张宏鸣 全 凯 杨亚男 杨江涛 陈 欢 郭伟玲

(1.西北农林科技大学信息工程学院， 陕西杨凌 712100； 2.西北农林科技大学水利与建筑工程学院， 陕西杨凌 712100；3.安徽理工大学测绘学院， 淮南 232001)

0 引言

数字高程模型(Digital elevation model，DEM)[1]是将地表高程用数字形式表达的有序阵列，具有丰富的地学应用价值[2]，被广泛应用于水文分析、流域特征提取、城市规划等方面。DEM的精度决定了地学信息提取及分析的准确度[3]。受测量成本和技术限制，高精度的DEM较难获得[4-5]。卫星遥感是近年来获取高精度DEM的较好方法。采用航空摄影、SAR(Synthetic aperture radar)、光探测等技术获取DEM，在时间、成本和工作量上有着较大的优势[6]。无人机遥感技术由于设备体积小、操作简单、灵活性强等优势而被广泛应用于航空遥感、地面遥感、精准农业领域[7-8]。随着多种数据获取技术的发展，同一地区的遥感影像越来越多，具有多时相、多光谱、多分辨率的特点[9]。为了利用多源数据的互补性和合作性提取更加丰富的信息，学者们对数据融合技术进行了研究[10-11]。然而，由于安全性和保密性等原因，获取多源数据极为困难。近年来，对低分辨率DEM重构直接获取高分辨率DEM的超分辨率方法具有很强的可行性[12]。

DEM超分辨率方法的研究由来已久[13-16]。随着计算机技术和人工智能的发展，研究发现，基于学习的方法能够有效利用高效能计算机硬件的优势，抽象地学习到高低分辨率数据之间的映射关系，从而提高DEM精度[17]。文献[18]提出了非局部相似性的方法，利用测试区域同其他相似区域的关系重构DEM数据。……