Hochauflösende hyperspektrale Fernerkundungsbilder können gleichzeitig reiche räumliche und spektrale Informationen liefern, was für praktische Anwendungen wie Präzisionslandwirtschaft, Umweltüberwachung, Zielidentifizierung usw. sehr wichtig ist. Aufgrund des inhärenten Widerspruchs zwischen spektraler und räumlicher Auflösung können aktuelle optische Fernerkundungsbildsysteme nicht gleichzeitig die tatsächlichen Anforderungen an hochauflösende räumliche und spektrale Bildgebung erfüllen. Die Bildberechnung, als eines der wichtigen technischen Mittel zur Rekonstruktion von hochauflösenden hyperspektralen Bildern, kann die spektrale Information des gleichen Bereichs von niedrigauflösenden und hochauflösenden hyperspektralen Bildern als spektrales Vorwissen fusionieren, entsprechend dem Bildmodell zusammen mit der räumlichen Information von hochauflösenden multispektralen Bildern; oder kann eine Bildbibliothek oder spektrale Bibliothek als Vorwissen nutzen, um eine bestimmte Art von Lernen durchzuführen, und durch spektrale Zuordnung die spektrale Superauflösung von hochauflösenden hyperspektralen Bildern zu erreichen. Daher konzentriert sich dieser Artikel zunächst auf verschiedene Ansätze zur Bildberechnung von hochauflösenden hyperspektralen Bildern und hochauflösender spektraler Bildgebung und entwickelt ein einheitliches Modell auf der Grundlage von Vorwissen für die Bildberechnung von hochauflösenden hyperspektralen Bildern. und basierend auf unterschiedlichen Quellen des Vorwissens wurden die Entwicklung von Fusion von niederauflösenden und hochauflösenden hyperspektralen Bildern, das Lernen basierend auf Bildbibliothek und die Lernmethoden basierend auf spektraler Bibliothek von hochauflösenden hyperspektralen Bildern systematisch analysiert die Prinzipien, Vorteile und Einschränkungen verschiedener vorhandener Algorithmen; Schließlich wurden die Herausforderungen und möglichen Entwicklungsrichtungen der Bildberechnung von hochauflösenden hyperspektralen Bildern und hochauflösender spektraler Bildgebung analysiert und zusammengefasst. Die Ergebnisse zeigen, dass die Bildberechnung von hochauflösenden hyperspektralen Bildern und hochauflösender spektraler Bildgebung ein wirksamer Weg ist, um die physikalischen Beschränkungen optischer Fernerkundungsbildsysteme zu überwinden, und die Integration von Fusion und spektraler Superauflösung in ein einheitliches Rahmenwerk ermöglicht es, verschiedene Quellen des Vorwissens zu verfeinern und eine präzisere und stabilere Superauflösung zu erreichen. Diese Forschung bietet ein einheitliches Rahmenwerk und technologische Ansätze für die hochwertige Bildberechnung von hochauflösenden hyperspektralen Bildern, klärt die zukünftige Entwicklung der Fusion von Fernerkundungsbildern und der spektralen Superauflösungstechnologie auf und hat die Hoffnung, die Fähigkeit zur Erkennung feiner Strukturen und zur präzisen Spektrumerkennung für nachfolgende Anwendungsaufgaben zur Erkennung von spektralen Zielen hoher Präzision und Zuverlässigkeit, zur Klassifizierung von Geländeelementen usw. weiter zu verbessern.

Fernerkundung;Hochauflösendes hyperspektrales Bild;Einheitliches Bildberechnungsmodell;Hochauflösendes multispektrales Bild;Bildbibliothek;Spektralbibliothek