弱光束条件下森林区域光子云去噪算法精度研究

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。

基于统计直方图两步法的星载单光子数据去噪

针对星载单光子激光有效回波信号混杂于噪声中难以区分的问题,提出一种基于统计直方图两步法的星载单光子数据去噪方法。先后采用沿轨小窗口直方图粗去噪与距离平方统计直方图精去噪,实现星载单光子回波数据中的噪声光子有效剔除。利用该方法对美国星载单光子激光雷达先进地形激光测高系统(ATLAS)的强与弱波束、白天和夜间、平地与山地3种典型情况下的回波光子数据进行实验,结合ATLAS官方去噪结果,基于混淆矩阵统计去噪精确度。实验结果表明,强波束数据去噪精确度为98.86%,弱波束数据去噪精确度为96.94%;夜间数据去噪精确度为99.02%,白天数据去噪精度为98.86%;山地数据去噪精确度为96.28%,平地数据去噪精确度为96.94%。说明本文方法适用于常见的以上3种典型情况下的星载单光子数据去噪。