信息创新研究院,北京100094
• Subjects: data fusion; 多模态; hyperspectral; 多光谱; multimodal; 数据融合; 高光谱; multispectral
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2023.20220499

P237; 高光谱图像作为多模态遥感数据的重要组成部分,能够捕捉地物精细的光谱特征.由于成像机理的限制,空间细节的损失导致高光谱图像的空间表征能力有所退化,一定程度上限制了数据进一步应用的潜力.数据融合是解决空间/光谱分辨率矛盾的有效手段,近年来相关理论得到了深入发展.本文全面综述了高/多光谱遥感图像超分辨率融合领域的研究进展与展望.首先,将当前方法系统性地分为细节注入、模型优化及深度学习3大类方法,并对不同方法的原理、模型、代表性算法进行了回顾,重点介绍了模型优化中的矩阵分解、张量表示及深度学习中的监督与非监督方法.在此基础上,梳理了该领域技术在像素级分类、目标提取、在轨融合领域的成功应用案例,指出融合产品的潜能在后续遥感应用未被充分挖掘的现状;然后,从退化模型、数据-模型驱动、多任务一体化及应用耦合4个角度对该领域进行展望;最后,就该领域的研究现状与发展趋势进行总结,归纳各类方法优劣势的同时,点明了多类方法协同、外部数据辅助及实际应用驱动等方面的重要性.