CN103455709A - 一种用于数字高程模型的超分辨率方法及其系统 - Google Patents
一种用于数字高程模型的超分辨率方法及其系统 Download PDFInfo
- Publication number
- CN103455709A CN103455709A CN2013103285889A CN201310328588A CN103455709A CN 103455709 A CN103455709 A CN 103455709A CN 2013103285889 A CN2013103285889 A CN 2013103285889A CN 201310328588 A CN201310328588 A CN 201310328588A CN 103455709 A CN103455709 A CN 103455709A
- Authority
- CN
- China
- Prior art keywords
- dem
- resolution dem
- high resolution
- resolution
- subregion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 230000008034 disappearance Effects 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003760 hair shine Effects 0.000 claims description 3
- 238000013341 scale-up Methods 0.000 claims description 3
- 238000013076 uncertainty analysis Methods 0.000 abstract description 3
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种数字高程模型DEM超分辨率的方法,包括:建立高分辨率DEM与低分辨率DEM的位置映射,对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,将查找到的一系列相似块映射回高分辨率DEM实测区,将这些对应的高分辨率DEM实测区子区域块按其对应的相似权重相加得到一个新的子区域,将上述超分辨率后的高分辨率DEM缺失区的子区域拼接起来,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。通过本发明,减少了户外作业的工作量,有效地控制了成本,相对于基于不确定分析的方法而言,增加了DEM的应用精度。
Description
技术领域
本发明属于地形测绘领域,更具体地,涉及一种DEM超分辨率的方法及其系统。
背景技术
数字高程模型(Digital Elevation Model,简称为DEM),是建立数字地形模型的基础数据。而数字地形模型在国民经济中具有广泛的应用需求,人们对高精度地形模型的需求越来越高。为了获得高精度的地形模型,通常采用两种方式,一是采用更加先进的硬件设备或更密集的测量方式直接提高DEM的精度与分辨率,其生产成本高;二是通过分析DEM的模型和不确定性,进而采取对应的策略,减少或控制由DEM误差引起的曲面重建误差,以提高DEM的应用精度。比较而言,第二种方法成本大大降低,受到相关领域研究人员的重视,但是基于不确定性理论的地形重建精度本质上受制于DEM的分辨率和精度,重建精度的提高相对有限。
发明内容
针对目前高精度地形模型建立中存在的问题,本发明采取一种新的策略,仅测量DEM部分区域的高分辨率、高精度数据,与原先获得的低分辨率、低精度全局DEM数据进行联合处理,生成较高精度的DEM。相对于全局测量而言,该方案减少了户外作业的工作量,有效地控制了成本,相对于基于不确定分析的方法而言,增加了DEM的应用精度。
为实现上述目的,本发明提供了一种数字高程模型DEM超分辨率的方法,包括以下步骤:
(1)建立高分辨率DEM与低分辨率DEM的位置映射;将测量得到高分辨率DEM区域定义为实测区,待超分辨率的高分辨率DEM区域定义为缺失区,将高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
(2)将高分辨率DEM缺失区分为一系列相互重叠的子区域,对应的低分辨率DEM测试区也分为一系列相互重叠的子区域;
(3)对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重;
(4)将步骤(3)中查找到的一系列相似块映射回高分辨率DEM实测区,将这些相似块对应的高分辨率DEM实测区子区域按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;
(5)将步骤(4)中超分辨率后的高分辨率DEM缺失区所对应的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
优选地,在所述步骤(2)中的子区域大小为3×3~9×9,相邻两个子区域的重叠度控制为20%~50%。
优选地,在所述步骤(3)中,对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计的操作过程具体为:
设t(j,k)为一低分辨率DEM测试区子区域,J,K分别表示子区域的宽和高0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区,D(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相似距离,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或者
选取D(x,y)值最低的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
或者优选地,在所述步骤(3)中,对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计具体为:
设t(j,k)为一低分辨DEM测试区子区域,J,K分别表示子区域的宽和高0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区,R(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相关系数,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或
选取R(x,y)值最高的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
优选地,所述步骤(4)中超分辨率后的高分辨率DEM缺失区相对应位置的子区域的计算方法为:
对所述高分辨率DEM实测区中与所述低分辨率DEM搜索区中相似块对应的子区域按对应的权重系数相加,得到所述高分辨率DEM缺失区中的子区域:
其中,P(s,t)s<J,t<K为计算得到的新子区域,F(x,y)为所述高分辨率DEM。
优选地,所述步骤(1)中建立高分辨率DEM与低分辨率DEM的位置映射具体为:
通过双线性插值将低分辨DEM扩充到与高分辨率DEM同一尺度,使得高低分辨率DEM数据形成一一对应的映射。
根据本发明的另一方面,还提供了一种数字高程模型超分辨率的系统,包括:
第一模块,用于建立高分辨率DEM与低分辨率DEM的位置映射;将测量得到高分辨率DEM区域定义为实测区,待超分辨率的高分辨率DEM区域定义为缺失区,将高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
第二模块,用于将高分辨率DEM缺失区分为一系列相互重叠的子区域,对应的低分辨率DEM测试区也分为一系列相互重叠的子区域;
第三模块,用于对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重;
第四模块,用于将所述第三模块中查找到的一系列相似块映射回高分辨率DEM实测区,将这些相似块对应的高分辨率DEM实测区子区域按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;
第五模块,用于将所述第四模块中超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
通过本发明所构思的以上技术方案,与现有技术相比,本发明具有以下的有益效果:
1)由于本方法是在测量了一部分高分辨率数据的基础上进行的,很好地提升了低分辨率DEM超分辨率的潜力。
2)通过采用非局部的思想和学习的策略使得得到的超分辨率的结果更加清晰,准确度更高。
3)由于本方法只需要测量少量的高分辨率DEM数据,大大地降低了构建高分辨率DEM的生产成本。
附图说明
图1为本发明的DEM超分辨率方法的流程图;
图2(a)为本发明中高分辨率DEM实测区与缺失区的定义;
图2(b)为本发明中低分辨率DEM测试区与搜索区的定义;
图3(a)为本发明中在低分辨率DEM中相似块的查找示意图;
图3(b)为本发明中高分辨率DEM缺失区子区域的合成示意图;
图4为本发明的一个实施例中测量得到的部分高分辨率DEM数据;
图5(a)为本发明的一个实施例中分辨率为图4中高分辨率DEM的1/2的低分辨率DEM;
图5(b)为图4与图5(a)数据通过本发明方法得到的超分辨结果;
图6(a)为本发明的一个实施例中分辨率为图4中高分辨率DEM的1/4的低分辨率DEM;
图6(b)为图4与图6(a)数据通过本发明方法得到的超分辨结果;
图7(a)为本发明的一个实施例中分辨率为图4中高分辨率DEM的1/8的低分辨率DEM;
图7(b)为图4与图7(a)数据通过本方法得到的超分辨结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
以下首先就本发明的技术术语进行解释和说明:
DEM:Digital Elevation Model,数字高程模型,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。
超分辨率:通过硬件或软件的方法提高原有图像的分辨率,通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。
本发明提出了一种数字高程模型DEM超分辨率的方法,所述方法包括以下步骤:
(1)建立高分辨率DEM与低分辨率DEM的位置映射。
具体的,将低分辨率DEM插值至与高分辨率DEM同一尺度下,使得高低分辨率DEM数据形成一一对应的映射。
例如,可以通过双线性插值将低分辨DEM扩充到与高分辨率DEM同一尺度。此时每个高分辨率DEM上的点便对应着相同插值后的低分辨率DEM上相同位置的点。
接着,如图2(a)中所示,将测量得到高分辨率的DEM区域定义为实测区,待超分辨率的高分辨率DEM区域为缺失区;如图2(b)所示,将与高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
(2)将高分辨率DEM缺失区分为一系列相互重叠的子区域,同时将所对应的低分辨率DEM测试区也分为一系列相互重叠的子区域。
优选的,所述子区域大小为3×3~9×9,相邻两个子区域的重叠度控制为20%~50%。
对于子区域的大小选取可按下述原则:地形越平缓子区域大小可取越大,相反地形越陡峭则子区域大小越小。
(3)对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重。
具体的相似性估计的方法有以下几种:
A、设t(j,k)为一低分辨率DEM测试区子区域,J,K表示子区域的宽高0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区,D(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相似距离,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或者
或者 n为正整数
选取D(x,y)值最低的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
B、设t(j,k)为一低分辨DEM测试区子区域,J,K表示子区域的宽高0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区,R(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相关系数,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或
,
选取R(x,y)值最高的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
如图3(a)所示,低分辨率DEM测试区的子区域P查找到的相似块为Q、S、T,同时可以得到它们的相似权重w(p,q)、w(p,s)、w(p,t)。
(4)将上一步中查找到的一系列相似块映射回高分辨率DEM实测区,将这些对应的高分辨率DEM实测区子区域块按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;如图3(b)所示。所述超分辨率后的高分辨率DEM缺失区相对应位置的子区域的计算方法为:
其中,P(s,t)s<J,t<K为计算得到的新子区域,F(x,y)为高分辨率DEM。
(5)将上述超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
下述为利用本方法进行DEM超分辨率重建的一个实施例,如图4所示为一部分高分辨率DEM数据,另外如图5(a)所示是分辨率为图4中高分辨率DEM的1/2的低分辨率DEM,图6(a)所示是分辨率为图4中高分辨率DEM的1/4的低分辨率DEM,图7(a)所示是分辨率为图4中高分辨率DEM的1/8的低分辨率DEM数据。
重建过程为:
1.通过双线性插值将低分辨DEM扩充到与高分辨率DEM同一尺度。此时每个高分辨率DEM上的点便对应着相同插值后的低分辨率DEM上相同位置的点。
2.将高分辨率DEM缺失区分为一系列3×3的子区域,连个相邻子区域的重叠度为50%。
3.对每个高分辨率DEM缺失区子区域对应的低分辨率DEM测试区子区域在搜索区内进行相似块查找,以绝对距离相似性估计方法选定五个相似度最高的相似块并计算出每个的相似权重。
4.将上一步中查找到的一系列相似块映射回高分辨率DEM实测区,将这些对应的高分辨率DEM实测区子区域块按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域。
5.将这些超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
最终得到的结果为图5(b)、图6(b)、图7(b),其中,所述图5(b)为根据所述图4和所述图5(a)进行超分辨率重建的结果,所述图6(b)为根据所述图4和所述图6(a)进行超分辨率重建的结果,所述图7(b)为根据所述图4和所述图7(a)进行超分辨率重建的结果。
本发明还公开了一种DEM超分辨率装置,包括:
第一模块,用于建立高分辨率DEM与低分辨率DEM的位置映射;将测量得到高分辨率DEM区域定义为实测区,待超分辨率的高分辨率DEM区域定义为缺失区,将高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
第二模块,用于将高分辨率DEM缺失区分为一系列相互重叠的子区域,对应的低分辨率DEM测试区也分为一系列相互重叠的子区域;
第三模块,用于对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重;
第四模块,用于将所述第三模块中查找到的一系列相似块映射回高分辨率DEM实测区,将这些相似块对应的高分辨率DEM实测区子区域按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;;
第五模块,用于将所述第四模块中超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
由于本发明仅测量DEM部分区域的高分辨率、高精度数据,与原先获得的低分辨率、低精度全局DEM数据进行联合处理,生成较高精度的DEM。相对于全局测量而言,该方案减少了户外作业的工作量,有效地控制了成本,相对于基于不确定分析的方法而言,增加了DEM的应用精度。
具体而言,通过本发明所构思的以上技术方案,与现有技术相比,本发明具有以下的有益效果:
1)由于本方法是在测量了一部分高分辨率数据的基础上进行的,很好地提升了低分辨率DEM超分辨率的潜力。
2)通过采用非局部的思想和学习的策略使得得到的超分辨率的结果更加清晰,准确度更高。
3)由于本方法只需要测量少量的高分辨率DEM数据,大大地降低了构建高分辨率DEM的生产成本。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种数字高程模型DEM超分辨率的方法,其特征在于,用于根据全局低分辨率DEM数据以及测量得到的部分高分辨率DEM数据重建全局高分辨率DEM数据,所述全局高分辨率DEM数据包括测量得到的部分高分辨率DEM数据以及待超分辨率的高分辨率DEM区域,所述方法包括以下步骤:
(1)建立高分辨率DEM与低分辨率DEM的位置映射;将测量得到的高分辨率DEM区域定义为实测区,待超分辨率的高分辨率DEM区域定义为缺失区,将高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
(2)将高分辨率DEM缺失区分为一系列相互重叠的子区域,对应的低分辨率DEM测试区也分为一系列相互重叠的子区域;
(3)对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重;
(4)将步骤(3)中查找到的一系列相似块映射回高分辨率DEM实测区,将这些相似块对应的高分辨率DEM实测区子区域按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;
(5)将步骤(4)中超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个全局高分辨率DEM。
2.如权利要求1所述的DEM超分辨率的方法,其特征在于,所述步骤(3)具体为:
设t(j,k)为一低分辨率DEM测试区子区域,J,K分别表示子区域的宽和高,0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区, D(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相似距离,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或者
或者n为正整数,
选取D(x,y)值最低的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
3.如权利要求2所述的DEM超分辨率的方法,其特征在于,所述步骤(3)具体为:
设t(j,k)为一低分辨DEM测试区子区域,J,K分别表示子区域的宽高0<j<J-1,0<k<K-1,j,k∈N+,N+表示自然数,f(x,y)为低分辨率DEM搜索区,R(x,y)代表t(j,k)与搜索区f(x,y)中以点(x,y)为左上角顶点,宽高分别为J,K的子区域的相关系数,w(x,y)代表搜索区中以点(x,y)为左上角的宽高为J,K的子区域作为t(j,k)的相似块的相似权重,其中:
或
选取R(x,y)值最高的N个搜索区中子区域作为相似块,并计算每个相似块对应的相似权重:
5.如权利要求1所述的DEM超分辨率的方法,其特征在于,所述步骤(1)中建立高分辨率DEM与低分辨率DEM的位置映射具体为:
通过双线性插值将低分辨DEM扩充到与高分辨率DEM同一尺度,使得高低分辨率DEM数据形成一一对应的映射。
6.如权利要求1至5任一项所述的DEM超分辨率的方法,其特征在于,所述步骤(2)中的子区域大小为3×3~9×9,相邻两个子区域的重叠度控 制为20%~50%。
7.一种数字高程模型DEM超分辨率的装置,其特征在于,包括:
第一模块,用于建立高分辨率DEM与低分辨率DEM的位置映射;将测量得到高分辨率DEM区域定义为实测区,待超分辨率的高分辨率DEM区域定义为缺失区,将高分辨率DEM实测区对应的低分辨率DEM区域定义为搜索区,将高分辨率DEM缺失区对应的低分辨率DEM区域定义为测试区;
第二模块,用于将高分辨率DEM缺失区分为一系列相互重叠的子区域,对应的低分辨率DEM测试区也分为一系列相互重叠的子区域;
第三模块,用于对每一个低分辨率DEM测试区的子区域在低分辨率DEM搜索区进行相似块查找与相似性估计,选取相似性最高的一系列子区域作为相似块,同时计算出每个相似块对应的相似权重;
第四模块,用于将所述第三模块中查找到的一系列相似块映射回高分辨率DEM实测区,将这些相似块对应的高分辨率DEM实测区子区域按其对应的相似权重相加得到一个新的子区域,即为超分辨率后的高分辨率DEM缺失区相对应位置的子区域;
第五模块,用于将所述第四模块中超分辨率后的高分辨率DEM缺失区的子区域拼接起来,重叠部取均值即得到高分辨率DEM缺失区整体的超分辨率结果,加上高分辨率DEM实测区已有的数据就为一个完整的高分辨率DEM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310328588.9A CN103455709B (zh) | 2013-07-31 | 2013-07-31 | 一种用于数字高程模型的超分辨率方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310328588.9A CN103455709B (zh) | 2013-07-31 | 2013-07-31 | 一种用于数字高程模型的超分辨率方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103455709A true CN103455709A (zh) | 2013-12-18 |
CN103455709B CN103455709B (zh) | 2016-02-24 |
Family
ID=49738064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310328588.9A Expired - Fee Related CN103455709B (zh) | 2013-07-31 | 2013-07-31 | 一种用于数字高程模型的超分辨率方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103455709B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992425A (zh) * | 2015-07-27 | 2015-10-21 | 华中科技大学 | 一种基于gpu加速的dem超分辨率方法 |
CN106600553A (zh) * | 2016-12-15 | 2017-04-26 | 华中科技大学 | 一种基于卷积神经网络的dem超分辨率方法 |
CN106780329A (zh) * | 2016-12-07 | 2017-05-31 | 华中科技大学 | 一种基于反透视平面变换的超声平面波成像方法 |
CN109886910A (zh) * | 2019-02-25 | 2019-06-14 | 榆林市国土资源局 | 外部数字高程模型dem修正方法及装置 |
CN110703252A (zh) * | 2019-11-11 | 2020-01-17 | 中国科学院电子学研究所 | 干涉合成孔径雷达阴影区域数字高程模型修正方法 |
WO2023274404A1 (en) * | 2021-07-01 | 2023-01-05 | Beijing Bytedance Network Technology Co., Ltd. | Application of super resolution |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100998512A (zh) * | 2007-01-10 | 2007-07-18 | 华中科技大学 | 三维超声影像的重建方法 |
CN101114385A (zh) * | 2007-08-07 | 2008-01-30 | 深圳先进技术研究院 | 一种数字城市全自动生成的方法 |
CN102073990A (zh) * | 2010-11-26 | 2011-05-25 | 中国科学院遥感应用研究所 | 一种遥感图像自动几何纠正的系统框架和方法 |
CN102819829A (zh) * | 2012-07-17 | 2012-12-12 | 中国科学院地理科学与资源研究所 | 基于分形的超分辨率遥感影像的重建算法 |
-
2013
- 2013-07-31 CN CN201310328588.9A patent/CN103455709B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100998512A (zh) * | 2007-01-10 | 2007-07-18 | 华中科技大学 | 三维超声影像的重建方法 |
CN101114385A (zh) * | 2007-08-07 | 2008-01-30 | 深圳先进技术研究院 | 一种数字城市全自动生成的方法 |
CN102073990A (zh) * | 2010-11-26 | 2011-05-25 | 中国科学院遥感应用研究所 | 一种遥感图像自动几何纠正的系统框架和方法 |
CN102819829A (zh) * | 2012-07-17 | 2012-12-12 | 中国科学院地理科学与资源研究所 | 基于分形的超分辨率遥感影像的重建算法 |
Non-Patent Citations (3)
Title |
---|
FENG LIU ET AL.: "Visual-Quality Optimizing Super Resolution", 《COMPUTER GRAPHICS FORUM》 * |
侯文广等: "基于SURF和TPS的立体影像密集匹配方法", 《华中科技大学学报》 * |
魏士俨等: "月球虹湾DEM超分辨率重建算法研究", 《测绘科学》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992425A (zh) * | 2015-07-27 | 2015-10-21 | 华中科技大学 | 一种基于gpu加速的dem超分辨率方法 |
CN104992425B (zh) * | 2015-07-27 | 2018-02-27 | 华中科技大学 | 一种基于gpu加速的dem超分辨率方法 |
CN106780329A (zh) * | 2016-12-07 | 2017-05-31 | 华中科技大学 | 一种基于反透视平面变换的超声平面波成像方法 |
CN106780329B (zh) * | 2016-12-07 | 2019-08-30 | 华中科技大学 | 一种基于反透视平面变换的超声平面波成像方法 |
CN106600553A (zh) * | 2016-12-15 | 2017-04-26 | 华中科技大学 | 一种基于卷积神经网络的dem超分辨率方法 |
CN106600553B (zh) * | 2016-12-15 | 2019-12-17 | 华中科技大学 | 一种基于卷积神经网络的dem超分辨率方法 |
CN109886910A (zh) * | 2019-02-25 | 2019-06-14 | 榆林市国土资源局 | 外部数字高程模型dem修正方法及装置 |
CN109886910B (zh) * | 2019-02-25 | 2021-07-13 | 榆林市国土资源局 | 外部数字高程模型dem修正方法及装置 |
CN110703252A (zh) * | 2019-11-11 | 2020-01-17 | 中国科学院电子学研究所 | 干涉合成孔径雷达阴影区域数字高程模型修正方法 |
CN110703252B (zh) * | 2019-11-11 | 2021-07-09 | 中国科学院电子学研究所 | 干涉合成孔径雷达阴影区域数字高程模型修正方法 |
WO2023274404A1 (en) * | 2021-07-01 | 2023-01-05 | Beijing Bytedance Network Technology Co., Ltd. | Application of super resolution |
Also Published As
Publication number | Publication date |
---|---|
CN103455709B (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103455709A (zh) | 一种用于数字高程模型的超分辨率方法及其系统 | |
CN110738252B (zh) | 空间自相关的机器学习卫星降水数据降尺度方法、系统 | |
Titus et al. | Geologic versus geodetic deformation adjacent to the San Andreas fault, central California | |
CN107180450B (zh) | 一种基于dem的河谷横断面形态的算法 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
Lan et al. | A high‐order fast‐sweeping scheme for calculating first‐arrival travel times with an irregular surface | |
CN102721977B (zh) | 高精度转换波各向异性叠加速度分析方法 | |
CN104035138A (zh) | 一种全球及局部海洋扰动重力的精确快速计算方法 | |
CN102927934A (zh) | 一种利用单个InSAR干涉对获取矿区地表三维形变场的方法 | |
CN106372290B (zh) | 一种v型河道库容量算方法 | |
CN102982247A (zh) | 一种任意开挖断面隧洞的围岩应力分析方法 | |
CN105355042A (zh) | 一种基于出租车gps的道路网络提取方法 | |
CN104809724A (zh) | 多波段遥感影像的自动精配准方法 | |
CN103175516A (zh) | 规模化大地控制网平差的分布式计算方法 | |
CN103778298A (zh) | 改进的模拟多孔介质中二维水流运动的多尺度有限元方法 | |
CN104360396B (zh) | 一种海上井间tti介质三种初至波走时层析成像方法 | |
CN103970837A (zh) | 基于城市用地和竖向规划的不连续dem分类制作方法 | |
CN103698810A (zh) | 混合网最小走时射线追踪层析成像方法 | |
Wang et al. | A Strategy for Variable-Scale InSAR Deformation Monitoring in a Wide Area: A Case Study in the Turpan–Hami Basin, China | |
CN103310461B (zh) | 基于块卡尔曼滤波的图像边缘提取方法 | |
Jiao et al. | Assessing the impact of building volume on land subsidence in the central Business District of Beijing with SAR tomography | |
Xiao et al. | The monitoring and analysis of land subsidence in Kunming (China) supported by time series InSAR | |
Bai et al. | Understanding spatial growth of the old city of Nanjing during 1850–2020 based on historical maps and Landsat data | |
CN106815607B (zh) | 一种基于反距离权重插值反函数的等值线图像数据提取方法 | |
CN106844642A (zh) | 一种基于gis计算路网网格中人口密度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160224 |