一种基于随机森林分类器的星载激光足印高程提取方法技术

本发明专利技术涉及一种基于随机森林分类器的星载激光足印高程提取方法，该方法具体为，获取包含足印高程的卫星激光测高数据，将卫星激光测高数据载入预训练后的随机森林分类器中，获取足印高程分类结果，进行足印高程的提取，所述随机森林分类器采用预建立的高程评估标签，根据预设定的精度要求，对足印高程进行分类，所述高程评估标签包括坡度、粗糙度和/或地面回波能量。与现有技术相比，本发明专利技术考虑了复杂地表的地区和地表对足印高程的影响，具有足印高程提取精度高、效率高等优点。

A random forest classifier based method for satellite laser footprints elevation extraction

【技术实现步骤摘要】
一种基于随机森林分类器的星载激光足印高程提取方法
本专利技术涉及星载激光测高领域，尤其是涉及一种基于随机森林分类器的星载激光足印高程提取方法。
技术介绍
卫星激光测高技术以其高精度的探测距离，早在上个世纪六十年代就应用于深空探测领域，并扩展到对地观测领域。然而，卫星激光测高仪在测距过程中易受大气、仪器、地形等各种污染源的影响，导致其足印高程精度的不确定性。为了解决这个问题，人们提出了不同的方法，这些方法可以分为四种：方法一：通过比较足印高程和参考数据(如数字表面模型DSM)来消除足印高程异常值；方法二：通过一些评估发射波或回波波形特征的标签对其进行筛选；方法三在方法一和方法二的基础上，利用直方图统计进一步剔除方法一和方法二之间的足印高程异常值，方法四在方法一的基础上，综合各类评估标签筛选足印高程。但是，方法一、方法二和方法三主要是消除大气和地表反射率的影响，没有充分考虑地形、姿态等影响，不适合在地形起伏较大地区(丘陵、山地等)。方法四尚未在崎岖环境中进行试验，且该方法因为筛选准则过于严格(剔除了多峰值回波的足印高程)，难以应用在复杂地表(如森林、城市)的地区。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的在复杂地表的地区和地表下难以满足相关应用中高程精度需求的缺陷而提供一种足印高程数据精度高的基于随机森林分类器的星载激光足印高程提取方法。本专利技术的目的可以通过以下技术方案来实现：一种基于随机森林分类器的星载激光足印高程提取方法，该方法具体为，获取包含足印高程的卫星激光测高数据，将卫星激光测高数据载入预训练后的随机森林分类器中，获取足印高程分类结果，进行足印高程的提取，所述随机森林分类器采用预建立的高程评估标签，根据预设定的精度要求，对足印高程进行分类，所述高程评估标签包括坡度、粗糙度和/或地面回波能量。进一步地，所述粗糙度的计算具体为，获取卫星激光测高数据对应的DSM值，当星载激光测高数据的回波只有一个波峰时，所述粗糙度根据足印中心及其八个邻域的DSM值的标准差获得；当星载激光测高数据的回波具有多个波峰时，通过计算各个波峰间的高程差的标准差，并将其与上述DSM值的标准差进行比较，取两者间最大值作为粗糙度估计值。进一步地，所述回波能量的计算具体为，通过将最后一个回波波峰与所有回波波峰的面积的比值乘以全波能量，对所述回波能量进行估计。进一步地，所述坡度的计算具体为，获取卫星激光测高数据对应的DSM值，通过DMS值估计激光足印内的所述坡度。进一步地，所述高程评估标签还包括云探测、信噪比、姿态精度、斜率、回波峰值个数、反射率、回波饱和度和/或回波增益。进一步地，所述云探测从气象数据或卫星激光雷达探测到的气溶胶数据产品中获得。进一步地，所述回波信噪比根据回波的最大振幅和背景噪声的标准偏差获得。进一步地，所述随机森林分类器的预训练过程具体为，获取包含足印高程的训练用卫星激光测高数据及其对应的现场数据，将足印高程与现场数据比较，生成足印高程的正样本和负样本，将正样本和负样本载入随机森林分类器中进行训练，获取训练后的随机森林分类器。进一步地，所述将足印高程与现场数据比较具体为，当训练用卫星激光测高数据的回波信号只出现一个波峰时，对足印内的现场数据进行平均，然后与足印高程进行比较；当训练用卫星激光测高数据的回波信号有多个波峰时，对足印内属于地面的现场数据进行平均，然后与回波信号最后一个波峰的足印高程进行比较。进一步地，在生成足印高程的正样本和负样本前以及在将卫星激光测高数据载入预训练后的随机森林分类器前，剔除足印高程的异常值。进一步地，所述剔除足印高程的异常值具体为，获取卫星激光测高数据对应的DSM数据，将足印高程与DSM数据进行比较，得到高程差，并消除高程差大于预设的阈值的足印高程。进一步地，所述阈值为50米。进一步地，所述DSM数据包括DSM网格点，所述将足印高程与DSM数据进行比较具体为，选择距离足印高程的足印中心最近的DSM网格点与足印高程进行比较。进一步地，所述足印高程分类结果包括满足预设定的精度要求的样本和不满足预设定的精度要求的样本，所述进行足印高程的提取包括保留分类概率大于80％的满足预设定的精度要求的样本。与现有技术相比，本专利技术具有以下优点：(1)本专利技术提出了一种利用随机森林分类器，提取满足期望精度的卫星激光测高足印高程的方法，该方法利用随机森林分类器对小区域(或短时间)内的足印高程及其评价标签进行训练，获得一个分类器，然后利用该分类器在较大区域(或较长时间)内，对足印高程的精度进行预测，从而提取出期望精度的足印高程，提高了星载激光测高数据中足印高程的精度，以及提取效率，并且评价标签中包含坡度、粗糙度和地面回波能量，对地形和地面回波能量进行了充分评估，能满足复杂地表的地区和地表下相关应用中的高程精度需求。(2)本专利技术在生成训练用的正负样本前以及进行在将卫星激光测高数据载入预训练后的随机森林分类器前，对足印高程的异常值进行了剔除，保证了分类结果的准确性。(3)本专利技术进行足印高程的提取中，仅保留分类概率大于80％的满足预设定的精度要求的样本，使得足印高程的提取更加准确。附图说明图1为本专利技术星载激光足印高程提取方法的处理流程示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1卫星激光测高由于其高精度且覆盖范围大的高程探测能力，在极地冰盖监测、植被冠层高度测量、地形测绘等诸多科学领域发挥了重要作用。然而，卫星激光测高数据的精度受到大气、仪器噪声、地形起伏等诸多因素的影响，导致精度的不确定性。为了解决这一问题，本实施例提出一种基于随机森林分类器的星载激光足印高程提取方法，旨在复杂地形和地表条件下，能够满足相关应用(如地形测绘等)中高程精度需求。本实施例星载激光足印高程提取方法利用随机森林分类器对小区域(或短时间)内的足印高程及其评价标签(训练属性)进行训练，获得一个分类器，然后利用该分类器在较大区域(或较长时间)内，对足印高程的精度进行预测，从而提取出期望精度的足印高程。下面进行具体描述：1、随机森林分类器的建立如图1所示，为了建立随机森林分类器，首先需要选择卫星激光测高数据的属性。由于卫星激光测高产品中有很多评估标签，只有一部分属于足印高程评估，需要进行选择。同时，由于这些被选择的评估标签通常缺乏对地形(坡度、粗糙度)、地面回波能量等充分评估，需要构造缺乏的评估标签。在完成属性的选择后，需要生成正样本和负样本。该过程是将现场数据与训练样本的足印高程进行比较，再根据比较结果，分别将满足精度要求和不满足精度要求的足印高程作为正样本和负样本。同时，由于厚云和大雾的散射，一些足印高程将出现极度异常值，并可能超过评估标签的评估能力。为了避免异常值本文档来自技高网...

【技术保护点】
1.一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，该方法具体为，获取包含足印高程的卫星激光测高数据，将卫星激光测高数据载入预训练后的随机森林分类器中，获取足印高程分类结果，进行足印高程的提取，所述随机森林分类器采用预建立的高程评估标签，根据预设定的精度要求，对足印高程进行分类，所述高程评估标签包括坡度、粗糙度和/或地面回波能量。/n

【技术特征摘要】
1.一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，该方法具体为，获取包含足印高程的卫星激光测高数据，将卫星激光测高数据载入预训练后的随机森林分类器中，获取足印高程分类结果，进行足印高程的提取，所述随机森林分类器采用预建立的高程评估标签，根据预设定的精度要求，对足印高程进行分类，所述高程评估标签包括坡度、粗糙度和/或地面回波能量。


2.根据权利要求1所述的一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，所述粗糙度的计算具体为，获取卫星激光测高数据对应的DSM值，当星载激光测高数据的回波只有一个波峰时，所述粗糙度根据足印中心及其八个邻域的DSM值的标准差获得；当星载激光测高数据的回波具有多个波峰时，通过计算各个波峰间的高程差的标准差，并将其与所述DSM值的标准差进行比较，取两者间最大值作为粗糙度估计值。


3.根据权利要求1所述的一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，所述回波能量的计算具体为，通过将最后一个回波波峰与所有回波波峰的面积的比值乘以全波能量，对所述回波能量进行估计。


4.根据权利要求1所述的一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，所述坡度的计算具体为，获取卫星激光测高数据对应的DSM值，通过DMS值估计激光足印内的所述坡度。


5.根据权利要求1所述的一种基于随机森林分类器的星载激光足印高程提取方法，其特征在于，所述随机森林分类器的预训练过程具体为，获取包含足印高程的训练用卫星激光测高数据及其对应的现场数据，将足印高程与现场数据比较，生成足印高程的正样本和负样本，将...

【专利技术属性】
技术研发人员：谢欢，李彬彬，童小华，张志杰，刘世杰，许雄，陈鹏，金雁敏，柳思聪，王超，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31