Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京师范大学郑新获国家专利权

北京师范大学郑新获国家专利权

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!

龙图腾网获悉北京师范大学申请的专利一种基于自相似特征和Transformer技术的DEM超分辨率重建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114693527B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210398481.0,技术领域涉及:G06T3/4053;该发明授权一种基于自相似特征和Transformer技术的DEM超分辨率重建方法是由郑新;尹乾;鲍泽伦;杨栋设计研发完成,并于2022-04-15向国家知识产权局提交的专利申请。

一种基于自相似特征和Transformer技术的DEM超分辨率重建方法在说明书摘要公布了:本发明公开了一种基于自相似特征和Transformer技术的数字高程模型DEM超分辨率重建算法,该方法能够更精确的提升数字高程模型数据的分辨率,包括如下步骤:1对高分辨率数字高程模型训练数据进行预处理,利用地形的自相似性原理,得到具有相似细节特征的参考数据的数字高程模型预处理数据;2构建Transformer模型,所述Transformer模型用于对所述数字高程模型预处理数据进行超分辨率重建,生成高分辨率数字高程模型数据;3将数字高程模型预处理数据输入至所述Transformer模型中进行模型训练,得到训练好的Transformer模型;4将低分辨率数字高程模型数据进行预处理后,输入至所述训练好的Transformer模型中进行数字高程模型超分辨率重建,得到高分辨率数字高程模型数据。

本发明授权一种基于自相似特征和Transformer技术的DEM超分辨率重建方法在权利要求书中公布了:1.一种基于自相似特征和Transformer技术的数字高程模型超分辨率重建方法,其特征在于,包括以下步骤: 1对高分辨率数字高程模型训练数据进行预处理,利用地形的自相似性原理,得到具有相似细节特征的参考数据的数字高程模型预处理数据; 2构建Transformer模型,所述Transformer模型用于对所述数字高程模型预处理数据进行超分辨率重建,生成高分辨率数字高程模型数据; 3将数字高程模型预处理数据输入至所述Transformer模型中进行模型训练,得到训练好的Transformer模型; 4将低分辨率数字高程模型数据进行预处理后,输入至所述训练好的Transformer模型中进行数字高程模型超分辨率重建,得到高分辨率数字高程模型数据; 步骤1中的所述对高分辨率数字高程模型训练数据进行预处理,利用地形的自相似性原理,得到具有相似细节特征的参考数据的数字高程模型预处理数据,包括: 对高分辨率数字高程模型训练数据进行去边界处理以及裁剪,得到分辨率为n×n的高分辨率数字高程模型数据DEM-HR; 对去边界处理后的所述高分辨率数字高程模型初始数据进行a倍下采样处理,获得低分辨率数字高程模型初始数据; 对所述低分辨率数字高程模型初始数据进行裁剪,得到分辨率为na×na的低分辨率数字高程模型数据DEM-LR;并以所述低分辨率数字高程模型数据DEM-LR为中心,裁剪出具有相似细节特征的分辨率为n×n的数字高程模型参考数据DEM-Ref; 对所述低分辨率数字高程模型数据DEM-LR使用a倍上采样得到低分辨率数字高程模型上采样数据DEM-LR-U,对所述数字高程模型参考数据DEM-Ref依次使用a倍下采样和a倍上采样得到数字高程模型参考下采样上采样数据DEM-Ref-DU; 所述数字高程模型预处理数据包括:所述低分辨率数字高程模型数据DEM-LR,所述低分辨率数字高程模型上采样数据DEM-LR-U,所述数字高程模型参考数据DEM-Ref,所述数字高程模型参考下采样上采样数据DEM-Ref-DU。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京师范大学,其通讯地址为:100875 北京市海淀区新街口外大街19号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。