申请/专利权人：青岛埃克曼科技有限公司

申请日：2023-12-26

公开（公告）日：2024-04-26

公开（公告）号：CN117474763B

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：基于神经网络的沿海低分辨率水深数据高分辨率化方法，包括由高分辨率海图数据制作高分辨率水深数据图像，制作与高分辨率水深数据图像同一位置的低分辨率水深数据图像，建立水深值与颜色对应关系，同一位置下的高分辨率和低分辨率水深数据图像，导入预训练模型，进行模型训练，若不收敛则对模型参数调整，直至收敛，使用非训练区域水深数据进行模型效果评估，效果不佳则对训练区域内高分辨率与低分辨率水深数据图像的边缘进行裁剪，得到用于对近岸低分辨率水深数据进行高分辨率化的神经网络模型。本发明的模型易于构建，数据来源可靠，预测准确率较传统方法更高；除水深数据外，基于相同的思路也可以建立其他低分辨率数据与高分辨数据之间的模型。

主权项：1.基于神经网络的沿海低分辨率水深数据高分辨率化方法，其特征是包括：（1）根据高分辨率海图数据，建立具有水深及坐标信息的、用于神经网络训练和测试的高分辨率水深数据图像；（2）根据高分辨率水深数据图像的坐标信息，寻找对应位置的低分辨率水深数据，建立具有水深及坐标信息的、用于神经网络训练和测试的低分辨率水深数据图像；（3）通过以上操作得到同一位置下的高分辨率图像水深数据图像与低分辨率水深数据图像，并作为训练区域内的水深数据图像，据此建立水深值与图像颜色的对应关系；（4）导入预训练模型，对模型进行训练，若模型不收敛，则对模型参数进行进一步调整，直至模型收敛；（5）采用非训练区域低分辨率水深数据对模型进行拓展验证，将模型通过低分辨率水深数据得到的高分辨率水深数据与实际的高分辨率水深进行比对，如果效果不佳，则对原训练区域内高分辨率与低分辨率水深数据图像的边缘进行裁剪，将裁剪后的图像用于模型训练；（6）通过以上步骤得到用于对近岸低分辨率水深数据进行高分辨率化的神经网络模型；所述步骤（1）中，以近岸S57海图数据作为高分辨率海图数据，则从S57海图数据中提取水深坐标点，导出水深及坐标信息；同时从S57海图数据中提取关于水深及坐标和水体范围的shape文件，对提取的水深及坐标信息建立水深数据的初步分布矩阵，将初步分布矩阵映射为单一通道图像；之后根据水体范围，制作高精度插值网格，将海图水深数据在该区域进行插值；采用shape文件对插值结果进行校正，以修复插值造成的岸线模糊；形成带有水深与坐标信息的高分辨率水深数据图片。

全文数据：

权利要求：

百度查询： 青岛埃克曼科技有限公司 基于神经网络的沿海低分辨率水深数据高分辨率化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD