《光学遥感信息技术与应用研究综述》 张兵
目前已经商业化运行的高空间分辨率光学遥感卫星有美国WorldView-4 卫星，法国 Pleiades 卫星，我国的高分( GF) 1、2 号卫星和高景 1 号小卫星等。
高时间分辨率遥感与高空间、高光谱遥感技术相结合是遥感科技未来发展的一个新趋势， 它能够实现地物类型与理化特性的精准反演和精细变化监测。
成像光谱仪在获取地物空间图像的同时，每个像元得到一条包含地物诊断性光谱特征的连续光谱曲线。多光谱遥感根据颜色差异分辨目标，高光谱根据光谱曲线的形态来分析目标。
大气校正模型的核心是以获取高精度模型参数来提高图像大气校正的精度，准确反映地表真实信息。
图像分类实现地物类型及其分布的高效准确获取。基于机器学习的图像分类方法逐渐占据主导地位，SVM，浅层神经网络，深度学习等算法都可用于遥感图像分类。
目标探测相对图像分类针对性更强，根据探测目标模型在大场景中准确发现低概率出露目标。研究热点：结合SAR、LiDAR及高空间分辨率图像，考虑地物光谱特性、纹理、空间结构等信息的目标探测算法。
混合像元分解：从实际光谱数据(一般为多地物光谱混合的数据)中提取各种地物成分（端元）以及各成分所占的比例（丰度）的方法。端元提取和丰度估计是混合像元分解的两个重要的过程。端元提取指在混合图像中提取出各种成分。丰度估计指对每种估计出来的端元物质的比例加以估计。混合像元分解算法有线性模型、广义双线性模型、高阶非线性模型等。
基于光学遥感图像的多源数据融合技术越来越被重视。
利用高分辨率光学遥感数据提供的地表形状等空间细节信息和地物光谱信息， 结合面向对象的分类和变化检测方法 ， 可以获得详细的城市地表覆盖数据， 并转化为城市地理信息的及时更新 。