一种基于双通道滤波器的DEM超分辨率重建方法及系统

本发明属于图像处理，涉及一种基于梯度信息驱动双通道滤波器的dem超分辨率重建方法、系统、设备及介质。

背景技术：

1、数字高程模型是地理信息系中常用的地形数据模型，用于描述地球表面上每个点的高度值。数字高程模型在地理信息分析中发挥着重要作用如：地形分析、水文建模、地质研究、土地规划和环境模拟。近年来随着技术的不断发展，对大规模高分辨率数字高程模型的需求不断增加。

2、获取高质量数字高程模型有两种方式，一是依靠成像系统硬件设备来提高图像分辨率如：车载激光雷达测量、航空摄影测量和卫星影像测量等方法，上述方法虽然可以获得大规模数字高程模型，但分辨率有限，想要提升分辨率必须通过提升硬件水平会大幅度增加经济费用，因此传统方法难以满足实际应用中对大规模高分辨率数字高程模型的要求。二是利用图像超分辨率重建)来获取高分辨率的数字高程模型数据。此方法较传统方法对比有以下具体优势：成本相对较低，无需高昂的硬件支出；实施相对容易，通过纯软件方式即可实现；适用范围广泛，具备更广泛的实际应用性。因此通过对低分辨率图像进行超分辨率重建来提升其质量是经济适用且较为可行的方案。

3、并且随着深度学习的发展，出现了新的超分辨图像重建方法：将卷积神经网络运用于机器学习，其中srcnn(super-resolution convolutional neural network)方法在2014年被提出，通过三个卷积层学习低分辨率图像到高分辨率图像的映射函数，实现高质量的超分辨率重建。此方法在细节恢复程度和适用性方面优于其他学习方法。随后，许多改进方法如vdsr(very deep super-resolution)、edsr(enhanced deep super-resolution)和rcan(residual channel attention networks)相继提出，通过增加网络深度、引入残差连接和注意力机制等技术，进一步提升超分辨率重建图像的性能和质量。

4、然而，现有一种基于学习的方法大多将二维图像作为重建对象，对二维流形的研究较少。数字高程模型作为二维流形，每个点代表现实中的高度值，若将数字高程模型作为二维图像进行超分辨重建需要将二维流形投影到水平面，其中灰度值代表实际高度。但这一转换存在问题，计算机通常读取8位2进制的灰度值，范围为0-255，而现实中的海拔范围远超过255。

技术实现思路

1、针对现有技术中存在的问题，本发明提供一种基于双通道滤波器的dem超分辨率重建方法及系统，以edsr为基本模型框架，通过改进残差模块结构，引入空洞卷积，增大感受野，更好地捕捉到地形的长程相关性，增加重建后数字高程模型的细节，以低分辨率数字高程模型的梯度图作为输入数据，并最终在梯度域和高度域的双重约束下进行重建，使得数字高程模型数据成为可用的输入数据。

2、本发明是通过以下技术方案来实现：

3、一种基于梯度信息驱动双通道滤波器的dem超分辨率重建方法，包括，

4、将高分辨率数字高程模型h进行图像预处理后，得到低分辨率数字高程模型的梯度图l1；

5、通过图像超分辨率处理将所述低分辨率数字高程模型梯度图l1通过第一层卷积层提取特征图f，再进入残差模块中，分别进入双滤波通道卷积层进行特征提取，输出特征图，经过32个残差模块后得到特征图f，其中残差模块中上通道包含一个空洞卷积层；

6、通过图像重建处理将特征图f重建成高分辨率梯度图，最终在梯度域与高度域双重约束下重建出高分辨数字高程模型h2。

7、优选的，将高分辨率数字高程模型h进行图像预处理的具体过程为：

8、s1：将高分辨率数字高程模型h划分为若干子模块，其中将子模块中的70％作为训练集d1，20％作为验证集d2，10％作为测试集d3；

9、s2：将高分辨率数字高程模型h中用于训练集和验证集的子模块，通过降采样方法得到低分辨率数字高程模型h1；

10、s3：将低分辨率数字高程模型h1使用图像梯度算子得到低分辨率数字高程模型的梯度图l1。

11、优选的，降采样方法的具体过程为：

12、将高分辨率数字高程模型h划分后的训练集与验证集中，分别按照缩放尺度为×2、×3、×4的因子进行下采样得到对应低分辨率数字高程模型h1。

13、优选的，所述图像梯度算子为prewitt算子。

14、优选的，所述图像超分辨率处理的具体过程为：

15、s1：对所述低分辨率数字高程模型梯度图l1通过第一层卷积层提取特征图f，再进入残差模块中；

16、s2：在残差模块中，分别进入双滤波通道卷积层进行特征提取得到两层特征图，对两层特征图结果进行链接，再采用密集连接的方式进行模块之间的对称残差连接，实现不同阶段的特征相互融合，输出特征图f_01；

17、s3：将特征图f_01输入到残差模块中，重复s2中学习步骤，将得到的特征图记为f_02，再将其输入到下一个残差模块中，重复逐步执行32个残差模块后得到特征图f_32；

18、s4：将特征图f_32与第一层卷积层提取的特征图f进行残差连接得到特征图f。

19、优选的，每个残差模块具有两个滤波通道，其中下方滤波通道有两个卷积层，每个卷积层大小为5*5，通道数为256，上方滤波通道包括一个普通卷积层和一个空洞卷积层，其中普通卷积层大小为3*3，通道数为256，空洞卷积层的大小为3*3，通道数为256。

20、优选的，空洞卷积层的扩张率选择为：1，2，3，1，2，3的循环结构并且设定最后一个残差模块中扩张率为3。

21、优选的，所述图像重建处理的具体过程为：

22、s1：将特征图f输入到upscale模块上后经过卷积层得到高分辨率数字高程模型梯度图l2；

23、s2:高分辨率数字高程模型梯度图l2在梯度域和高度域双重约束下重建得到高分辨数字高程模型h2。

24、一种基于梯度信息驱动双通道滤波器的dem超分辨率重建系统，包括，

25、图像预处理模块，用于对高分辨率数字高程模型h进行图像预处理后，得到低分辨率数字高程模型的梯度图l1；

26、图像超分辨率处理模块，用于对低分辨率数字高程模型梯度图l1通过第一层卷积层提取特征图f，再进入残差模块中，分别进入双滤波通道卷积层进行特征提取，输出特征图重复提取经过32个残差模块处理后，进行残差连接得到特征图f；

27、图像重建处理模块，用于将特征图f重建成高分辨率梯度图，最终在梯度域与高度域双重约束下重建出高分辨数字高程模型h2。

28、一种电子设备，包括处理器和存储器，所述存储器中存储至少一个指令，执行所述存储器中存储的指令以实现所述的基于梯度信息驱动双通道滤波器的dem超分辨率重建方法。

29、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于梯度信息驱动双通道滤波器的dem超分辨率重建方法。

30、与现有技术相比，本发明具有以下有益的技术效果：

31、本发明提供了一种基于双通道滤波器的dem超分辨率重建方法及系统，包括以下步骤：图像预处理、图像超分和图像重建，在图像超分步骤中，采用了32个残差模块，在残差模块中，通过改进残差结构，引入双滤波通道结构来提取特征，并将原始滤波部分的卷积层替换为空洞卷积层来增大感受野范围，提取更广阔区域内的高程特征；在图像重建步骤中，采用梯度域与高度域相约束的方法重建出高分辨率数字高程模型，本发明实现了模型更大范围提取特征，增大感受野范围，增强模型重建能力；实现了重建图像的细节清晰，适应不同尺度和复杂度的地形特征，有效地解决了传统算法无法准确恢复数字高程图像细节的问题。

32、进一步，以残差神经网络为基本网络模型，通过改进残差模块结构，引入空洞卷积，增大感受野，更好地捕捉到地形的长程相关性，增加重建后数字高程模型的细节；

33、进一步，以低分辨率数字高程模型梯度图作为输入数据，并最终在梯度域和高度域的双重约束下进行重建，使得数字高程模型数据成为可用的输入数据，解决了数据转换问题；

34、进一步，采用长短残差连接嵌套式连接方式，增强模型对图像局部和全局特征的提取融合能力缓解模型的梯度消失现象。