一种利用影像重建数字高程模型的方法技术

本发明专利技术涉及图像处理和三维重建技术领域，特别涉及一种利用影像重建数字高程模型的方法。方法包括：1)将影像数据及其对应的数字高程模型(DEM)数据进行预处理，制作用于生成高分辨率DEM的训练数据集。2)构建深度学习网络，使用训练数据集中的数据进行网络训练，完成训练后得到高程重建网络；3)将待重建地区的影像和该地区的低分辨率DEM数据进行预处理；4)利用高程重建网络得到与输入影像分辨率一致的高程重建结果；5)将网络输出的高程重建结果进行后处理，得到DEM。本方法利用单张影像的灰度信息，以低分辨率DEM为约束，通过训练的深度网络模型，实现端到端的高分辨率DEM重建。实现端到端的高分辨率DEM重建。实现端到端的高分辨率DEM重建。

【技术实现步骤摘要】
一种利用影像重建数字高程模型的方法


[0001]本专利技术涉及图像处理和三维重建
，特别涉及一种利用影像重建数字高程模型的方法。

技术介绍

[0002]数字高程模型(Digital elevation model，DEM)是利用规则格网和其对应的高程值来对地面地形进行数字化模拟。目前生产地面DEM的方式主要采用航空航天立体成像、激光扫描等技术，但受测量成本和技术应用场景的限制，尤其在受限环境例如深空探测等应用场景，获得高分辨率、高精度的DEM数据仍然需要较高的成本。
[0003]在受限环境下，部分地区缺乏立体影像，无法利用传统生产方式得到DEM，且激光扫描仅能提供低分辨率地形信息。对于单张影像，由于光照和地形起伏在影像上体现为明暗的差异，虽可以利用传统的明暗恢复形状(Shape from Shading，SFS)方法恢复地形信息，但该方法的问题在于限制条件苛刻，模型复杂度高，且需要对于不同时相获取的数据重新调整模型参数，生产DEM的精度不理想。
[0004]随着计算机视觉和人工智能技术的快速发展，基于深度学习的方法可以构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用影像重建数字高程模型的方法，包括以下步骤：A、将影像数据及其对应的数字高程模型数据进行预处理，制作用于生成与输入影像分辨率一致的数字高程模型的训练数据集；B、构建深度学习网络，使用所述的训练数据集中的数据进行网络训练，完成训练后得到高程重建网络；C、将待重建地区的影像和该地区的低于所述输入影像分辨率的数字高程模型数据进行预处理；D、利用高程重建网络得到与输入影像分辨率一致的高程重建结果；E、将网络输出的高程重建结果进行后处理，得到数字高程模型。2.根据权利要求1所述的一种利用影像重建数字高程模型的方法，其特征在于，所述的步骤A具体包括：A1、获取所需要的数据，包括：地表某区域的影像数据集X以及其同源或异源的数字高程模型数据集Y；A2、对所有数据进行归一化处理；A3、分别将数据集中每一个影像数据和对应数字高程模型数据进行几何配准；A4、制作深度学习网络训练数据，建立训练数据集。3.根据权利要求2所述的一种利用影像重建数字高程模型的方法，其特征在于，所述的步骤A4具体包括：A41、将影像数据和数字高程模型数据裁剪成同等大小,记为C_x
i
、C_y
i
(i＝1,2,
…
,m)，m表示影像或对应DEM的数量，x表示影像数据，y表示数字高程模型数据；A42、采用双线性内插法或最近邻内插法的方式将C_y
i
进行降采样数倍为D_y
i
；A43、再将D_y
i
进行上采样为U_D_y
i
，使其格网大小与C_x
i
一致；A44、将C_x
i
作为第一波段，U_D_y
i
作为第二波段，合成一个二通道影像数据文件，记为S_x
i
，作为训练数据，记为(S_x
i
，C_y
i
)。4.根据权利要求3所述的一种利用影像重建数字高程模型的方法，其特征在于，所述的所述的步骤A4还包括步骤A45、所述的训练数据不局限于仅使用影像数据与数字高程模型数据制作，即将多源数据按步骤A42、A43进行处理，作为新的波段通道合成为S_x
i
，若增加多源影像波段，则后续待重建影像数据也需要对应做出更改，保证需要处理的影像的波段数、波段类型与S_x
i
一致。5.根据权利要求1所述的一种利用影像重建数字高程模型的方法，其特征在于，所述的步骤B的具体过程为：B1、利用对抗生成网络模型机制，分别建立生成网络模型和判别网络模型；B2、添加训练数据，采用前向运算和误差反向传播的方式对所建立网络进行训练，得到所述的高程重建网络。6.根据权利要求5所述的一种利用影像重建数字高程模型的方法，其特征在于，所述的步骤B1的具体...

【专利技术属性】
技术研发人员：王晔昕，刘洋，邸凯昌，刘斌，彭嫚，刘召芹，万文辉，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：