Hochauflösende hyperspektrale Fernerkundungsbilder bieten gleichzeitig reiche räumliche und spektrale Informationen, die für praktische Anwendungen wie die präzise Landwirtschaft, die Umweltüberwachung und die Zielerkennung äußerst wichtig sind. Aufgrund des inhärenten Widerspruchs zwischen spektraler und räumlicher Auflösung können bestehende optische Fernerkundungsbildsysteme den praktischen Anforderungen an die Bildgebung mit hoher räumlicher Auflösung und hoher spektraler Auflösung gleichzeitig nicht gerecht werden. Die bildgebende Berechnung als eines der wichtigen technologischen Mittel zur Rekonstruktion von hochauflösenden hyperspektralen Bildern kann dasselbe Gebiet niedriger Auflösung und hochspektraler Bilder als spektrale A-priori nutzen, es mit dem Rauminformationen von hochauflösenden multispektralen Bildern verschmelzen, auf Basis des Bildgebungmodells. Es kann auch Bilddatenbanken oder Spektraldatenbanken als A-priori-Informationen für eine Form des Lernens verwenden, um durch spektrale Zuordnung die spektrale Superauflösungsrekonstruktion von hochauflösenden hyperspektralen Bildern durchzuführen. Daher konstruieren diese Forschungen zunächst verschiedene Wege zur bildgebenden Berechnung von hochauflösenden hyperspektralen Bildern basierend auf A-priori-Informationen und entwickeln ein einheitliches Modell für die bildgebende Berechnung von hochauflösenden hyperspektralen Bildern. Je nach unterschiedlichen Quellen der A-priori-Informationen wird die Entwicklung von der Fusion von Bildern mit niedriger spektraler Auflösung und hoher räumlicher Auflösung bis hin zur spektralen Superresolution von hyperspektralen Bildern auf der Grundlage des Bildungspaares und schließlich auf der Grundlage des spektralen Lernens systematisch analysiert und zusammengefasst. Prinzipien, Vor- und Nachteile aller Arten von Algorithmen werden ausführlich untersucht und analysiert. Schließlich werden die Herausforderungen und möglichen Entwicklungsrichtungen der bildgebenden Berechnung von hochauflösenden hyperspektralen Fernerkundungsbildern analysiert und zusammengefasst. Die Ergebnisse zeigen, dass die bildgebende Berechnung von hochauflösenden hyperspektralen Bildern einer der wirksamen Wege ist, die physikalischen Grenzen optischer Fernerkundungsbildsysteme zu überwinden, und die Integration von Fusion und spektraler Superresolution in einen einheitlichen Rahmen fördert die systematische Auflösung unterschiedlicher Quellen von A-priori-Informationen und die Bildung einer präziseren und stabileren Superresolution. Diese Forschung bietet einen einheitlichen Rahmen und einen technologischen Ansatz für die hochwertige bildgebende Berechnung von hochauflösenden hyperspektralen Bildern und klärt die zukünftige Entwicklung der Fusion von optischen Bildern und spektraler Superresolutionstechnologie. Es wird gehofft, dass die Fähigkeit zur Erkennung feiner Strukturen und zur genauen spektralen Klassifizierung für zukünftige Aufgaben wie die präzise und zuverlässige Erkennung von Zielen und die Klassifizierung von Landobjekten weiter verbessert werden kann.

Fernerkundung;Hochauflösende hyperspektrale Bilder; Einheitliches Modell der bildgebenden Berechnung; Hochauflösende multispektrale Bilder; Bilddatenbank; Spektraldatenbank