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！

龙图腾网获悉同济大学申请的专利基于曲率正则化的多源月球DEM自适应变分融合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：CN119740190B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411898183.3，技术领域涉及：G06F18/25；该发明授权基于曲率正则化的多源月球DEM自适应变分融合方法是由叶真;邱思怡;徐聿升;黄荣;童小华;谢欢;王超;金雁敏;陈鹏;杨明设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于曲率正则化的多源月球DEM自适应变分融合方法在说明书摘要公布了：本发明涉及一种基于曲率正则化的多源月球DEM自适应变分融合方法，包括以下步骤：1提出坡度异常剔除的加权数据保真模型，通过计算输入DEM与迭代结果的相对残差，动态调整各输入数据的权重，以提升融合精度；2采用曲率约束的总变分正则化融合模型，通过在融合过程中引入曲率平滑约束，有效减少噪声和伪痕，同时保留地形细节，从而生成具有更高空间一致性的无缝DEM数据。与传统DEM融合方法相比，本发明方法有效解决了尺度差异、噪声、数据空洞及伪痕等问题，显著提升了融合后DEM数据的精度和细节表现，可为月球探测任务提供高质量的地形数据支持。

本发明授权基于曲率正则化的多源月球DEM自适应变分融合方法在权利要求书中公布了：1.一种基于曲率正则化的多源月球DEM自适应变分融合方法，其特征在于，包括如下步骤： 构建曲率约束下的坡度异常剔除的总变分正则化融合模型； 获取待融合的DEM数据，利用所述总变分正则化融合模型，计算得到融合后的DEM数据，所述的构建曲率约束下的坡度异常剔除的总变分正则化融合模型过程包括： 构建正则化变分融合框架； 通过计算滑动窗口中坡度异常来检测DEM中的异常点，计算表征观测模型中的模型误差的数据保真项； 计算消除阶梯效应的曲率正则化项； 基于所述正则化变分融合框架、所述数据保真项和所述正则化项，构建曲率约束下的坡度异常剔除的总变分正则化融合模型，所述的构建正则化变分融合框架的过程包括： 建立多尺度输入的DEM数据与待融合的目标DEM之间的降质模型； 基于所述降质模型，将多尺度DEM融合建模为泛函极值优化问题，构建正则化变分融合框架，所述的正则化变分融合框架建模为： 其中，表示融合后的DEM数据，表示第个输入的DEM数据，即降质后的DEM数据，是平移矩阵，是重采样矩阵，是剔除粗差矩阵，表示降质前的DEM数据，是范数，为正则化项，为正则化参数，为输入的DEM数据的总个数，所述的DEM中的异常点采用下式判断： 其中，是窗口中心像素的梯度值，是局部窗口内梯度的平均值，是局部窗口内梯度的标准差，为可调节的阈值，若满足上式条件则判断为DEM中的异常点，带入所述数据保真项的正则化变分融合框架为： 其中，表示融合后的DEM数据，表示第个输入的DEM数据，即降质后的DEM数据，是平移矩阵，是重采样矩阵，是剔除粗差矩阵，表示降质前的DEM数据，是范数，为正则化项，为正则化参数，为输入的DEM数据的总个数，为迭代次数，所述的计算消除阶梯效应的曲率正则化项的过程包括： 构建总变分模型，基于所述总变分模型，计算消除阶梯效应的曲率正则化项，所述的曲率约束下的坡度异常剔除的总变分正则化融合模型建模为： 其中，表示融合后的DEM数据，表示第个输入的DEM数据，即降质后的DEM数据，是平移矩阵，是重采样矩阵，是剔除粗差矩阵，表示降质前的DEM数据，是范数，为正则化项，为正则化参数，为输入的DEM数据的总个数，为迭代次数，为总变分，为曲率，和是两个正常数。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。