期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合生成对抗网络与SRTM的ASTER GDEM数据重建
1
作者 陈智 许捍卫 +2 位作者 衡雪彪 韩森 李勇 《地理与地理信息科学》 CSCD 北大核心 2024年第4期15-20,共6页
航拍死角、匹配偏差、点位不足、云雾遮盖等易使数字高程模型(DEM)存在数据异常。鉴于光学立体摄影测量获得的ASTER GDEM受天气因素影响大,雷达测量得到的SRTM DEM受地形起伏因素影响大,为提高ASTER GDEM数据的质量,该文构建一种多源多... 航拍死角、匹配偏差、点位不足、云雾遮盖等易使数字高程模型(DEM)存在数据异常。鉴于光学立体摄影测量获得的ASTER GDEM受天气因素影响大,雷达测量得到的SRTM DEM受地形起伏因素影响大,为提高ASTER GDEM数据的质量,该文构建一种多源多尺度残差连接门控卷积生成对抗网络(Multi-Source and Multi-Scale Residual-Connected Gated Convolutional Generative Adversarial Network, MSSRGC-GAN),利用SRTM DEM数据辅助重建ASTER GDEM中异常数据,并以实验区范围内多组不同地貌的ASTER GDEM样本数据重建为例,对模型进行定量评价。结果显示:重建数据RRMSE小于0.06,R~2大于0.9,PSNR大于60,SSIM在0.999 5以上,优于反距离插值法和SRTM镶嵌法等传统方法以及无门控卷积模型和无空洞卷积模型等深度学习方法。 展开更多
关键词 ASTER GDEM SRTM DEM 数据重建 深度学习 mssrgc-gan
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部