多光谱高分辨率遥感影像融合算法设计文献综述

多光谱遥感影像具有丰富的光谱信息，能够有效区分地物类型，但其空间分辨率较低，限制了其在目标识别、地物分类等方面的应用。

高分辨率遥感影像则拥有精细的空间细节，可以弥补多光谱影像在空间分辨率上的不足。

将二者融合，生成兼具高空间分辨率和丰富光谱信息的影像，对于提升遥感影像应用水平具有重要意义。

本文首先介绍了多光谱影像与高分辨率影像的特点以及影像融合的基本概念，并对现有的多光谱高分辨率遥感影像融合算法进行了分类和概述，重点分析了变换域融合方法和深度学习融合方法的优缺点。

最后，对多光谱高分辨率遥感影像融合算法未来的发展趋势进行了展望。

关键词：多光谱影像；高分辨率影像；影像融合；变换域；深度学习

随着遥感技术的快速发展，各种类型的遥感卫星和传感器不断涌现，获取的遥感影像数据在空间分辨率、光谱分辨率和时间分辨率等方面都有了显著提升。

其中，多光谱遥感影像利用多个波段的光谱信息，能够有效区分地物类型，在地物分类、资源调查、环境监测等领域得到广泛应用[1]。

然而，多光谱影像受传感器自身限制，通常空间分辨率较低，难以满足精细化应用需求。

高分辨率遥感影像，尤其是以高分一号、WorldView系列为代表的亚米级甚至厘米级卫星影像，则拥有丰富的地物纹理信息，能够清晰地识别地物形状和结构特征[2]。