李 丽，隋立春，2，康军梅，王 雪

(1. 长安大学地质工程与测绘学院，陕西 西安 710054； 2. 地理国情监测国家测绘地理信息局工程中心，陕西 西安 710054)

高分辨率遥感影像在国民经济建设、城市信息提取、精准农业，以及军事测绘等方面都有着广泛的应用前景[1]。作为衡量卫星遥感性能的关键性指标，遥感影像空间分辨率在影像的获取和应用中至关重要[2]。提高遥感影像空间分辨率最直接的方法就是通过硬件改良来提高，但因难度大、成本高且在短时间内较难完成而受到限制。因此，利用超分辨率重建技术来提高遥感影像空间分辨率具有重要的现实意义[1]。超分辨率重建的概念最早由Harris和Goodman分别于1964年和1968年提出[3]，是通过对一幅或多幅低分辨率观测图像的处理来重构高分辨率图像的一种技术[4-5]。因具有切实有效、成本低廉的优点，已被广泛应用于视频监控、医疗成像及卫星成像等领域[6]。

就目前的研究成果和应用而言，超分辨率重建方法主要分为基于插值、基于重建及基于学习的方法。其中，基于学习的方法因加入更多先验信息而具有良好的重构结果，已成为目前研究的热点，主要包括基于样本的方法[7]、领域嵌入的方法[8]和稀疏表示的方法[9]。基于稀疏表示的超分辨率重建方法(ScSR)最早由Yang等在2010年提出[10]，该方法利用L1正则优化进行稀疏编码，使用不同像素位置加权的字典元素集来表示图像数据，具有较好的重建结果。但这一模型需提前指定字典大小及噪声精度，而在实际应用中，该类参数很难精确估计。……