申请/专利权人：武汉大学

申请日：2021-12-28

公开（公告）日：2024-04-05

公开（公告）号：CN114331842B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/0464;G06N3/084;G06T17/05

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明涉及一种结合地形特征的DEM超分辨率重建方法。通过将双滤波器卷积神经网络应用于DEM超分辨率重建，同时考虑了不同邻域信息及坡度信息对DEM超分辨率重建的影响，有效地提高了DEM超分辨率重建的精度。利用大比例尺地形图的矢量等高线与水网数据信息，结合神经网络重建的高分辨率DEM，使用栅格插值方式重建了河谷DEM，用于替换神经网络产生的高分辨率DEM相应部分，在保证精度的前提下，减弱了神经网络重建DEM的棋盘效应所造成的水系中心线匹配率不佳问题，为高分辨率DEM的应用提供了解决方案。

主权项：1.一种结合地形特征的DEM超分辨率重建方法，其特征在于，包括以下步骤：步骤1，对于DEM数据进行坐标变换、裁切预处理，获得对应的高分辨率DEM与低分辨率DEM数据集；步骤2，利用坡度提取算子计算低分辨率DEM数据对应的坡度数据集；步骤3，构建双滤波器卷积神经网络；步骤4，将步骤1和步骤2得到的数据集分为训练数据集和测试数据集，使用训练数据集中的高、低分辨率DEM数据和低分辨率坡度图像训练步骤3构建的双滤波器卷积神经网络，初始化网络参数，获得训练收敛的模型；步骤5，将测试数据集中的低分辨率DEM数据与低分辨率坡度数据输入步骤4训练好的模型，得到预测高分辨率DEM；步骤6，利用测试数据集所在区域的等高线与矢量水网数据得到具有高程值的水网中心线栅格数据；步骤7，对水网中心线栅格数据设置缓冲区，提取步骤5生成的预测高分辨率DEM中缓冲区边界上的栅格点，并与步骤6所得的具有高程值的水网中心线栅格数据组合为带有高程值的河谷栅格点，最后将带有高程值的河谷栅格点转换为带有高程值的矢量点；步骤8，利用规则样条函数方法将步骤7所得矢量点插值生成与测试数据集中高分辨率DEM相同分辨率的DEM；步骤9，使用步骤7所得水网中心线缓冲区作为掩膜提取步骤8生成的高分辨率DEM，并用提取的DEM替换步骤5所得预测高分辨率DEM中对应部分。

全文数据：

权利要求：

百度查询： 武汉大学 结合地形特征的DEM超分辨率重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD