遥感图像包含了大量的地物信息,在军事目标打击、土地监测、植被覆盖检测、森林火灾监控等军用、民用领域有着重要应用价值。但是由于遥感成像过程比较复杂,获得高分辨率的遥感图像并不容易。遥感图像超分辨重建技术就是一种在现有遥感成像技术条件下,利用软件处理的方法,突破成像系统的限制,由低分辨率图像生成高分辨率图像的技术。本文对当今较先进的卷积神经网络超分辨进行研究和改进,具体研究内容及创新点如下:1、提出改进的残差网络遥感图像超分辨重建算法。算法在VDSR算法的基础上做了改进。本改进网络将卷积层深度扩展至24层,激活函数由ReLU函数修改为PReLU函数,网络训练的损失函数选用L2范数,优化器由小批量梯度下降法改为Adam算法,在训练与测试的过程中,网络的图像数据集也改用为实际应用的遥感图像。分别对改进网络进行了网络训练实验和网络泛化实验,并对实验结果和数据进行对比和分析。2、提出改进的密集连接网络遥感图像超分辨重建算法。算法将之前改进的残差超分辨网络与密集连接网络做结合,将改进的残差超分辨网络的残差块替换为密集块,网络结构将原来的一个残差块改进为两组密集部分,每组密集部分包括8个密集块组成,同时网络加入了反卷积层用来直接放大图像尺寸,损失函数由L2范数改用为L1范数。改进网络以遥感图像为训练样本,分别进行了网络训练实验和网络泛化实验,并对结果进行对比和分析。3、设计并实现基于Qt的遥感图像超分辨软件平台。软件可以友好地展示多种遥感图像超分辨重建效果,使用户更方便地运行各种超分辨算法,并直观地对比遥感图像超分辨重建结果。