원격 탐사 영상 융합은 데이터 융합의 중요한 분야 중 하나로 지형 연구에 중요한 의미가 있으며, 적합한 융합 방법의 효과적인 선택이 영상 정확도 향상에 특히 중요하다. 원격 탐사 기술의 발전에 따라 기존의 영상 융합 방법은 영상 정확도 요구를 충족하기 어려워 새로운 융합 방법이 지속적으로 제안되고 있다. 원격 탐사 영상 처리 분야에서 생성적 적대 신경망(GAN)은 강력한 생성 능력과 복잡한 분포 모델링 능력을 바탕으로 영상 융합 품질 향상을 위한 중요한 기술로 빠르게 자리잡았다. 본 논문은 기존 원격 탐사 영상 융합 방법 및 한계를 검토하고 딥러닝, 특히 GAN의 본 분야에서의 장점을 분석하였다. 다양한 GAN 구조와 손실 함수를 상세히 소개하며 융합 영상의 공간적 및 분광적 해상도 개선에 큰 잠재력을 드러냈다. 또한, 최근 수년간 다양한 GAN 기반 원격 탐사 영상 융합 방법을 상세히 설명하고, 전색 날카로움 보정 및 고분광 전색 날카로움 작업에서의 적용을 논의하였다. 본 논문은 GAN 기반 원격 탐사 영상 융합 방법의 발전 과정을 요약하고 현재 기술의 문제점과 향후 발전 방향을 세 가지 측면에서 분석하였다.

원격 탐사 영상; 다중 소스 데이터 융합; 딥러닝; 생성적 적대 신경망; 전색 원격 탐사 영상 날카로움 보정; 다중 분광 영상; 고분광 영상