中国的第一枚绕月探测卫星嫦娥一号(CE-1)同时搭载了空间分辨率为200m的高光谱干涉光谱成像仪(Imaging Interferometer Image,IIM),和空间分辨率为120m的CCD三视立体相机。CCD影像能够详细描述月球表面的地物形状、地表纹理和地形结构等特征,而IIM影像有助于更好的对地物进行分类和识别。为了使传回数据更好的应用在未来的月球地形勘测、物质探测和探测器落月等工作上,CE-1的高光谱图像需要进行分辨率增强。本文首先介绍了CE-1传回的两种数据特点,分析了利用CCD影像来增强IIM影像分辨率的必要性和可行性。从充分利用CE-1的CCD辅助信息的角度出发,本文应用多种基于图像融合的分辨率增强方法,对IIM高光谱数据进行了分辨率增强处理。其次研究了最大后验概率(Maximum Posterior Probability,MAP)结合随机解混模型(Stochastic Mixed Model,SMM)在探月高光谱数据分辨率增强方面的应用,开发了在未知点扩散函数情况下的MAP迭代优化算法和泊松后验概率方法(Poisson MAP)。引入了开放性的多尺度波段间交互构建模型(ARSIS模型),从多尺度分析模型与波段间交互构造模型两方面分别探讨,对ARSIS融合理论进行了深入研究。其中的多尺度模型分别采用了离散小波变换与平稳小波变换,波段间交互构造模型中利用了光谱扭曲最小化输入模型和上下文注入模型。最后,通过与传统方法的对比分析和一系列实验表明,本文研究方法在CE-1高光谱数据的分辨率增强方面具有更好的实际应用价值。