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：西北工业大学

摘要：本发明公开了一种基于迁移学习的全球DEM数据集超分辨率重建方法，该方法包括：1、采用NASADEM卫星影像、GEBCO_2021数据和海洋地形DEM数据，构建超分辨率模型陆地、海洋区域基础数据集；2、将基础数据集进行数据增强和扩充，分别分成陆地和海洋训练、测试和迁移学习数据集；3、构建改进的基于深度残差预训练深度神经网络；4、利用改进的深度残差深度神经网络模型对陆地地区进行训练、测试；5、采用迁移学习模型Fine‑tune方法对构建好的预训练模型，生成适用于全球尺度DEM超分辨率重建模型；6、输入低分辨率GEBCO_2021数据到超分辨率模型中，生成高分全球DEM数据集。本发明通过在模型训练中引入少量海洋区域高低分辨率的样本数据进行迁移训练，从而提升模型跨区域泛化能力。

主权项：1.一种基于迁移学习的全球DEM数据集超分辨率重建方法，其特征在于，包括如下步骤：步骤1：获取全球1弧秒分辨率NASADEM陆地DEM影像、GEBCO_202115弧秒分辨率全球DEM影像数据以及多源高分辨率海洋DEM影像，对两个DEM影像进行收集与预处理；步骤2：采用双三次插值bicubic方法，对获取的高分辨率全球1弧秒陆地NASADEM数据进行3倍插值下采样，获得3弧秒分辨率全球陆地DEM影像，通过预处理和裁剪处理后，结合GEBCO_2021数据构建相应高、低分辨率全球陆地区域训练和测试数据集；采用同样方式对多源高分辨率海洋DEM影像进行插值下采样构建迁移学习样本数据集；步骤3：建立改进的深度残差网络模型，即：以深度残差模块的卷积神经网络作为基础架构，利用放大因子为5的插值函数层用于上采样，并放在网络末端层，实现DEM影像特定比例超分放大；步骤4：将步骤2中所构建的全球陆地区域训练数据集输入到改进的深度残差网络模型中进行训练，得到预训练网络模型；步骤5：依据步骤4得到的预训练网络模型，结合迁移学习的方法冻结预训练网络模型结构前段网络层，仅训练插值上采样层，利用迁移学习样本数据集对预训练网络模型进行微调，最终构建适应全球的DEM影像超分辨率模型；步骤6：依据适应全球的DEM影像超分辨率模型，输入低分辨率全球GEBCO_2021影像，获得重建的高分辨率全球DEM数据集。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于迁移学习的全球DEM数据集超分辨率重建方法