为了拓展“嫦娥一号”拍摄影像数据的后续应用，包括由干涉成像仪获得的高光谱IIM图像（空间分辨率较低，200m）与CCD光学图像（空间分辨率较高，120m），本文针对嫦娥一号高光谱数据的分辨率增强技术进行了系统的研究，致力于在尽可能多地保留原始光谱内容的前提下进行空间分辨率的提高，使数据在后续月球探测的工作中尽可能地少受低空间分辨率的限制。本文重点研究了基于数据融合的分辨率增强技术与不依赖辅助图像的IIM高光谱自身超分辨方法两个大类。在基于数据融合的分辨率增强技术范畴中，本文提出了ARSIS/PCNN算法与NLPCA/INDUSION算法：其中前者重点研究高光谱影像的高频和高分辨率影像的高频两者之间的建模关系，使得所融合的结果影像保持原始图像的高光谱分辨率，并且获得与辅助图像一致的高空间分辨率；而后者着眼于数据压缩/还原与细节信息的添加，使得结果图像具有更平滑的细节信息与空间分辨率。在不依赖辅助图像的IIM高光谱自身超分辨方法范畴中，本文提出了空谱结合的IIM超分辨与稀疏表示的IIM超分辨两种算法：其中前者更为注重边缘像素的提取与解混制图的进行，具有非常明显的耗时短、光谱保真度高的特点；而后者着眼于冗余字典的建立与高低分辨率特征块之间映射关系的探究，算法对字典训练图像的不敏感性大大扩展其应用范围。进而，经过与部分经典空间分辨率增强算法的对比与定性定量实验结果的评估，可以相信本文提出算法的有效性与精确性。本文研究方法在拓展CE-1数据应用方面具有实际的意义与价值。