简述国内外遥感影像超分辨率研究现状

遥感影像超分辨率研究一直是遥感图像处理领域的热门研究方向之一，主要目的是通过基于深度学习的方法，将低分辨率的遥感图像转换成高分辨率的图像，以提高遥感图像的空间分辨率和细节信息。以下是国内外遥感影像超分辨率研究现状：

国内研究现状：

1. 基于深度学习的遥感影像超分辨率：近年来，国内的研究者们致力于开发基于深度学习的超分辨率方法，如 SRCNN、VDSR、SRGAN 等。

2. 基于高光谱遥感影像的超分辨率：国内研究者在利用高光谱数据进行遥感影像超分辨率中取得了一定的成果，如将低分辨率的高光谱遥感影像通过基于小波变换的方法转换成高分辨率的图像。

3. 基于图像配准的遥感影像超分辨率：国内的研究者也尝试了基于图像配准的方法进行遥感影像超分辨率，如利用卫星轨道的信息，对多幅低分辨率遥感影像进行配准，然后通过插值方法进行超分辨率。

国外研究现状：

1. 基于深度学习的遥感影像超分辨率：国外的研究者更加注重基于深度学习的超分辨率方法，并且尝试了各种不同的网络结构和训练策略，如 EDSR、SRGAN、ESPCN 等。

2. 基于辅助信息的遥感影像超分辨率：国外的研究者也尝试了基于辅助信息的方法进行遥感影像超分辨率，如利用卫星轨道、地面测量数据等信息进行超分辨率。

3. 基于对抗生成网络的遥感影像超分辨率：近年来，国外的研究者开始尝试使用对抗生成网络进行遥感影像超分辨率，如 SRGAN、ESRGAN 等。这些方法在提高超分辨率效果的同时，也能够保留图像的细节特征。