[发明专利]基于残差网络的DEM超分辨率方法和装置

说明书

本说明书实施例提供了一种基于残差网络的DEM超分辨率方法和装置。该方法的一具体实施方式包括：首先，获取待处理DEM数据；然后，将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，其中，上述超分辨率模型用于将输入的DEM数据的分辨率提升上述预设倍数，其中，上述超分辨率模型包括残差网络。

技术领域

本说明书实施例涉及地形测绘技术领域，尤其涉及一种基于残差网络的DEM超分辨率方法和装置。

背景技术

数字高程模型(Digital Elevation Model，DEM)是数字地形模型(DigitalTerrain Model，DTM)的一个分支，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。高分辨率的DEM可以提供更加准确的基础地理数据，在相关科学研究和实际应用中发挥着至关重要的作用。举例来说，大量的洪水研究表明，使用高分辨率陆地地形数据作为输入，能极大程度提高洪水模型整体的可靠性和准确性。又例如，高分辨率全球海洋地形是海洋地质和海洋测绘的前沿分支，可以为了解海底构造运动、海底演化提供直接依据。随着数字化的高度发展，DEM在社会生活中的应用也越来越广泛，人们对高精度DEM的要求也越来越高。因此，针对DEM建立高精度的超分辨率方法具有十分重要的意义。

发明内容

本说明书的实施例描述了一种基于残差网络的DEM超分辨率方法和装置，本方法在针对DEM所训练的超分辨率模型中引入残差网络，从而消除了网络中的梯度弥散现象，提高了超分辨率模型的网络深度，由此提升了超分辨率模型的性能，使基于该超分辨率模型处理得到的DEM数据更加准确。

根据第一方面，提供了一种基于残差网络的DEM超分辨率方法，包括：获取待处理DEM数据；将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，其中，上述超分辨率模型用于将输入的DEM数据的分辨率提升上述预设倍数，其中，上述超分辨率模型包括残差网络。

在一个实施例中，上述超分辨率模型是通过以下步骤训练得到的：根据第一分辨率的第一DEM数据，生成第二分辨率的第二DEM数据，其中，上述第二分辨率比上述第一分辨率低上述预设倍数；基于上述第一DEM数据和上述第二DEM数据，生成训练样本集；基于上述训练样本集，训练得到上述超分辨率模型。

在一个实施例中，上述根据第一分辨率的第一DEM数据，生成第二分辨率的第二DEM数据，包括：利用最临近像元法将上述第一DEM数据下采样到第二分辨率的第二DEM数据。

在一个实施例中，上述第一DEM数据和第二DEM数据为数据矩阵；以及上述基于上述第一DEM数据和上述第二DEM数据，生成训练样本集，包括：将上述第一DEM数据对应的数据矩阵按预设方式切分为第一尺寸的第一子矩阵图区；将上述第二DEM数据对应的数据矩阵按上述预设方式切分为第二尺寸的第二子矩阵图区，其中，上述第一尺寸的长和宽分别是上述第二尺寸的长和宽的上述预设倍数；使用相应位置切分得到的第一子矩阵图区和第二子矩阵图区组成训练样本，存入训练样本集。

在一个实施例中，上述待处理DEM数据为全球DEM数据。

在一个实施例中，上述超分辨率模型包括目标卷积层、至少一个残差网络、目标求和层和上采样网络，其中，按处理数据的顺序，各残差网络依次包括卷积层、激活函数层、卷积层和求和层；以及上述将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，包括：将上述待处理DEM数据输入上述目标卷积层，进行卷积操作；将上述卷积操作的输出结果输入到上述至少一个残差网络，其中，各残差网络将上述目标卷积层的输出或者上一个残差网络的输出作为该残差网络的输入，将该残差网络的输入与该残差网络的后一个卷积层的输出在该残差网络的求和层进行求和，形成第一残差结构；将上述目标卷积层的输出和上述至少一个残差网络中最后一个残差网络的输出在上述目标求和层进行求和，形成第二残差结构；将上述目标求和层的求和结果作为上述上采样网络的输入，以及将上述上采样网络的输出作为分辨率提高预设倍数的DEM数据。