随着遥感数据获取技术的快速发展,我国已经初步建立了以卫星、无人机、平流层气球等多种空间信息获取手段为基础的空天一体化对地观测平台。随之产生了海量的遥感数据。无法及时下传、处理数据不仅浪费了资源也可能遗漏重要的信息。论文基于遥感图像的稀疏性等特点,提出遥感数据“星上稀疏表征-下传稀疏域信息-地面数据重建“的在轨数据动态更新方法。整体技术思路是卫星和地面的联合智能处理,即星上进行稀疏表征,地面进行海量信息的字典学习处理过程,将卫星和地面站的信息进行可控信息量的交互,从而形成星上和地面联合处理的有机整体。本文总结了国内外稀疏表征理论的相关研究内容,阐述了稀疏编码、字典学习以及压缩感知的经典算法机理。同时,在分析了这些算法的优缺点后提出了三种改进的算法。分别是基于粒子群优化的字典学习算法、基于动态式增量原子更新的地面遥感图像字典学习算法和以参考图像为先验知识的压缩感知算法。通过定性和定量的性能比较,证明了这些算法不仅可以更加精确、有效的表征遥感图像,也满足论文提出的星地协同处理遥感数据的整体思路要求。