基于多尺度残差增强网络的DEM超分辨率重建

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：韩超;张晓滨*

摘要：数字高程模型(DEM)被认为是最重要的基础地理数据模型之一,在水文分析、路径规划和建模等方面有着广泛的应用。 然而,通过具有更高精度的传感器获取大面积高分辨率 DEM 数据的高成本对许多地理分析应用提出了挑战。 结合多尺度特征、残差学习和多尺度通道注意力机制,该文提出了基于多尺度残差多通道注意力增强网络的数字高程模型超分辨率重建方法,其中多尺度残差多通道注意力增强模块(MRCAEM)利用具有多个不同的卷积核大小的卷积层组合,经过多尺度通道注意力机制可更好地捕捉不同尺度的语义信息,细化多尺度特征的提取。 经特征融合后,通过重建模块可重建出更真实的高分辨率 DEM。 实验证明,该方法的均方根误差(RMSE)对比其他方法降低了约 2% ~ 30% 。

关键词：数字高程模型;超分辨率重建;多尺度;残差融合网络;多尺度通道注意力;可变形卷积