基于卷积神经网络的数字高程分辨率提高方法

• 作者: 谢洪亮
• 来源期刊: 地理空间信息
• 学科: 地球科学
• 关键词: 卷积神经网络 超分辨率 DEM
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术热点研究
• 页码范围: 28-31
• 页数: 4页
• 分类号: P236
• 字数: 2887字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4623.2020.01.008

摘要

现行公开的全球数字高程模型(DEM)是利用卫星雷达成像(SRTM)或遥感倾斜摄影反演计算得到的,目前公开免费的数据最高水平分辨率为30 m,付费数据约为10～15 m,两种模式下的分辨率均不能满足工程设计的精确度要求.分辨率的进一步提升较为困难,主要受制于卫星传感器的分辨率、采样率等.尝试设计一种新方法来提高数字高程的分辨率,即基于已有的高精度实地测绘数据,采用全卷积神经网络的图像超分辨率算法构建卫星高程数据与实地测绘数据之间的映射关系,从而提高公共DEM的分辨率.实验结果表明,该方法将卫星数字高程的水平分辨率提高了3倍,且不同地区地形样本的峰值信噪比均能提升2 dB左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢洪亮	同济大学电子与信息工程学院计算机科学与技术系	1	0	0.0	0.0