超分辨率重建技术突破遥感硬件成像条件的限制,可获得高于已知分辨率的超分辨率遥感影像,是提高遥感影像分辨率的重要手段,也是图像处理领域的热点话题。土地覆盖分类是遥感应用领域的一项重要研究工作,特别是大尺度区域土地覆盖动态监测是全球变化与可持续发展等科学研究的基础,也是IGBP计划的重要指标成分。MODIS无疑是大区域分类首选数据源,其具有成像面积较大、波谱信息丰富、重返周期短,成本较低且易于获取等优势,但分辨率较低。因此,探究如何能够提高MODIS影像的分辨率并结合它的优点开展大区域土地覆盖遥感分类具有重要意义。以滇中地区MODIS为研究对象,利用MAP、IBP、POCS、NUI等重建方法开展超分辨率重建工作,将重建后的MODIS影像进行滇中地区土地覆盖分类。主要研究内容与结果如下:(1)遥感图像超分辨率重建算法试验研究。通过研究图像超分辨率重建的基本概念、不同分类、常用的研究方法以及国内外研究现状,对超分辨率重建技术进行初步实验研究。研究图像退化机制,对图像进行运动估计、模糊函数辨识、噪声降质模型估计后,对图像进行亚像元配准、逆滤波、卷积等处理完成图像复原,然后对初始化图像开展四种算法的图像超分辨率重构。利用MODIS 250m、OLI 30m和15m分辨率的遥感影像进行实验,对重建影像进行主客观评价,使用的指标有:标准差、平均梯度、空间频率和信息熵等。结果表明,MAP方法重建图像纹理清晰细腻,地物波谱特征较明显,客观评价指标成绩最优,其他三种重建效果从高到低依次是IBP、NUI和POCS。(2)基于MAP方法的滇中地区遥感影像超分辨率重建。采用MAP方法,根据图像运动模糊和光学模糊和噪声情况,模拟得到图像退化模型,并制定适用于滇中地区该数据的模型参数,最终重建出一该地区超分辨率影像,结合主客观和MTF曲线显示出重建影像的优势。(3)基于超分辨率重建影像土地覆盖遥感分类。利用支持向量机分类器对重建和原始MODIS影像进行分类实验,结合野外采集的实地土地类型数据和2米分辨率的高分辨率影像,制定训练样本和检验样本用于分类和评价。重建影像的混淆矩阵的总体分类精度为74.82%,kappa系数为0.7103,原始影像的总体分类精度为70.64%,Kappa系数为0.6552。对于MODIS影像分类而言,该评价结果说明:原始和重建数据的分类质量都很好,分类器和训练样本都是过关的。重建影像在总体精度上较原始影像提高了4.18个百分点,Kappa系数提高了5.51个百分点,不仅从另一个角度证明了重建影像质量有所提高也实现了重建影像的初步应用。研究虽然实现了MODIS的超分辨率重建,并结合滇中地区实际情况实现土地覆盖分类,但在实际应用中,超分辨率重建阶段,由于遥感器运动和模糊参数的未知性与复杂性,导致运动估计和模糊函数的辨识仍不能做到精确定位,使重建影像质量并不完美,分类结果精度提高幅度不大,因此更加精准的降质估计模型是超分辨率重建重点研究工作。另外,地物变化和云干扰也是影响重建影像质量的主要因素,这方面工作也是日后研究重点。