高/多光谱遥感图像超分辨率融合研究进展与展望 |
| |
引用本文: | 张兵,高连如,李嘉鑫,洪丹枫,郑珂.高/多光谱遥感图像超分辨率融合研究进展与展望[J].测绘学报,2023(7):1074-1089. |
| |
作者姓名: | 张兵 高连如 李嘉鑫 洪丹枫 郑珂 |
| |
作者单位: | 1.中国科学院空天信息创新研究院100094;2.中国科学院大学资源与环境学院100049;3.中国科学院计算光学成像技术重点实验室100094; |
| |
基金项目: | 国家重点研发计划(2021YFB3900502)。 |
| |
摘 要: | 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。
|
关 键 词: | 多模态 高光谱 多光谱 数据融合 |
本文献已被 维普 等数据库收录! |
|