Hochauflösende hyperspektrale Fernerkundungsbilder können gleichzeitig reichhaltige räumliche und spektrale Informationen für Anwendungen wie Präzisionslandwirtschaft, Umweltüberwachung, Zielerkennung usw. liefern. Aufgrund des inhärenten Widerspruchs zwischen spektraler und räumlicher Auflösung können bestehende optische Fernerkundungsbildgebungssysteme nicht den tatsächlichen Bedarf an hochauflösenden räumlichen und spektralen Bildgebungen gleichzeitig erfüllen. Die Bildberechnung, als eine wichtige technische Methode zur Rekonstruktion von Bildern mit hoher spektraler und hoher räumlicher Auflösung, kann die spektrale Prioritätsinformationen gleichzeitig herabgesetzter Bilder und nach dem Bildmodell Fusionen mit der räumlichen Information hochauflösender Multispektralbilder ermöglichen; oder sie kann Bilderdatenbanken oder spektrale Datenbanken als Priorität für eine bestimmte Form von Lernen verwenden und durch spektrale Kartierung die spektrale Superauflösung von Bildern mit hoher spektraler Auflösung erreichen. Daher wurde in diesem Artikel zunächst ein einheitliches Modell für die Bildberechnung von hochauflösenden hyperspektralen Bildern basierend auf Vorabinformationen erstellt, und je nach unterschiedlichen Quellen der Vorabinformationen wurde der Entwicklungsprozess und seine repräsentativen Methoden, von der Fusion von Bildern mit niedriger spektraler Auflösung und hoher spektraler Auflösung bis zur spektralen Superauflösung basierend auf dem Lernen einer Bildbank und dann die spektrale Superauflösung von Bildern mit hoher spektraler Auflösung basierend auf dem Lernen einer spektralen Datenbank, systematisch analysiert und die Prinzipien, Vorteile und Einschränkungen aller bestehenden Algorithmen detailliert analysiert; schließlich wurden die Herausforderungen und möglichen zukünftigen Entwicklungsrichtungen bei der Bildberechnung von hochauflösenden hyperspektralen Fernerkundungsbildern analysiert und zusammengefasst. Die Ergebnisse zeigen, dass die Bildberechnung von hochauflösenden hyperspektralen Bildern eine effektive Möglichkeit ist, die physikalischen Einschränkungen von optischen Fernerkundungsbildgebungssystemen zu überwinden, und die Fusion und spektrale Superauflösung in einem einheitlichen Rahmen ist vorteilhaft, um die verschiedenen Quellen von Vorabinformationen zu systematisieren, um eine präzisere und stabilere Superauflösungsrekonstruktion zu erreichen. Diese Forschung bietet einen einheitlichen Rahmen und einen technischen Ansatz für die Bildberechnung hochwertiger hochauflösender hyperspektraler Bilder und klärt die zukünftige Entwicklungsrichtung der Fusion von optischen Fernerkundungsbildern und der spektralen Superauflösungstechnologie und hat das Potenzial, die Fähigkeit zur Erkennung feiner Strukturen und feiner spektraler Erkennung weiter zu verbessern, um zukünftigen Aufgaben der hochpräzisen und zuverlässigen Zielerkennung, Objektklassifizierung und mehr technische Unterstützung zu bieten.

Hochauflösende hyperspektrale Bilder; Einheitliches Modell der Bildberechnung; Hochauflösende multispektrale Bilder; Bildbank; Spektrale Datenbank