公开(公告)号：CN117473215A

公开(公告)日：2024-01-30

申请号：CN202311383585.5

申请日：2023-10-24

Applicant: 中南大学 ,  中南林业科技大学

Inventor： 杨泽发 ,  曹展朋 ,  周璀 ,  李志伟

IPC: G06F17/16 ,  G06F17/12

Abstract: 本申请适用于获取地表数字高程模型技术领域，提供了一种基于重复轨道InSAR的DEM高频更新方法及设备，该方法包括：获取多个重复轨道SAR影像数据；解缠获取解缠相位矩阵；基于多轨道解缠相位矩阵构建观测方程组，获取观测方程组的初始解；对初始解进行稳健估计得到稳健权重矩阵；计算后验方差矩阵；利用后验方差矩阵对稳健权重矩阵更新得到权重矩阵，判断后验方差矩阵中元素是否相等，若是，权重矩阵作为最优权重矩阵，否则，权重矩阵作为初始权重矩阵，返回对初始解进行稳健估计得到稳健权重矩阵的步骤；利用最优权重矩阵估计第T个时刻的地形残差，与参考DEM相加，得到当前的DEM。该方法能够解决DEM更新准确性低的问题。

公开(公告)号：CN117745959A

公开(公告)日：2024-03-22

申请号：CN202311214770.1

申请日：2023-09-20

Applicant: 中南林业科技大学 ,  中南大学

Inventor： 周璀 ,  孙欣芃 ,  杨泽发 ,  朱建军

IPC: G06T17/05 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08 ,  G06N3/084 ,  G06N3/088 ,  G06N3/09 ,  G06N3/006

Abstract: 一种基于PSO‑DBN模型的植被山区SRTM DEM校正方法，包括以下步骤：1)对获取的原始数据进行预处理；2)使用DBN网络结构对原始数据进行训练；在训练过程中使用PSO优化DBN的超参数，得到PSO‑DBN模型算法；3)使用PSO‑DBN模型算法校正预设林区的SRTM DEM。经本发明的基于PSO‑DBN模型的植被山区SRTM DEM校正方法校正之后，SRTM DEM平均误差和均方根误差能够分别下降了93.5％‑96.0％和21.5％‑23.5％，地形复杂区的精度提升超过了26.1％。

公开(公告)号：CN104376550A

公开(公告)日：2015-02-25

申请号：CN201410718267.4

申请日：2014-12-01

Applicant: 中南大学

Inventor： 朱建军 ,  樊东昊 ,  周璀 ,  周靖鸿

IPC: G06T5/50 ,  G06T3/40

Abstract: 本发明公开了一种基于含积分的平差模型的超分辨率图像重建方法，包括以下步骤：步骤1：对多幅低分辨率图像进行亚像素级配准，获得图像之间的空间位置关系；步骤2：将低分辨率图像像素值作为观测值，建立含观测方程，对观测方程进行线性化处理并依据最小二乘原理解算出未知参数，利用获得的未知参数解算高分辨率像素值；步骤3：对高分辨率象元重叠区域加权平均，获得超分辨率图像。该基于含积分的平差模型的超分辨率图像重建算法原理直观，易于编程实现和扩展，是一种稳健、可行性高的重建算法，可以广泛应用于各种图像实现超分辨率重建。不但可以提高图像信噪比，而且能够保持较好的图像结构信息，获得了更优的图像质量。

公开(公告)号：CN116797750A

公开(公告)日：2023-09-22

申请号：CN202310711266.6

申请日：2023-06-15

Applicant: 中南林业科技大学 ,  中南大学

Inventor： 周璀 ,  欧阳子都 ,  杨泽发 ,  朱建军

IPC: G06T17/05 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0985 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明中的基于深度学习的DEM误差校正方法，包括以下步骤：S10、获取输入参数；S20、将输入参数依次输入至两个以上的基学习器中，对每个基学习器以交叉验证的方式进行训练，获得每个基学习器中输入参数与输出结果之间的对应组数的初步预测结果，并将所有基学习器的所有初步预测结果组成新特征矩阵；S30、将新特征矩阵输入至元学习器中，通过元学习器训练融合所有的初步预测结果，获得最终预测结果。本发明中通过将具有不同算法结构的多个基学习器和元学习器进行融合，能够充分结合不同基学习器和元学习器的优势，同时最小化它们的劣势，使得在提升表现的同时降低了过拟合的可能性，因而具有更强的非线性拟合能力和泛化能力。

公开(公告)号：CN116740296A

公开(公告)日：2023-09-12

申请号：CN202310779189.8

申请日：2023-06-28

Applicant: 中南林业科技大学 ,  中南大学

Inventor： 周璀 ,  杨泽发 ,  朱建军 ,  申兴东

IPC: G06T17/05 ,  G06F17/18 ,  G06F17/16

Abstract: 一种基于最小二乘配置的TanDEM‑XDEM误差校正方法，包括以下步骤：1)由TanDEM‑X/TerraSAR‑X数据生成TanDEM‑XDEM数据，获取ICESat‑2数据；2)将DEM任意一点的误差分为系统误差和随机误差，并建立基于最小二乘配置的误差校正模型；L＝BX+GY+Δ；(1)3)由原始的TanDEM‑XDEM减去步骤2)得到的误差估计值，便可得到校正后的DEM。本发明的方法，可以同时校正TanDEM‑XDEM的系统误差和随机误差。结果表明，经过本发明方法校正后的TanDEM‑XDEM在该区域的平均误差绝对值由2.019m减少到了0.058m；均方根误差由6.141m降低到了3.851m，精度提高了37.3％。