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性和参数化卷积的数字高程模型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：CN120580140B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510706117.X，技术领域涉及：G06T3/4053；该发明授权一种基于自相似性和参数化卷积的数字高程模型超分辨率重建方法是由郑新;包睿;曾文艺;尹乾;杨栋;冯明喆;李伟刚设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于自相似性和参数化卷积的数字高程模型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性和参数化卷积的数字高程模型超分辨率重建方法，所属领域为计算机图像处理领域，包括：首先对高分辨率DEM数据进行预处理，生成高、低分辨率图像数据集。接着，对基于偏微分算子的等变卷积网络中的卷积基进行小波变换，提取低频和高频信息，并通过逆小波变换重建基。将重建后的基输入等变卷积网络进行训练，构建具有平移、旋转和尺度等变性的模型。最后，将低分辨率DEM图像输入训练好的模型，实现高分辨率DEM图像的超分辨率重建。该方法充分利用DEM数据的自相似性，结合等变卷积网络的特性，有效提升了DEM超分辨率重建的精度和效率。

本发明授权一种基于自相似性和参数化卷积的数字高程模型超分辨率重建方法在权利要求书中公布了：1.一种基于自相似性和参数化卷积的数字高程模型超分辨率重建方法，其特征在于，包括： 对高分辨率数字高程模型数据进行数据预处理，得到高分辨率图像及对应的低分辨率图像，并将数据分为训练数据集和测试数据集； 根据所述训练数据集，对基于偏微分算子的等变卷积网络中获得的用于卷积操作的基进行小波变换，得到包含低频部分和高频部分的小波变换系数； 根据所述小波变换系数，进行逆小波变换，重建信号，得到经过小波变换的基； 根据所述经过小波变换的基，输入等变卷积网络中进行模型训练，得到同时具有平移等变性、旋转等变性和尺度等变性的等变卷积网络模型； 根据所述测试数据集，将预处理后的低分辨率数字高程模型图像输入训练好的等变卷积网络模型中进行超分辨率重建，得到高分辨率数字高程模型图像； 根据所述经过小波变换的基，输入等变卷积网络中进行模型训练的过程包括： 根据经过小波变换的基，构建输入层、中间层和输出层的等变卷积； 在输入层，构建处理输入图像数据的等变卷积； 在中间层，构建处理中间特征图的等变卷积； 在输出层，构建处理输出图像数据的等变卷积； 使用训练数据集对等变卷积网络进行训练，得到具有平移等变性、旋转等变性和尺度等变性的等变卷积网络模型； 所述构建输入层、中间层和输出层的等变卷积的步骤具体包括： 在输入层，离散化多项式中的所有微分算子，得到输入层的等变卷积； 在中间层，离散化多项式中的所有微分算子，得到中间层的等变卷积； 在输出层，离散化多项式中的所有微分算子，得到输出层的等变卷积； 其中，不同层中多项式中的系数根据所需处理的数据及每层作用不同而不同； 最终变换后的等变卷积网络模型的具体结构如下： 输入层中，构建处理输入图像数据的等变卷积： 8； 其中，A为等变群S中的正交矩阵，是微分算子族，离散化式8多项式中的所有微分算子，所得新的算子即为输入层的等变卷积； 中间层中，构建处理中间特征图的等变卷积： 9； 其中，为各项系数集合为的多项式，是微分算子族，离散化式9中的所有微分算子，所得新的算子即为中间层的等变卷积； 输出层中，构建处理输出的等变卷积： 10； 其中，是微分算子族，离散化式10中的所有微分算子，所得新的算子即为输出层的等变卷积。

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：102206 北京市昌平区满井路甲2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。