買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜天津大學申請的專利一種基于SRGAN的污染物空間降尺度方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116188270B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310202110.5，技術領域涉及：G06T3/4053；該發明授權一種基于SRGAN的污染物空間降尺度方法是由畢重科;王夢雨;于策;崔文娟;尹紅剛設計研發完成，并于2023-03-06向國家知識產權局提交的專利申請。

本一種基于SRGAN的污染物空間降尺度方法在說明書摘要公布了：本發明公開了一種基于SRGAN的污染物空間降尺度方法依次通過基于核函數對原始數據進行密集化轉換、基于SRGAN模型生成高分辨率圖像、以及基于高分辨率圖像反向生成同化數據的步驟實現；該方法克服了傳統數據同化計算過程復雜，需要大量的計算資源與計算時間，并首次將超分辨率生成對抗網絡模型引入污染物數據的同化過程，通過生成高分辨率的污染物濃度分布圖像來替代原始的同化方法，經過一次訓練便可以多次使用，大大節約率計算資源與計算時間，極大地提高了同化效率；同時，該方法相比同化過程所需的超算資源，完全能夠在普通電腦上完成計算過程，降低使用成本與使用門檻，實用性和適用性更強，實現了便捷高效地得到污染物濃度數據的同化結果的目的。

本發明授權一種基于SRGAN的污染物空間降尺度方法在權利要求書中公布了：1.一種基于SRGAN的污染物空間降尺度方法，其特征在于，步驟如下：S1、以徑向基函數中的高斯函數為核函數，對污染物的原始數據進行插值處理，擬合得到密集化數據；基于密集化數據繪制為以經度為橫坐標、緯度為縱坐標、并將污染物濃度以不同顏色進行表征的若干張彩色污染物日分布圖像；S2、構建用于生成高分辨率圖像的SRGAN模型，模型由生成網絡和判別網絡構成；其中，生成網絡由依次連接的第一卷積層、第一激活函數PReLU、第一殘差塊、第二殘差塊、第三殘差塊、第四殘差塊、第五殘差塊、第四卷積層、第二BN層、第五卷積層、第一亞像素卷積層、第二亞像素卷積層、第三激活函數PReLU和第六卷積層構成；每個殘差塊具有相同結構，均由依次連接的第二卷積層、第一BN層、第二激活函數PReLU和第三卷積層構成；第一卷積層和第六卷積層的卷積核大小均為9×9，第二卷積層、第三卷積層和第四卷積層的卷積核大小均為3×3；判別網絡由依次連接的第一卷積層、第一激活函數PReLU、類VGG網絡、自適應平均池化層、第三卷積層、第三激活函數PReLU、第三卷積層和激活函數Sigmoid；類VGG網絡由七個依次連接的相同模塊構成，每個模塊第二卷積層、第一BN層和第一激活函數LeakyReLU構成；判別網絡中的各卷積層均為卷積核大小均為3×3的卷積層；S3、訓練用于生成高分辨率圖像的SRGAN模型：S301、構建用于模型訓練的圖像數據集，其由低分辨率圖像集和高分辨率圖像集構成；低分辨率圖像集中的各個圖像分別與高分辨率圖像集中的各個圖像具有一一對應關系，且具有相同放大倍數；S302、定義損失函數的表達式為： 式中，和為內容損失函數，為對抗損失函數；其中， 表示生成的高分辨率圖像SR與真實圖像HR之間逐像素點的MSE損失，其計算公式為： 式中，r，W和H分別表示圖像的數量、寬度和高度，表示高分辨率圖像，ILR表示低分辨率圖像，G表示生成網絡，θG表示網絡參數，是生成的高分辨率圖像； 表示判別網絡的類VGG網絡中第i層第j個卷積核輸出的特征圖的MSE損失，其計算公式為： 式中，Wi,j和Hi,j分別表示判別網絡的類VGG網絡中各自特征映射的維數； 為對抗損失函數表示，用來對生成圖像的真假的概率，其計算公式為： 式中，N表示像素數，D表示判別網絡，θD表示判別網絡的網絡參數；S303、將圖像數據集和損失函數代入至SRGAN模型中，以低分辨率圖像作為生成網絡的輸入圖像、以由生成網絡輸出的擬高分辨率圖像和高分辨率圖像作為判定網絡的輸入圖像，并使用Adam優化器對模型進行加速訓練，直到達到設定的訓練終止條件；S4、將低分辨力圖像輸入至完成訓練的SRGAN模型中，獲得高分辨率圖像，并基于高分辨率圖像反向生成污染物濃度的同化結果數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人天津大學，其通訊地址為：300350 天津市津南區海河教育園區雅觀路135號天津大學北洋園校區；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。