卫星遥感影像的处理与识别是图像处理和计算机视觉等计算机技术的一个重要应用领域。近年来随着航空航天技术的发展,卫星遥感技术正越来越多的应用于赤潮、绿潮等海洋灾害的监测。作为我国主要的海洋生态灾害,赤潮对海洋生态系统、水产养殖和滨海旅游影响巨大。赤潮的防治离不开精准的监测,一直以来水色卫星在赤潮监测中发挥了重要作用,但其空间分辨率低,对条带状分布的赤潮易误识别,对于频发的小规模赤潮存在监控盲区,难以实现赤潮精细化监测。因此,亟需开展基于中高空间分辨率卫星遥感的赤潮监测。高分一号（GF-1）卫星是我国高分对地观测系统中的首颗卫星,其上搭载了4台中等分辨率宽视场角的多光谱成像仪（Multispectral Wide Field of View,WFV）,具有大幅宽、高分辨率和短重访周期的优势。但GF-1 WFV只配置了蓝、绿、红和近红外四个宽光谱波段（＞50 nm）,光谱分辨率低。受赤潮分布特性影响和传感器限制,赤潮GF-1 WFV探测应用面临着挑战:1)赤潮影像混合像元现象普遍,现有影像超分辨率模型低频信息关注过多、多尺度空间信息利用不足、光谱保持能力弱,难以满足赤潮探测混合像元影响去除要求;2)不同优势种、不同水体环境赤潮卫星影像响应差异大,现有探测方法高分卫星赤潮表征能力弱、泛化能力差,无法实现不同优势种、不同生长状态赤潮的探测;3)赤潮分布边缘区生物量低、卫星影像响应弱,现有赤潮探测算法赤潮边缘提取能力差、阈值依赖性强。针对上述科学问题,本文引入深度学习、色度系统和侧窗卷积等技术,设计发展了面向GF-1 WFV赤潮监测的遥感影像超分辨率和探测模型,取得了一定的研究成果,主要研究工作概述如下:1)针对现有影像超分辨率模型低频信息关注过多、多尺度空间信息利用不足、光谱保持能力弱的问题,本文基于深层残差卷积网络构建了一个面向GF-1 WFV卫星影像的超分辨率模型GFRCAN,实现了GF-1 WFV影像16 m到8 m的超分辨率,以减少赤潮分布边缘区混合像元影响。该模型针对影像超分辨率深度卷积网络训练难的问题,采用残差中残差结构来构建深层网络;针对卫星影像超分辨率过程中空间信息的高挖掘与保持要求,引入了残差坐标注意力机制和自适应多尺度空间注意力机制,以专注于高频信息的提取,获取不同尺度的空间信息;针对超分过程中光谱和细节信息的保持要求,设计了峰值信噪比（PSNR）和结构相似性（SSIM）联合损失函数。实验结果表明,模型具有较好的超分辨率效果,超分辨率后的卫星影像空间和光谱信息保真度高。而且模型具有较好的泛化能力,既可应用于不同时相、不同区域的GF-1 WFV卫星影像,又可应用于GF-4卫星影像。2)针对传统的色度系统赤潮表征能力弱、泛化能力差的问题,本文构建了一个基于伪色度角的新型赤潮GF-1 WFV卫星探测模型,为解决赤潮高分卫星探测难题提供了新思路。与传统的色度系统不同,该模型采用对赤潮较敏感的近红外、红光和绿光波段代替红光、绿光、蓝光三个真彩色波段作为色度系统三原色计算的输入,通过伪彩色替换赤潮水体和正常水体区分能力提高了1倍以上。针对传统色度系统泛化能力差、易受水体环境影响的问题,遴选了三原色Z作为水体环境判别因子,以减少水体环境的影响,提高模型的泛化能力。实验结果表明,该模型可有效进行赤潮探测,减少水体环境对赤潮探测的影响。而且该模型具有较好的泛化能力和鲁棒性,既可用于夜光藻、中肋骨条藻和赤潮异弯藻等不同优势种赤潮的探测,又适用于HY-1D CZI、Landsat OLI和Sentinel 2B MSI高分辨率宽波段卫星。3)针对现有赤潮探测算法赤潮边缘提取能力差、阈值依赖性强的不足,本文融合了影像超分辨率和多特征参量,构建了面向GF-1 WFV的赤潮深度学习探测模型。该模型在影像超分辨率的基础上,引入了侧窗卷积,强化赤潮边缘特征,减少赤潮生物量降低导致的边缘响应弱的问题,提升赤潮边缘检测能力。针对传统赤潮探测算法阈值依赖性强的问题,本文构建了基于编解码卷积神经网络的赤潮探测模型,可在无阈值的情况下实现赤潮的探测。同时,该模型还融入了GF1-RI赤潮指数和伪色度角参量,以提高模型赤潮探测精度和泛化能力。实验结果表明,所研制的模型可有效探测赤潮,在赤潮分布边缘区具有较好的探测效果,减少了赤潮生物量降低和混合像元的影响。