高/多光谱遥感图像超分辨率融合研究进展与展望

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。