원격 탐사 이미지 융합은 데이터 융합의 중요한 분야로서 물체 연구에 중요한 의미를 가지며, 적절한 융합 방법을 효과적으로 선택하는 것은 이미지 정확도를 향상시키는 데 특히 중요합니다. 원격탐사 기술의 발전으로 전통적인 이미지 융합 방법은 이미지 정확도의 요구를 충족시킬 수 없게 되었으며, 지속적으로 새로운 융합 방법이 제안되고 있습니다. 원격탐사 이미지 처리 분야에서, 생성적 적대 신경망(GAN)은 강력한 생성 능력과 복잡한 분포 모델링 능력을 통해 이미지 융합 품질을 향상시키기 위한 중요한 기술로 급속히 부각하고 있습니다. 본 논문은 전통적인 원격 탐사 이미지 융합 방법 및 그 한계를 살펴보고, 특히 이 분야에서의 심층학습, 특히 GAN을 분석하고, 다양한 GAN 아키텍처 및 손실 함수를 상세히 설명하며 융합이미지의 공간 및 스펙트럼 해상도를 향상시키기 위한 그들의 엄청난 잠재력을 드러냅니다. 또한 최근 GAN 기반의 다양한 원격 탐사 이미지 융합 방법들을 숙고하고, 그들의 다양한 적용을 논의하였으며, GAN 기반의 원격탐사 이미지 개선 및 고광택 이미지 개선 작업에 대한 응용을 논의합니다. 본 논문은 GAN 기반의 원격 탐사 이미지 융합 방법의 발전과 현재 기술의 문제 및 3가지 다른 측면에서의 미래 발전 방향을 분석합니다.

원격 탐사 이미지; 다중 데이터 융합; 딥러닝; 생성적 적대 신경망; 풀컬러 섀도우; 다중 스펙트럼 이미지; 고 스펙트럼 이미지