在光学遥感图像的研究中,空间分辨率是衡量图像质量的重要指标之一,更高的空间分辨率也就意味着更加丰富的数据量以及更多有用的信息。目前,遥感图像的获取以及运用也随着遥感技术的不断发展变得更加便利。然而,由于空间分辨率对遥感图像的限制,低分辨率图像无法满足对遥感图像进行进一步处理以及运用的需求。那么在原有硬件系统的条件下,利用软件技术得到更高的分辨率的遥感图像得到了快速的发展。针对论文题目,本文主要从以下几个方面开展:(1)针对基于压缩感知的超分辨率重建,分析压缩感知中信号的稀疏表示、测量矩阵的构建以及信号的重建算法,比对传统方法实现压缩感知超分辨率重建的优缺点,确定离散小波变换为稀疏表示方法,部分哈达玛矩阵以及高斯随机矩阵为测量矩阵,正交匹配为重建算法进行压缩感知超分辨率重建,从客观评价指标分析本文算法相对于传统算法重建出较高质量的遥感图像。(2)针对基于凸集投影的超分辨率重建,分析构造参考帧、运动估计及修正像素点到阈值范围内步骤,提出一种基于阈值修正以及改进PSF融合的POCS超分辨率重建算法,将其用于worldview-3光学遥感图像。在对重建图像结合客观评价指标分析之后,相对于传统算法,本文算法能在有效提升图像分辨率的同时保证图像的质量。为之后对遥感图像的进一步运用打下了坚实的基础。(3)完成基于遥感图像超分辨率重建相关研究之后,结合遥感图像的MSE、PSNR、SSIM、信息熵以及平均梯度等客观评价标准,分别将本文完成的超分辨率重建遥感图像与双三次差值、传统POCS算法、SCSR等算法得到的结果进行相关指标比对,得到本文算法得到的相关指标均优于传统算法,进而得出本文相关算法能有效的重建出高质量的遥感图像。(4)在完成遥感图像超分辨率重建以及本文算法重建结果与传统算法重建结果在客观评价指标上的比对之后,结合目前流行的一种基于YOLO的网络模型为DarkNet-53的目标检测方法,对本文算法重建图像做深入研究。选用高分二号数据,构建基于目标为飞机的训练集,对重建高分二号遥感图像中的飞机做目标检测,分析比对重建前后目标检测的准确率,得到本文重建算法得到的遥感图像目标检测准确率相比较于未重建的低分辨率图像,有较为明显的提升,这就从另外一个方面说明本文算法得到的重建图像质量优于传统算法。至此,基本完成了本文的基于遥感图像的超分辨率重建以及相应的目标识别相关研究。