高光谱遥感图像不仅包含了二维空间信息,还包含着大量丰富的光谱信息,在军事和民用等领域都有着非常广阔的应用前景。在高光谱遥感图像的成像过程中,大气因素的干扰、图像传感器本身的轻微晃动等都会导致图像成像质量的下降,这会严重影响高光谱遥感图像在目标探测、地物识别等领域的实际应用。因此,学者们一直探索获得高质量、高分辨率图像的方法,而图像的超分辨率重建技术一直是研究的热点。从硬件角度提高高光谱遥感图像的空间分辨率往往需要大量成本,于是本篇论文着重研究了在软件方面通过超分辨率重建算法提升高光谱遥感图像的空间分辨率。主要工作包括以下部分:(1)针对传统凸集投影(projection onto convex sets,POCS)算法对图像边缘保持不良的缺点,提出一种基于改进点扩散函数(point spread function,PSF)的超分辨率重建算法。介绍了超分辨率重建算法的基础数学原理,综述了常用超分辨率重建算法的基本原理。在进行传统POCS算法超分辨率重建之前,首先对图像边缘进行边缘检测,对检测到的边缘像素点应用改进了的PSF。改进的PSF模板其水平方向与垂直方向权重系数可随着检测到的边缘斜率变化而自适应调整。通过四组不同的实验数据,应用该改进的POCS算法进行超分辨率重建,验证了该算法的有效性。(2)针对传统POCS算法只能应用于二维序列图像的不足,结合三维高光谱遥感图像的成像特点,提出一种基于POCS的三维高光谱遥感图像超分辨率重建算法。深入研究了高光谱遥感图像的成像模型特点,利用高光谱遥感图像的光谱连续性定义一个POCS约束集合,使其加入到POCS算法的迭代优化中。充分利用了高光谱遥感图像所特有的光谱维信息,取得了比二维序列图像更好的重建结果。通过四组不同的实验数据,应用该三维POCS重建算法对高光谱遥感图像进行超分辨率重建,验证了该算法的有效性。