ICESat-2激光卫星光子点云去噪及水深探测

ICESat-2(ice,cloud,and land elevation satellite-2)是美国NASA最新发射的激光卫星,其搭载了先进的地形激光测高仪系统,不仅能够有效探测海面高度,而且能探测浅海水深地形;然而,ICESat-2大量的噪声光子给浅海水深地形探测带来巨大挑战。为了解决光子点云去噪问题,提出了两次聚类去噪算法和双向布料模拟滤波算法相结合的方法,有效提取了海底光子,提高了ICESat-2水深探测精度。利用澳大利亚东部某两处岛礁的ICESat-2实验数据,去噪结果表明本文提出的方法优于官方提取的去噪结果,通过与30 m格网实测水深地形数据比较,ICESat-2测深标准差优于0.236 m,获得了较为满意的水深探测结果。

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。

基于去噪光子图的光子映射

光子映射是产生高质量的照片级图像的有效方法。基于内存中有限的M个光子,提出基于去噪光子图的光子映射,即通过光子能量传递,得到若干个包含M个去噪光子的光子图保存到外存中;在光照估计阶段,将外存中这些去噪光子图依次读入内存,进行光照估计而得到相应的图像,最终的图像为上述图像的平均。这大大减少了光照估计的噪声,通过设置较小的光照估计的最近光子数目,可以得到噪声和偏差都很小的图像,并且视点切换时无需重新进行光子跟踪,即绘制时间非常少。实验表明只需较少的去噪光子图,就能得到很好的光照估计的效果。

基于改进DBSCAN算法的ICESat-2海面点数据去噪处理及精度评估

ICESat-2卫星搭载先进的光子计数式激光雷达ATLAS,使用全新的测量方式获取海量的光子点云数据。光子计数激光点云由于受海洋表面噪声以及水中穿透性较强等因素影响,现有的去噪算法在浅海区域海面去噪上存在一定的局限性。针对上述问题,本文提出了一种基于改进DBSCAN参数的去噪算法,通过利用点云数据集自身分布特性生成候选Eps参数,自动寻找最优Eps参数,改进现有的DBSCAN去噪算法,并在南海两处岛礁区域进行实验验证。实验表明该算法在浅海区域的去噪精度达到98%,优于传统算法的去噪精度,该研究可为ICESat-2海面点的去噪工作提供参考。

ICESat-2星载光子计数激光雷达数据处理与应用研究进展

ICESat-2/ATLAS系统首次采用微脉冲多波束光子计数激光雷达技术,其在探测方式、数据处理方法、应用的广度和深度等方面与ICESat-1/GLAS存在明显差异。首先介绍了ICESat-2及ATLAS的性能指标、数据特点和产品信息,详细分析了光子点云去噪和分类两个关键技术,以及各算法的适应性及难点,总结了ICESat-2数据在冰盖和海冰高程测量及其变化监测、地面高程提取、森林高度提取和生物量估算、湖泊水位和蓄水量变化监测等方面的应用,最后展望了光子数据处理和应用的发展趋势和前景。

基于ICESat-2/ATLAS数据的近海岸水深提取

水深是表征海洋浅水和海岸环境的重要地形要素,光子计数激光雷达可穿透一定深度的水体,为水深信息提取提供可靠的数据支持。以我国南海岛礁为例,利用目前唯一在轨的星载光子计数激光雷达-ICESat-2/ATLAS数据开展岛礁浅水水深提取及精度评价研究。首先根据置信度参数对原始光子数据进行粗去噪,基于点密度分布差异分离水面和水底光子;然后对水面光子采用区间估计方法精去噪,利用RANSAC算法拟合水面高程;通过改进滤波参数,基于改进OPTICS算法对水底光子进行两次聚类,实现水底光子的精去噪,进而通过折射校正和潮汐校正提取近岸水深;最后利用机载LiDAR测深数据进行验证。实验结果表明,与ATL03高置信度光子数据和AVEBM去噪结果相比,该精去噪算法具有更高的F值,分别提高了约5.87%和3.38%;水深提取结果与机载测深数据的R2为0.91,均方根误差RMSE为0.53m。

基于新符号函数与盲源分离的光子计数图像去噪方法

在10^(-4) lx环境下,由多像素光子计数探测器利用光子计数原理点阵扫描得到光子计数图像。为了呈现更多细节,获得更高清晰度的图像,首先采用Bayes-Shink阈值及改进的新符号函数对光子计数图像进行处理,然后在图像重构阶段将低频系数置零,以处理后的高频系数进行图像重构,并将其设置为虚拟通道,使观测信号的个数与信号源个数相同,从而满足快速独立成分分析无噪分离模型,最后实现光子计数图像和噪声的盲源分离。实验结果表明,该算法与小波软、硬阈值算法和符号函数算法相比,图像的峰值信噪比分别提高了16.39%、10.18%、5.20%。同时,滤除噪声后的图像较好地保护了边缘细节,视觉效果良好。