Las imágenes hiperespectrales de alta resolución espacial proporcionan información espacial y espectral rica al mismo tiempo, lo que es crucial para aplicaciones prácticas como la agricultura de precisión, la monitorización del medio ambiente y la identificación de objetivos. Debido a la contradicción inherente entre la resolución espectral y la resolución espacial, los sistemas de imágenes ópticas existentes no pueden satisfacer simultáneamente las necesidades prácticas de imágenes de alta resolución espacial y alta resolución espectral. La imagen computarizada, como uno de los importantes medios tecnológicos para reconstruir imágenes hiperespectrales de alta resolución y alta resolución espectral, puede fusionar la información espectral previa, basándose en el modelo de imagen, con la información espacial de las imágenes hiperespectrales de alta resolución en la misma región; también puede utilizar una base de datos de imágenes o espectros como información previa para algún tipo de aprendizaje, logrando la reconstrucción de superresolución espectral de imágenes hiperespectrales de alta resolución mediante mapeo espectral. Por lo tanto, este artículo considera diferentes métodos de imágenes computarizadas para imágenes hiperespectrales de alta resolución y alta resolución espectral, y construye un modelo unificado de imágenes computarizadas basado en información previa; y según las diferentes fuentes de información previa, resume el desarrollo desde la fusión de imágenes hiperespectrales de baja resolución y alta resolución espectral hasta la superresolución espectral de imágenes hiperespectrales basada en el aprendizaje de la base de datos de imágenes, e incluso la superresolución espectral de imágenes hiperespectrales basada en el aprendizaje de la base de datos espectral. Se analizan y resumen sistemáticamente los principios, ventajas y limitaciones de varios algoritmos existentes; finalmente, se analizan y resumen los desafíos que enfrentan las imágenes computarizadas de imágenes hiperespectrales de alta resolución y alta resolución espectral y las posibles direcciones futuras de desarrollo. Los resultados muestran que la imagen computarizada de imágenes hiperespectrales de alta resolución y alta resolución espectral es uno de los medios efectivos para superar las limitaciones físicas de los sistemas de imágenes ópticas, y la integración de la fusión y la superresolución espectral en un marco unificado es propicia para clarificar las diferentes fuentes de información previa y formar una reconstrucción de superresolución más precisa y estable. Esta investigación proporciona un marco unificado y un enfoque tecnológico para la imagen computarizada de alta calidad de imágenes hiperespectrales de alta resolución y alta resolución espectral, y clarifica la dirección futura del desarrollo de la fusión de imágenes ópticas y la tecnología de superresolución espectral, con la esperanza de mejorar aún más la capacidad de detección de estructuras finas y el reconocimiento preciso de espectros para tareas de aplicaciones posteriores como la detección de objetivos de alta precisión y alta confiabilidad y la clasificación de objetos terrestres.

Teledetección;Imágenes hiperespectrales de alta resolución;Modelo unificado de imágenes computarizadas;Imágenes hiperespectrales de alta resolución múltiple;Base de datos de imágenes;Base de datos espectral