遥感(Remote sensing)作为对地观测的一个重要方式,在军用和民用上都发挥着重要的作用。微波遥感成像发展过程中对高分辨率的追求一直没有停歇。空间分辨率是图像对实际场景表征能力的一个重要参数,在雷达遥感领域,想要实现对场景进行变化监测或者目标跟踪,除空间分辨率外,对时间分辨率也有着很高的要求。但是由于合成孔径雷达运行轨道限制,难以实现同时获取高时间分辨率与高空间分辨率。本文针对以上难点,设计研究算法方案,借助单幅高空间分辨率图像(场景变化前)与一系列高时间分辨率低空间分辨率图像(场景变化后),获取变场景变化过程中的高分辨率增量信息,进而得到变化后场景的高空间分辨率图像,在保证获得同等空间分辨率的前提下,有效克服了高空间分辨率图像时间分辨率不足的缺点。本文主要由以下内容构成:第一,提出了雷达不同分辨率下的观测降质模型。首先从图像降质的角度出发,再针对雷达成像过程的各个环节,分析其中对成像质量造成影响的各个因素。然后根据提出的模型,设计了本文研究的具体方案,可以对算法中的一系列参数进行可调控制。使得算法的适用性大幅提高。第二,提出了基于稀疏理论的增量信息获取方法。本文发现场景变化过程中固有的稀疏特性,将低分辨率图像的获取过程与稀疏理论中的压缩感知过程相结合,通过对观测过程设计掩模来实现对增量信息的有效提取。第三,基于运动特性,对基于稀疏理论的增量信息进行进一步的修正。针对增量信息不满足严格的稀疏性时,通过挖掘场景中的前景目标运动信息,实现对重构后的增量信息的进一步修正,并结合变化前后的场景图像与观测模型,进行投影迭代,改善算法性能,使之能够更加精准的重构场景增量信息。第四,设计了行之有效的图像重构质量评价体系,并对文章提出的算法性能进行了实验分析验证。在对信息提取效果进行评价时,本文采用主客观结合的方式对重构的变化后场景进行打分,使得算法结果既可以满足人眼的严格要求,也具有良好的客观性能。最后根据评价体系设计实验对所提算法的性能进行细致的分析。