面向国防安全保障和国民经济建设的迫切需求,新一代空间光学遥感技术正在向高时空分辨率和超宽覆盖成像发展。大到国家航天战略布局、高精尖技术产业化,小到土地普查、灾害应急处理,该技术在其中都扮演了至关重要的角色。传统的光学镜头制造技术受到硬件工艺和生产成本的限制,若采用沿轨推扫成像,那么所得遥感影像将无法有效兼顾高分辨率和超大幅宽。采用航天相机大角度摆扫成像的模式,就可以突破当前硬件制造技术的限制,打破光学卫星的分辨率与成像幅宽之间的矛盾。但是,在这里的“高分辨率”仅针对星下点,在偏离星下点的区域,图像会有畸变,并且像质会存在一定的下降。因此,我们有必要针对以上问题设计恢复算法,无需改变硬件设备,却能实现超分辨。本文针对航天相机大角度摆扫获得的影像存在畸变和分辨率退化的问题,探索摆扫遥感影像几何校正和超分辨的解决方案。在第一部分中,首先介绍了大角度摆扫遥感影像几何校正、深度学习图像超分辨以及遥感影像超分辨的研究进展;然后依据摆扫成像的机理,对地面景物的分辨率变化情况进行详细分析;接着提出了航天相机大角度摆扫影像的分辨率反演模型,完成初步的影像几何校正。根据定比缩放原理,设计了地面仿真实验,验证分辨率反演算法的有效性。在第二部分中,针对校正后影像受插值的影响而出现模糊的问题,提出了改进的生成对抗网络超分辨模型,进一步提高恢复影像的视觉效果。首先从网络结构和损失函数的角度,介绍了生成对抗网络超分辨的原理;然后采用改进的损失函数和特征提取器,设计了适用于本课题的深度学习超分辨神经网络模型;最后利用真实的遥感影像,生成模拟实验的训练集、验证集和测试集。网络模型经过训练,重建图像在验证集上取得的峰值信噪比和结构相似度分别为18.6049和0.6022,在测试集上取得的峰值信噪比和结构相似度分别为19.6652和0.6045,重建图像具有很好的视觉效果。本文建立了分辨率反演模型,构建了改进的生成对抗网络超分辨框架,实现了航天相机摆扫影像的超分辨。本课题的研究对于促进高分辨率遥感卫星的民用化、国家航天高精尖技术的产业化具有重要意义,同时为天基光学载荷实现高分辨率与超宽覆盖的新体制成像提供了必要的理论依据,帮助解决了相关天基光学载荷动态遥感成像领域的共性科学问题。