先进地形激光高度计系统(ATLAS)可为全球森林冠层高度测量提供科学数据,利用ATLAS光子云数据可获取森林冠层高度信息。为探究光子云去噪算法在弱光束条件下森林研究区的去噪效果,采用局部距离统计算法、基于密度的聚类(Density-based spatial clustering of applications with noise,DBSCAN)算法和基于粒子群优化(Particle swarm optimization,PSO)模型的PSO-DBSCAN算法在弱光束条件下的森林区域进行了光子云去噪试验,研究了算法的去噪精度,并分析研究区不同特性对于去噪效果的影响。结果表明:PSO-DBSCAN算法在弱光束条件下森林区域去噪精度达到了0.95,满足光子云去噪的精度要求,该算法相对局部距离统计算法和DBSCAN算法表现出更好的去噪效果;相对地形坡度和植被覆盖度,太阳高度角会对算法的去噪结果产生更大的影响。
第二代星载激光雷达冰、云和陆地测高卫星ICESat-2(The Ice, Cloud, and Land Elevation Satellite-2)搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有...
详细信息
第二代星载激光雷达冰、云和陆地测高卫星ICESat-2(The Ice, Cloud, and Land Elevation Satellite-2)搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题,目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题,本文提出一种改进的去噪算法,首先分析光子云内部特征并自适应选择最优参数进行粗去噪,然后进行两次精去噪,最后对光子云进行分类并拟合出地面线及冠层顶线,为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验,实验结果表明:该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%,F1-score为96.3%,日间平均精确度为86.7%,F1-score为91.7%,且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性,可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点,最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。
暂无评论