本研究提出了一种新的多光谱图像组合方法，通过结合热成像和RGB图像，提高了风力涡轮机叶片的缺陷检测效率。结果表明，YOLOv8模型的检测指标显著提升，验证了该方法在维护和可靠性方面的有效性。

本文提出了一种基于循环卷积神经网络的方法，能够联合学习多光谱图像的空间、谱域和时间特征，达到更好的变化检测结果。该方法具备三个独特的特性，即端到端训练，自然利用空间信息以及能够自适应地学习多时相图像之间的时间依赖性。实验结果证明了该方法在多时相遥感图像分析中的竞争性表现。

本文提出了一种基于循环卷积神经网络的方法，联合学习多光谱图像的空间、谱域和时间特征，实现更好的变化检测结果。该方法具备端到端训练、自然利用空间信息和自适应学习多时相图像之间的时间依赖性等独特特性。实验证明该方法在多时相遥感图像分析中表现竞争性。

本文提出了一种基于光谱扩散的先验方法来实现高光谱图像的超分辨率。通过融合低空间分辨率的HSI和高空间分辨率的多光谱图像，生成高空间分辨率的HSI。实验证明了该方法的有效性。