王　雪，隋立春，2，杨振胤，康军梅

WANG Xue1,SUI Lichun1,2,YANG Zhenyin3,KANG Junmei1

1.长安大学 地质工程与测绘学院，西安 710054

2.地理国情监测国家测绘地理信息局 工程技术研究中心，西安 710054

3.中国电建集团 西北勘测设计研究院有限公司，西安 710065

1.College of Geology Engineering and Geomatics,Chang’an University,Xi’an 710054,China

2.Engineering Research Center,Geographical Conditions Monitoring National Administration of Surveying,Mapping and Geoinformation,Xi’an 710054,China

3.Northwest Engineering Corporation Limited,POWERCHINA,Xi’an 710065,China

1　引言

近些年来，随着计算机技术、空间技术和信息技术的进步，遥感传感器获取技术呈现出多平台、多传感器、多角度的发展趋势，高空间分辨率、高光谱分辨率和高时相分辨率的遥感影像日趋丰富[1]。遥感影像的空间分辨率越高，其识别地物的能力越强，因此可广泛应用于城市信息提取、精准农业以及军事测绘等方面。然而，在传感器获取影像的过程中，不可避免地受到光学成像系统、随机噪声和大气扰动等影响。相比于改良硬件设施提高影像空间分辨率的方法，超分辨率重建技术成本较低，且耗费周期短，提升空间大，因此，该技术已成为提高空间分辨率的一种切实有效的方法。超分辨率重建技术（Super-Resolution Reconstruction，SRR）是通过处理一幅或多幅具有互补信息的低分辨率（Low Resolution，LR）观测图像来重构一幅高分辨率（High Resolution，HR）图像，或者从多幅低分辨率观测图像获得高分辨率图像序列的一种技术[2-3]。目前，根据超分辨率重建方法的不同，主要分为：基于插值的方法、基于重建的方法和基于学习的方法。其中，基于重建的方法通过建立影像的几何形变、模糊和下采样模型，将多幅LR影像融合，生成HR影像。文献[4]等针对超分辨率重建模型中图像的保真项与正则化约束项，提出了一种使用分段函数自适应地求解最优范数解，在去噪和SRR中均取得较好的结果；……