| 发明名称 | 一种基于卷积神经网络的DEM超分辨率方法 | ||
| 摘要 | 本发明公开了一种基于卷积神经网络的DEM超分辨率方法，包括以下步骤：(1)根据预先相互对应的低分辨率图像数据、以及高分辨率图像数据，训练得到的超分辨率用卷积神经网络；(2)利用插值方法将待处理的低分辨率DEM数据扩充，得到与期望的高分辨率DEM数据同一尺度大小的准高分辨率DEM数据；(3)利用边缘提取算子得到准高分辨率DEM数据的梯度图；(4)将梯度图输入到超分辨率用卷积神经网络中，得到高分辨率DEM数据的估计梯度图；(5)基于估计梯度图和待处理的低分辨率DEM数据的约束，重建出高分辨率DEM的高度图。本发明中的超分辨率方法鲁棒性强，重建结果精度高。 | ||
| 申请公布号 | CN106600553A | 申请公布日期 | 2017.04.26 |
| 申请号 | CN201611159517.0 | 申请日期 | 2016.12.15 |
| 申请人 | 华中科技大学 | 发明人 | 侯文广;徐泽楷;陈子轩;卢晓东;易玮玮 |
| 分类号 | G06T5/00(2006.01)I | 主分类号 | G06T5/00(2006.01)I |
| 代理机构 | 武汉东喻专利代理事务所(普通合伙) 42224 | 代理人 | 纪元 |
| 主权项 | 一种基于卷积神经网络的DEM超分辨率方法，其特征在于，包括以下步骤：(1)根据预先相互对应的低分辨率图像数据、以及高分辨率图像数据，训练得到的超分辨率用卷积神经网络；(2)利用插值方法将待处理的低分辨率DEM数据扩充s倍，得到与期望的高分辨率DEM数据同一尺度大小的准高分辨率DEM数据；(3)利用边缘提取算子得到所述准高分辨率DEM数据的梯度图；(4)将所述步骤(3)中得到的所述梯度图输入到所述步骤(1)中得到的所述超分辨率用卷积神经网络中，得到高分辨率DEM数据的估计梯度图、以及相应的估计梯度值；(5)基于所述步骤(4)中得到的所述估计梯度图和所述待处理的低分辨率DEM数据的约束，重建出高分辨率DEM的高度图。 | ||
| 地址 | 430074 湖北省武汉市洪山区珞喻路1037号 | ||