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！

龙图腾网获悉中国海洋大学申请的专利一种多源、多物理场重力数据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：CN120634864B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511130187.1，技术领域涉及：G06T3/4053；该发明授权一种多源、多物理场重力数据超分辨率重建方法是由孙剑;贾博德设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本一种多源、多物理场重力数据超分辨率重建方法在说明书摘要公布了：本申请涉及海洋地球物理勘探与测绘技术领域，提供了一种多源、多物理场重力数据超分辨率重建方法。所述方法包括：获取预处理后的低分辨率卫星测高重力数据和预处理后的高分辨率船载重力数据，构建训练数据集；构建对偶回归深度学习模型；利用所述训练数据集对所述对偶回归深度学习模型进行训练，得到训练后的对偶回归深度学习模型；将待重建目标区域预处理后的低分辨率卫星重力数据输入所述训练后的对偶回归深度学习模型，获取该重建目标区域的超分辨率重建重力数据。本申请通过对偶网络闭环约束和自适应退化建模，显著减少对高分辨率船载重力数据的依赖，同时提升了重建精度与泛化能力。

本发明授权一种多源、多物理场重力数据超分辨率重建方法在权利要求书中公布了：1.一种多源、多物理场重力数据超分辨率重建方法，其特征在于，包括： 步骤S101：获取重力数据，重力数据包括低分辨率卫星测高重力数据和高分辨率船载重力数据； 步骤S102：对低分辨率卫星测高重力数据和高分辨率船载重力数据进行预处理，获取预处理后的低分辨率卫星测高重力数据和预处理后的高分辨率船载重力数据，根据预处理后的低分辨率卫星测高重力数据和预处理后的高分辨率船载重力数据构建配对样本数据集和非配对样本数据集；配对样本数据集和非配对样本数据集组成训练数据集； 配对样本数据集由预处理后的低分辨率卫星测高重力数据和预处理后的高分辨率船载重力数据组成，非配对样本数据集由预处理后的低分辨率卫星测高重力数据组成； 步骤S103：构建对偶回归深度学习模型，对偶回归深度学习模型包括：主回归网络P和对偶回归网络D； 步骤S104：利用训练数据集对对偶回归深度学习模型进行训练，得到训练后的对偶回归深度学习模型，具体包括： 步骤S1041：将训练数据集中的预处理后的低分辨率卫星测高重力数据作为输入数据，输入主回归网络P，获取相应的超分辨率重建重力数据，表达式为： ， 超分辨率重建重力数据包括第一超分辨率重建重力数据和第二超分辨率重建重力数据，第一超分辨率重建重力数据为： ， 其中，为配对样本数据集中的预处理后的低分辨率卫星测高重力数据； 第二超分辨率重建重力数据为： ， 其中，为非配对样本数据集中的预处理后的低分辨率卫星测高重力数据； 步骤S1042：将超分辨率重建重力数据，输入对偶回归网络D，获取低分辨率映射后的重建低分辨率重力数据，表达式为： 重建低分辨率重力数据包括第一重建低分辨率重力数据和第二重建低分辨率重力数据，第一重建低分辨率重力数据为： 第二重建低分辨率重力数据为： 步骤S1043：判断输入的训练数据集中的预处理后的低分辨率卫星测高重力数据是否属于配对样本数据集，若属于，则执行步骤S1044-步骤S1047；若不属于，则执行步骤S1045-步骤S1047； 步骤S1044：将预处理后的高分辨率船载重力数据输入对偶回归网络D，获取低分辨率映射后的船载低分辨率重力数据，表达式为： ； 步骤S1045：构建目标函数，计算主回归网络P和对偶回归网络D中所有输出数据和其对应标签数据的误差； 步骤S1046：判断目标函数是否满足预设条件，若不满足，则执行步骤S1047，若满足，则完成对偶回归深度学习模型的训练，得到训练完成后的对偶回归深度学习模型； 步骤S1047：将目标误差反向传播至主回归网络P和对偶回归网络D，更新对偶回归深度学习模型的可学习参数，继续执行步骤S1041至步骤S1046； 步骤S105：将待重建目标区域预处理后的低分辨率卫星重力数据输入训练后的对偶回归深度学习模型中的主回归网络P，获取该重建目标区域的超分辨率重建重力数据。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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”。

以上内容由龙图腾AI智能生成。