买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜天津大学申请的专利一种基于SRGAN的污染物空间降尺度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116188270B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310202110.5，技术领域涉及：G06T3/4053；该发明授权一种基于SRGAN的污染物空间降尺度方法是由毕重科;王梦雨;于策;崔文娟;尹红刚设计研发完成，并于2023-03-06向国家知识产权局提交的专利申请。

本一种基于SRGAN的污染物空间降尺度方法在说明书摘要公布了：本发明公开了一种基于SRGAN的污染物空间降尺度方法依次通过基于核函数对原始数据进行密集化转换、基于SRGAN模型生成高分辨率图像、以及基于高分辨率图像反向生成同化数据的步骤实现；该方法克服了传统数据同化计算过程复杂，需要大量的计算资源与计算时间，并首次将超分辨率生成对抗网络模型引入污染物数据的同化过程，通过生成高分辨率的污染物浓度分布图像来替代原始的同化方法，经过一次训练便可以多次使用，大大节约率计算资源与计算时间，极大地提高了同化效率；同时，该方法相比同化过程所需的超算资源，完全能够在普通电脑上完成计算过程，降低使用成本与使用门槛，实用性和适用性更强，实现了便捷高效地得到污染物浓度数据的同化结果的目的。

本发明授权一种基于SRGAN的污染物空间降尺度方法在权利要求书中公布了：1.一种基于SRGAN的污染物空间降尺度方法，其特征在于，步骤如下：S1、以径向基函数中的高斯函数为核函数，对污染物的原始数据进行插值处理，拟合得到密集化数据；基于密集化数据绘制为以经度为横坐标、纬度为纵坐标、并将污染物浓度以不同颜色进行表征的若干张彩色污染物日分布图像；S2、构建用于生成高分辨率图像的SRGAN模型，模型由生成网络和判别网络构成；其中，生成网络由依次连接的第一卷积层、第一激活函数PReLU、第一残差块、第二残差块、第三残差块、第四残差块、第五残差块、第四卷积层、第二BN层、第五卷积层、第一亚像素卷积层、第二亚像素卷积层、第三激活函数PReLU和第六卷积层构成；每个残差块具有相同结构，均由依次连接的第二卷积层、第一BN层、第二激活函数PReLU和第三卷积层构成；第一卷积层和第六卷积层的卷积核大小均为9×9，第二卷积层、第三卷积层和第四卷积层的卷积核大小均为3×3；判别网络由依次连接的第一卷积层、第一激活函数PReLU、类VGG网络、自适应平均池化层、第三卷积层、第三激活函数PReLU、第三卷积层和激活函数Sigmoid；类VGG网络由七个依次连接的相同模块构成，每个模块第二卷积层、第一BN层和第一激活函数LeakyReLU构成；判别网络中的各卷积层均为卷积核大小均为3×3的卷积层；S3、训练用于生成高分辨率图像的SRGAN模型：S301、构建用于模型训练的图像数据集，其由低分辨率图像集和高分辨率图像集构成；低分辨率图像集中的各个图像分别与高分辨率图像集中的各个图像具有一一对应关系，且具有相同放大倍数；S302、定义损失函数的表达式为： 式中，和为内容损失函数，为对抗损失函数；其中， 表示生成的高分辨率图像SR与真实图像HR之间逐像素点的MSE损失，其计算公式为： 式中，r，W和H分别表示图像的数量、宽度和高度，表示高分辨率图像，ILR表示低分辨率图像，G表示生成网络，θG表示网络参数，是生成的高分辨率图像； 表示判别网络的类VGG网络中第i层第j个卷积核输出的特征图的MSE损失，其计算公式为： 式中，Wi,j和Hi,j分别表示判别网络的类VGG网络中各自特征映射的维数； 为对抗损失函数表示，用来对生成图像的真假的概率，其计算公式为： 式中，N表示像素数，D表示判别网络，θD表示判别网络的网络参数；S303、将图像数据集和损失函数代入至SRGAN模型中，以低分辨率图像作为生成网络的输入图像、以由生成网络输出的拟高分辨率图像和高分辨率图像作为判定网络的输入图像，并使用Adam优化器对模型进行加速训练，直到达到设定的训练终止条件；S4、将低分辨力图像输入至完成训练的SRGAN模型中，获得高分辨率图像，并基于高分辨率图像反向生成污染物浓度的同化结果数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学，其通讯地址为：300350 天津市津南区海河教育园区雅观路135号天津大学北洋园校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。