Las imágenes de teledetección hiperespectrales de alta resolución espacial pueden proporcionar información espacial y espectral rica al mismo tiempo, lo que es crucial para aplicaciones prácticas como la agricultura de precisión, la monitorización ambiental, la identificación de objetivos, etc. Debido a la contradicción inherente entre la resolución espectral y la resolución espacial, los sistemas de imagen óptica de teledetección actuales no pueden satisfacer las demandas prácticas de imágenes de alta resolución espacial y alta resolución espectral al mismo tiempo. La imagen computacional, como uno de los medios importantes para reconstruir imágenes hiperespectrales de alta resolución y alta resolución espectral, puede fusionar la información espectral de imágenes de baja resolución espacial y alta resolución espectral del mismo área sobre la base del modelo de imagen, y también puede utilizar una librería de imágenes o de espectros como información previa para algún tipo de aprendizaje, para realizar una reconstrucción de alta resolución espectral de imágenes hiperespectrales de alta resolución según el mapeo espectral. Por lo tanto, en este artículo, primero se ha construido un modelo unificado de imagen computacional para imágenes hiperespectrales de alta resolución y alta resolución espectral basado en información previa diferente; y en función de diferentes fuentes de información previa, se ha resumido el proceso de desarrollo y sus métodos representativos, desde la fusión de imágenes hiperespectrales de baja resolución espacial y alta resolución espectral hasta la superresolución espectral de imágenes hiperespectrales de alta resolución basada en el aprendizaje de librerías de imágenes, y luego la superresolución espectral de imágenes hiperespectrales de alta resolución basada en el aprendizaje de librerías de espectros, y se ha analizado sistemáticamente los principios, ventajas y limitaciones de diversos algoritmos existentes; finalmente, se ha analizado y resumido los desafíos y posibles direcciones futuras del proceso de imagen computacional de imágenes hiperespectrales de alta resolución y alta resolución espectral. Los resultados muestran que la imagen computacional 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 imagen óptica de teledetección, y la incorporación de la fusión y la superresolución espectral en un solo marco es propicia para la sistematización de diferentes fuentes de información previa, y para la formación de una reconstrucción de superresolución más precisa y estable. La presente investigación proporciona un marco y un enfoque tecnológico para la imagen computacional de imágenes hiperespectrales de alta calidad, y aclara las futuras direcciones del desarrollo de la fusión de imágenes de teledetección óptica y la tecnología de superresolución espectral, con miras a mejorar aún más la capacidad de detección de estructuras finas y el reconocimiento de espectros finos, y por consiguiente, proporcionar soporte tecnológico para tareas aplicadas como la detección de objetivos de alta precisión y alta confiabilidad, la clasificación de objetos, etc.

Imágenes hiperespectrales de alta resolución; modelo unificado de imagen computacional; imágenes hiperespectrales de alta resolución y alta resolución espectral; librería de imágenes; librería de espectros