La fusion d'images de télédétection est une branche importante de la fusion de données, ayant une grande importance pour l'étude des objets terrestres. Le choix efficace d'une méthode de fusion appropriée est particulièrement crucial pour améliorer la précision des images. Avec le développement de la technologie de télédétection, les méthodes traditionnelles de fusion d'images ne répondent plus aux exigences de précision, et de nouvelles méthodes de fusion sont continuellement proposées. Dans le domaine du traitement des images de télédétection, les réseaux antagonistes génératifs (GAN) sont rapidement devenus une technologie importante pour améliorer la qualité de fusion des images grâce à leur puissante capacité de génération et de modélisation de distributions complexes. Cet article passe en revue les méthodes traditionnelles de fusion d'images de télédétection et leurs limites, ainsi qu'une analyse des avantages de l'apprentissage profond, en particulier des GAN, dans ce domaine. Par une présentation détaillée de diverses architectures GAN et fonctions de perte, il révèle leur grand potentiel pour améliorer la résolution spatiale et spectrale des images fusionnées. De plus, il détaille les différentes méthodes récentes de fusion d'images de télédétection basées sur GAN et explore leurs applications dans les tâches de suréchantillonnage pancromatique et hyperspectral. Cet article résume le développement des méthodes de fusion d'images de télédétection basées sur GAN et analyse les problèmes actuels et les directions futures sous trois aspects.

image de télédétection; fusion de données multisources; apprentissage profond; réseaux antagonistes génératifs; suréchantillonnage pancromatique; image multispectrale; image hyperspectrale