Слияние изображений дистанционного зондирования, как важное направление объединения данных, имеет важное значение для исследования объектов, эффективный выбор метода слияния имеет особое значение для повышения точности изображений. С развитием технологий дистанционного зондирования, традиционные методы слияния изображений уже не могут удовлетворить требования к точности изображений, постоянно предлагаются новые методы слияния. В области обработки изображений дистанционного зондирования, генеративно-состязательные сети (GAN) с их мощным генеративным способностями и способностью моделирования сложных распределений быстро становятся важной технологией для повышения качества слияния изображений. В данной статье рассмотрены традиционные методы слияния изображений дистанционного зондирования и их ограничения, анализируется глубокое обучение, особенно GAN в этой области, подробно описываются различные архитектуры GAN и функции потерь, раскрывается их огромный потенциал для улучшения пространственного и спектрального разрешения объединенных изображений. Кроме того, подробно изучены различные методы слияния изображений дистанционного зондирования на основе GAN в последние годы, обсуждается их применение в задачах улучшения полноцветных и гиперспектральных изображений. В статье суммируется развитие методов слияния изображений дистанционного зондирования на основе GAN, а также проанализированы проблемы и направления развития текущей технологии с 3 различных аспектов.

изображения дистанционного зондирования; слияние многоканальных данных; глубокое обучение; генеративно-состязательные сети; улучшение цветопередачи удали, гиперспектральные изображения