リモートセンシング画像融合はデータ融合の重要な分野であり、地物研究において重要な意義を持つ。適切な融合方法の効果的な選択は画像の精度向上において特に重要である。リモートセンシング技術の発展に伴い、従来の画像融合方法では画像の精度要求を満たすことが難しくなり、新たな融合方法が次々に提案されている。リモートセンシング画像処理分野において、生成対向ネットワーク（GAN）は強力な生成能力と複雑な分布のモデリング能力により、画像融合品質向上の重要な技術として急速に注目を集めている。本稿では、従来のリモートセンシング画像融合方法およびその限界を概説し、本分野における深層学習、特にGANの優位性を分析した。多様なGANアーキテクチャと損失関数の詳細な紹介を通じて、融合画像の空間的およびスペクトル分解能向上における大きな可能性を明らかにする。さらに、近年の様々なGANベースのリモートセンシング画像融合手法を詳細に述べ、パンシャープニングおよび高スペクトルパンシャープニング課題への応用を検討した。本稿は、GANベースのリモートセンシング画像融合手法の発展過程を総括し、現在の技術的課題および将来の発展方向を三つの観点から分析した。

リモートセンシング画像;マルチソースデータ融合;深層学習;生成対向ネットワーク;パンシャープニング;マルチスペクトル画像;ハイパースペクトル画像