تعد دمج صور الاستشعار عن بعد فرعًا هامًا من دمج البيانات وله أهمية كبيرة في دراسة الظواهر الأرضية، ويُعتبر اختيار الطريقة المناسبة للدمج أمرًا حاسمًا لتحسين دقة الصور. مع تطور تقنيات الاستشعار عن بعد، أصبحت الطرق التقليدية لدمج الصور غير قادرة على تلبية متطلبات الدقة، وتم اقتراح طرق دمج جديدة باستمرار. في مجال معالجة صور الاستشعار عن بعد، أصبحت الشبكات التوليدية الخصامية (GAN) تقنية مهمة لتحسين جودة دمج الصور بسبب قدرتها القوية على التوليد ونمذجة التوزيعات المعقدة. تستعرض هذه الورقة الطرق التقليدية لدمج صور الاستشعار عن بعد وقيودها، كما تحلل مزايا التعلم العميق وخاصة GAN في هذا المجال. من خلال تقديم تفصيلي لمجموعة متنوعة من معماريات GAN ودوال الفقدان، تبرز الورقة الإمكانيات الكبيرة لهذه التقنية في تحسين الدقة المكانية والطيفية لصور الدمج. بالإضافة إلى ذلك، توضح الورقة بالتفصيل مختلف طرق دمج صور الاستشعار عن بعد المبنية على GAN في السنوات الأخيرة، وتناقش تطبيقاتها في مهام الحدة اللونية والحدة الطيفية متعددة النطاقات. تلخص الورقة تطور طرق دمج صور الاستشعار عن بعد المبنية على GAN، وتحلل المشكلات الحالية والاتجاهات المستقبلية من ثلاث زوايا.

صور الاستشعار عن بعد; دمج بيانات متعددة المصادر; التعلم العميق; الشبكات التوليدية الخصامية; زيادة حدة الصور الملونة للاستشعار عن بعد; الصور متعددة الأطياف; الصور الطيفية العالية