研究室以提升遥感数据质量与应用能力为主线目标，围绕遥感信息增强、多源信息融合、遥感地学应用三个方面，开展了逐步深入的研究工作。通过遥感信息增强技术，消除依附于遥感影像中的各种辐射降质，提升数据质量；通过多源信息融合，缓解空间观测数据时、空、谱分辨率之间的矛盾；在此基础上，深入挖掘遥感信息增强与融合技术的地学应用潜力，加深对典型地学现象的理解与认识。总体研究思路如图1所示。

1.遥感信息增强

遥感成像易受多种降质因素干扰。为了提升遥感数据（辐射）质量，根据遥感信息的降质特点及其复杂程度，将遥感降质影像信息的增强问题归结为三个层次：均质信息复原、不均匀信息校正、缺失信息重建（如图2所示），并进行了全面、系统的研究，在将变分理论引入到该领域的研究方面做出了重要贡献。近年来，本室是在国际期刊中发表该方向研究成果最多的研究室，包括在遥感信息处理顶级期刊IEEE TGRS连续发表10余篇论文，被广泛关注；另一方面，研究成果应用于国产尖兵、天宫、高分等卫星数据的处理，满足了国家重大需求。

1.1影像均质信息复原

均质信息复原是针对各种原因导致的影像噪声与模糊问题进行处理。根据不同类型遥感数据的辐射特征、光谱特征、时序特征、极化特征等，研究组分别提出了条带噪声、光谱噪声、时序噪声、极化噪声、脉冲噪声、乘性相干斑噪声的稳健处理方法；针对传感器离焦导致的影像模糊问题进行了深入研究，还提出了大气雾霾模糊的高保真复原方法。

• 条带噪声去除[1-2]

• 光谱噪声去除[3-8]

• 乘性相干斑去除[9]

• 脉冲噪声去除

<

• 时序噪声去除[12]

• 离焦模糊复原[13-14]

• 大气雾霾复原[15]

1.2影像不均信息校正

影像不均信息校正，是针对各种原因导致的影像辐射亮度空间分布不均匀问题进行处理。将降质成因归纳为传感器、大气、地形、地物、人为五大因素，分别开展了框幅面阵成像不均匀校正、线阵成像相对辐射校正、薄云校正、地形辐射校正、建筑物阴影校正、拼接缝校正等相关研究。

• 传感器校正[20-21]

• 薄云校正[22-23]

• 地形校正

• 建筑物阴影校正[24]

• 拼接缝校正

1.3影像缺失信息重建

影像缺失信息重建，主要是对传感器故障、厚云等因素导致的信息缺失问题进行恢复，同时也可用于目标移除等。本室从自身（空间）信息重建、时相互补信息重建、谱段互补信息重建、时空谱联合信息重建等多个方面进行了综合研究。

• 自身信息重建[28]

通过建立影像内部的空间关系，利用影像自身信息来填充缺失区域的信息，实现无互补信息情况下单幅影像重建，也用于信息恢复、目标移除、目标隐藏等方面。

• 时相互补信息重建[29-30]

时相互补信息重建是基于多时相的观测数据，通过对数据之间互补信息的建模与填充，实现对缺失信息的重建。下图为多时相遥感影像去云的实例。

• 谱段互补信息重建[31-33]

利用多/高光谱数据不同谱段之间的互补信息，通过建立谱段之间的关系模型实现对特定谱段的修复处理。此类方法典型应用是利用Aqua MODIS多个波段的互补信息来实现对其第6波段缺失数据的修复，本室提出方法的精度在5%以内，精度远优于NASA官网提供的插值重建结果。

• 时-空-谱联合信息重建[34-38]

充分利用数据在空间、时相、谱段域的互补信息，通过建立组合模型或一体化模型，联合对缺失信息进行修复。本室针对Landsat ETM+的数据缺失问题，提出了稳健的信息重建方法，并开发了软件工具，可在本室网站免费下载使用。

1.4工程应用

针对多个系列的国产遥感卫星，设计了先进的信息增强算法，形成了实用的软件系统，部分系统已业务化运行。针对某卫星影像生产的产品，被用户认为精度和质量明显优于加拿大知名地理信息技术公司MDA地面预处理系统的处理结果。

2.多源信息融合

遥感成像的空间分辨率、时间分辨率、光谱分辨率之间相互制约，集成多源观测的互补信息是进一步提升影像应用潜力的可靠手段。为此，本室开展了系列多源信息融合的理论与方法研究。在国际上率先(2012)提出了时-空-谱一体化遥感信息融合的概念与框架模型；在遥感与站点数据的点面融合、观测数据与模型的同化融合等方面，开展了相关研究探索。系列成果发表于IEEE TIP等国际著名期刊，被美国摄影测量与遥感协会授予ERDAS最佳遥感科学论文奖。

• 多视融合（超分辨率重建）[39-52]

研究室从精度、效率、自适应性等多个角度，发展了复杂多变场景影像超分辨率处理的理论与方法；在国际上较早开展了多时相、多角度遥感影像超分辨率处理的研究，促进了该技术在遥感领域的扩展应用。

• 空-谱融合[63-68]

• 时-空融合[69-70]

利用高空间分辨率影像和高时间分辨率影像进行融合，生成同时具有高空间分辨率和高时间分辨率的遥感影像。

• 时空谱一体化融合[71-72]

传统的各种遥感影像融合技术相对独立发展，由于缺乏严谨、统一的理论框架，只能处理单一类型的影像数据。本室率先提出了时-空-谱影像一体化融合的概念与模型，实现了对多种观测数据的共同描述与统一建模，可同时对多时相、多波段、多角度、多尺度的光学遥感影像序列进行一体化融合处理。

• 点-面融合[73]

基于点面融合的思想，结合PM2.5站点监测数据与卫星气溶胶光学厚度（AOD），构建像元尺度上的PM2.5遥感反演模型，生成空间连续的PM2.5浓度分布数据。

• 数据-模型融合（同化）[74]

为了获取连续动态及土壤深层的参量信息，开展了观测数据与过程模式的同化研究，以通用陆面过程模式CoLM、分布式水文模式SWAT为基础，在土壤湿度与温度的联合同化、集合卡尔曼平滑与变分同化算法的扩展等方面取得了重要进展。

3.地学应用
研究室在系统开展遥感信息增强、信息融合理论与方法的基础上，进一步在地形建模、温度反演与热岛监测、臭氧制图等领域进行了深度应用，通过提高数据的精度、分辨率、时空连续性等使其地学应用能力得以提升，加深了对典型地学现象的理解和认识。研究成果发表于Remote Sens. Environ.、IJGIS等国际著名期刊。

• 长时序精尺度城市热岛监测[75-76]

通过对不同传感器获得的地面温度数据进行信息重建、信息融合，生成了武汉市近26年Landsat尺度的地表温度图，进行了长时序、精尺度的热岛演变分析。充分利用数据的优势，发现了热岛强度先增加后减小的独特规律；并将城市热分布与生物物理组分的相关分析从二维扩展到三维。

• 空间连续每日全球臭氧制图

利用发展的遥感信息重建理论与方法，基于Aura卫星上OMI传感器的臭氧总量三级产品OMTO3e，通过对该产品的缺失信息进行重建与修复，生成了全球（2004-2014）最高分辨率的时空连续臭氧制图产品，并网络共享发布，可在本室网站免费下载使用。

• 地表建模与分析[77]

基于多源DEM数据，集成信息重建、超分辨率技术进行地表建模与分析的研究，消除了数据噪声、空洞等因素的影响，弥补了数据在范围和尺度上的矛盾，从而更好地服务于地形分析、水文建模等后续应用。

• 物候监测

利用多传感器时空融合方法，获得同时具有MODIS时间分辨率和Landsat空间分辨率的数据序列，从而在更精的尺度上开展了襄阳地区冬小麦作物制图、物候期提取及分析，在此基础上，发现襄阳地区冬小麦的主要物候期与年均气温之间具有很强的负相关性，可以为冬小麦的种植提供有益的参考。