随着传感器技术的迅猛发展,遥感图像的光谱分辨率不断提高。高光谱图像的问世成为遥感领域的一个重大飞跃。高光谱图像虽然光谱分辨率得到了提高,使许多原先在多光谱情况下不能解决的问题现在可以实现解决,但其空间分辨率却远远不能满足要求。高光谱图像中存在大量的混合像元,不仅影响了定量化分析,还严重影响了在其它领域的应用。因此,运用超分辨技术提高高光谱图像的空间分辨率,有着十分重要的实用意义。本文针对高光谱图像空间分辨率低、混合像元较多的问题,从其谱段连续、携带信息量多等特点入手,结合对多种超分辨算法的研究,研究了一种基于空-谱协同的高光谱图像超分辨算法。算法首先运用高光谱图像混合像元分解技术,得到解混分量图,在此基础上,采用局域分析的方法,通过边缘检测划分区域,对混合像元集中的边缘区域利用改进的元胞自动机模型进行亚像元的定位,平滑区域则进行像元复制。然后把定位的结果作为POCS超分辨算法的参考图,利用空间信息进行修正,实现高光谱原始图像的超分辨处理。本文利用两组高光谱数据来验证算法的有效性。首先分别对解混、亚像元定位、POCS算法进行实验仿真,保证各个关键技术的可行性。然后搭建整个系统,对高光谱原始图像进行超分辨处理,最后采用实际应用中检验的方法,把超分辨处理结果应用到目标检测中。经验证,超分辨处理后在相同的虚警概率下目标的检测概率有了显著的提高。空-谱协同超分辨处理后高光谱图像空间分辨率得到很大程度的提高,图像的细节更加丰富,有利于图像的进一步处理、分析和应用。