超声换能器时频域特性校准系统研究与实现

针对我国超声探伤仪换能器校准数字化程度较低的现状,深入分析国内外校准规范后,提出基于数字信号处理技术,实现换能器时域及频域性能自动校准的方法。设计并构建了超声换能器自动校准系统;对超声回波信号的分析,时域上利用了经验模态分解算法进行预处理去趋势项,同时提出从一列多次超声回波中获取首次回波的提取方法;频域上,利用数字频谱分析技术及加窗方法,对超声换能器首次回波进行频域特性分析;通过实际校准实验,整理并分析了若干提高检测可靠性的关键因素。实验结果表明,超声回波分析方法的实时性及可靠性较高,硬件结构的设计较为合理。

基于机载LiDAR数据的崇礼冬奥核心区树冠覆盖率估算

【目的】对比分析基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法估算冬奥核心区森林树冠覆盖率的优劣性,探讨样地树冠覆盖率、激光点云密度和冠层高度模型(CHM)栅格分辨率对估算精度的影响,探索最优树冠覆盖率估算方法,为准确掌握冬奥核心区树冠覆盖率信息提供技术支持,促进森林可持续性经营管理。【方法】利用冬奥核心区67块样地机载激光雷达数据和单木检尺数据,采用线性回归拟合树冠覆盖率实测值和估算值,以决定系数(R^(2))和均方根误差(RMSE)为评价指标,比较基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法的树冠覆盖率估算精度,分析样地树冠覆盖率、激光点云密度与树冠覆盖率估算误差的关联性,以及冠层高度模型栅格分辨率对树冠覆盖率估算方法稳定性的影响。【结果】1)基于归一化点云分类信息算法的树冠覆盖率估算精度最高(R^(2)=0.790 1,RMSE=0.124 3),估算误差最低,平均高估1.17%,其次为基于冠层高度模型算法(R^(2)=0.763 8,RMSE=0.134 9),基于归一化点云首次回波算法的树冠覆盖率估算精度最低(R^(2)=0.758 2,RMSE=0.149 1);2)树冠覆盖率与估算误差间无明显相关性,3种算法在树冠覆盖率小于0.4的样地中普遍出现低估现象,在树冠覆盖率0.4~0.8的样地中高估与低估现象相近,在树冠覆盖率大于0.8的样地中普遍出现高估现象;激光点云密度与估算误差间也无相关性,激光点云密度增大并未提高树冠覆盖率估算精度;3)基于冠层高度模型算法稳定性最高,10种栅格分辨率估算的树冠覆盖率无明显差异,R^(2)介于0.755 1~0.762 2之间,RMSE介于0.150 7~0.153 9之间;适用于冬奥核心区树冠覆盖率估算的最佳冠层高度模型栅格分辨率为0.8 m×0.8 m。【结论】通过对冬奥核心区67块样地进行树冠覆盖率估算,体现出基于归一化点云分类信息、归一化点云首次回波和冠层高度模型3种算法的适宜性,基于归一化点云分类信息算法的树冠覆盖率估算精度最高;结合样地树冠覆盖率、激光点云密度和冠层高度模型栅格分辨率综合分析3种算法的优劣性,可为大范围森林树冠覆盖率调查提供技术支持。

LiDAR点云支持下地物精细分类的实现方法

在遥感数据分类中,获取精细的地物类别无疑能够传递更加丰富的信息量,进一步加深对遥感数据的理解和解译。在机载LiDAR点云高程数据的支持下,提出并实现了遥感影像上地物精细分类的方法。为保证高精度地同种地物再划分,综合考虑配准、辅助数据源、首次回波、点云密度及影像空间分辨率4种因素,并重点解决了点云密度与影像空间分辨率不匹配的问题,利用决策树显著地提高了影像上建筑物、植被的分类数量,使点云与影像联合分类的优势得到体现,达到了分类精度与地物类别数量相统一的目的。