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！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于残差网络的月球DEM超分辨率方法，属于遥感技术领域。本发明包括：获取DEM影像数据集并对其进行预处理，再采用生成对抗网络进行数据增强处理，再经下采样得到高低分辨率影像对集合，并进行训练和测试集划分；构建图像超分辨率重建网络模型并基于训练集进行训练，再基于当前训练好的模型在测试影像集上进行前向推理，若输出重建影像的效果是否达到预期目标，则得到用于月球DEM超分辨率重建的最终重建网络模型；否则以当前训练好的建网络模型作为训练对象继续进行模型训练。本发明针对现有低分辨率的月球DEM影像，采用了特定的残差学习方法，提高了影像质量和细节；同时，通过引入生成对抗网络，扩充了训练数据。

主权项：1.一种基于残差网络的月球DEM超分辨率方法，其特征在于，包括下列步骤：步骤1，获取月球目标区域的数字高程模型DEM影像数据集，并对其进行数据预处理；步骤2，采用生成对抗网络对数据预处理后的DEM影像数据集进行数据增强处理；步骤3，对数据增强处理后对DEM影像数据集进行下采样，得到低分辨率影像集，为低分辨率影像集标注与步骤2执行数据增强处理后的DEM影像数据集对应的标签；再将带有标签的影像划分为训练影像集和测试影像集；步骤4，构建基于深度卷积神经网络的图像超分辨率重建网络模型，该重建网络模型依次包括：输入层，残差网络，激活层和输出层；其中，输入层为卷积核尺寸大于指定尺寸的卷积层，用作低分辨率影像补丁，定义输入层的卷积核尺寸为k×k，步幅为s，填充为0，则输入层的输出特征图表示为： 其中，Ix,y表示输入层的输出特征图位于坐标x,y处的像素值，w、h分别表示输入层的输入影像的宽度和高度，p表示填充的像素数；重建网络模型的残差网络包括M个残差块，每个残差块包括若干个堆叠的残差基础块，每个残差基础块包括四层卷积激活，将残差基础块的输入与残差基础块的第四层的卷积激活结果相加得到该残差基础块的输出特征图，其中，M的取值范围为[4,6]；且每个残差块的卷积核为3×3，激活函数为fx＝maxx,0，x表示激活函数的输入；步骤5，基于训练影像集对重建网络模型进行网络参数训练，训练时采用的损失函数为均方根差RMSE，当达到既定的训练次数或重建误差达到预设精度时停止，得到训练好的重建网络模型；步骤6，基于当前训练好的重建网络模型，在测试影像集上进行前向推理，并保存重建网络模型输出的重建超分辨率影像；判断测试影像的重建超分辨率影像的重建效果是否达到预期目标，若是，则基于当前训练好的重建网络模型得到用于月球DEM超分辨率重建的最终重建网络模型；若否，则以当前训练好的建网络模型作为训练对象，继续执行步骤5。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于残差网络的月球DEM超分辨率方法