近年来，人们在设计图像处理算法以提高高光谱图像的空间分辨率方面做了大量的工作。HS数据与高空间分辨率多光谱(MS)数据的融合是最常见的问题之一。基于不同的理论，人们提出了不同的数据融合方法，包括分量替代(CS)、多分辨率分析(MRA)、光谱分离和贝叶斯概率。本文通过大量的实验对那些HS-MS融合技术进行了比较综述。通过定量和可视化评估10种最先进的HS-MS融合方法的融合性能，对其进行了比较。实验中使用了8个具有不同地理和传感器特征的数据集来评估融合算法的通用性和通用性。为了最大化这种比较的公平性和透明度，使用了公开的源代码，并对参数进行了单独调优，以获得最大的性能。此外，还研究了空间分辨率增强对分类的影响。通过比较，系统地分析了各种方法对表征HS-MS融合问题的各种因素的鲁棒性。总结了算法特点，阐明了通用性强的算法。文章还对HS-MS融合的未来发展方向提出了预测。
HS-MS融合方法的分类及其它们与所比较的特定方法的对应关系。
CS
MRA
subspace-based
对SRF和PSF的依赖程度
