リモートセンシング画像の融合は、データ融合の重要な分野として、地物研究に重要であり、適切な融合方法を効果的に選択することは画像の精度向上にとって特に重要です。リモートセンシング技術の進歩に伴い、従来の画像融合方法は画像精度の要件を満たすのが難しくなり、新しい融合方法が続々と提案されています。リモートセンシング画像処理の分野では、生成対抗ネットワーク（GAN）がその強力な生成能力と複雑な分布のモデリング能力により、画像融合の品質向上において重要な技術となっています。本稿では、従来のリモートセンシング画像融合方法とその限界を検討し、特にGANの優位性を分析しています。さらに、様々なGANアーキテクチャと損失関数について詳細に説明し、融合画像の空間および分光分解能の向上における巨大なポテンシャルを明らかにしています。さらに、近年の様々なGANに基づくリモートセンシング画像融合方法を詳しく説明し、全色シャーピングと高光谱全色シャーピングタスクへの応用について議論しています。本稿では、GANに基づくリモートセンシング画像融合方法の発展過程をまとめ、現在の技術の問題と将来の展望について3つの観点から分析しています。

リモートセンシング画像;複数のデータの融合;ディープラーニング;生成対抗ネットワーク;全色リモートセンシング画像のシャーピング;多色画像;高光谱画像