为了获得较高的光谱分辨率,高光谱成像系统在设计时,必须保证感光元件具有较大的视场角,这样才能保证成像瞬间能有充足的进光量和积分时间,但是这就势必导致图像的空间分辨率下降。针对高光谱遥感数据这种“与生俱来”的技术问题,相关人员广泛的采用遥感图像融合的方式来增强高光谱遥感图像的空间分辨率,其中PCA融合因其基于统计学原理的性质非常符合高光谱数据维数高的特点,而被公认为是比较适合于高光谱影像的融合方法。但目前PCA融合方法应用于高光谱遥感影像时存在两个问题:首先是PCA图像融合技术需要同一场景下的高空间分辨率影像,而在多数情况下,因为成像系统硬件装置的工艺和经济成本的限制,无法获得同一场景的高分辨率高清晰度的图像;其次,由于融合过程中包含高光谱图像主要空间结构信息和光谱信息第一主成分分量被不包含光谱信息的单波段高空间分辨率图像替换,导致融合之后的图像会出现光谱畸变。针对这两个问题,本文对PCA图像融合技术、超分辨率图像重建技术进行了相关研究,并提出了一种级联式高光谱遥感图像空间分辨率增强方法。本文的主要内容有:(一)对PCA融合技术的算法和原理进行了详细的推导和阐述,利用Rapid Eye高分影像和Hyperion高光谱数据对PCA融合算法进行了实验,并对该算法目前存在的问题进行了分析;(二)研究了压缩感知框架下的图像超分辨率重建技术,通过Matlab编程实现了基于离散余弦变换矩阵和压缩感知的单幅图像超分辨率重建算法,进行了模拟实验,并对实验结果进行了评价;(三)提出了级联式高光谱遥感影像融合方法,利用PCA融合算法和压缩感知框架下的图像超分辨率重建算法在技术上的互补性,充分发挥彼此的优势,将二者进行结合,完成了只基于单幅低分辨率高光谱遥感图像的超分辨率重建。通过进行实验和评价,验证了本文方法在综合考虑空间分辨率、光谱保真度和算法应用性和普适性的前提下,优于传统PCA融合方法,是一种具有高度光谱保真性质和较好的空间超分辨率能力,并能够在只基于单幅高光谱遥感影像基础上进行的优秀的图像融合算法。