ICESat-2作为新一代多波束激光测高卫星采用了光子计数体制,其探测数据中存在大量噪声,造成光子数据在轨处理和传输时面临巨大挑战。为了在轨高效地对原始探测数据进行去噪处理,以降低星地传输数据量,本文设计了一种基于原始探测光子泊松分布特性的直方图去噪算法。该算法分为光子点云的垂直直方图化和倾斜直方图化。首先,根据光子传输距离将点云数据段划分为二维格网形成垂直直方图,利用直方图箱光子数的均值和标准差计算信噪分离阈值,并对信号光子赋予低、中和高置信度标签来表征信号可靠性;其次,对识别的中、高置信度光子进行线性拟合获取坡度信息,将光子传输距离投影到沿坡面垂直的方向形成倾斜直方图,进行二次信号光子识别且合并置信度标签;最后,对噪声光子进行剔除以实现原始数据的压缩下传。同时,本文对比研究了基于密度的空间聚类应用(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法和对点排序以识别聚类结构(Ordering Points to Identify the Clustering Structure,OPTICS)算法性能。通过8种地类的ATL02数据开展测试实验,结果表明,DBSCAN算法会导致信号光子丢失,而OPTICS算法会产生虚假信号簇,相比之下,直方图算法有效避免了这些问题的产生,并且在实验中对不同地类具有较好的稳健性和适应性。在直方图算法中,垂直直方图算法对信号光子召回率R均为1,查准率P和调和F值平均在0.90以上,相较于垂直+倾斜直方图、DBSCAN和OPTICS的运行效率分别达到12倍、3473倍和1528倍以上,平均运行时间仅0.048 s,可高效实现数据去噪。垂直直方图算法去噪结果初步满足在轨处理效率要求(<0.25 s),本文有望为未来星载光子计数激光雷达数据的在轨去噪提供技术参考。
叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物(五角硬币)的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系(P<0.01)(相关系数分别为0.992,0.996)。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。
暂无评论