一种基于改进局部稀疏算法的去噪方法技术

本发明专利技术属于图像去噪的技术领域，公开了一种基于改进局部稀疏算法的去噪方法，用于光子计数激光雷达采集得到的数据集，利用局部稀疏算法，结合椭圆搜索计算数据集中的各个待检对象点的裁剪因子和局部稀疏率，将局部稀疏率大于裁剪因子的对应待检对象点保留下来，加入候选集，然后，计算所述候选集内部各个待检对象点的局部稀疏系数，再利用最大类间方差法找出分割阈值，将局部稀疏系数小于分割阈值的对应待检对象点保留下来，完成对数据集的去噪。完成对数据集的去噪。完成对数据集的去噪。

【技术实现步骤摘要】
一种基于改进局部稀疏算法的去噪方法


[0001]本专利技术涉及数据去噪的
，尤其涉及一种基于改进局部稀疏算法的去噪方法。

技术介绍

[0002]激光雷达技术被定义为一种集激光，全球定位系统(Global Positioning System,GPS)和惯性导航系统(Intertial Navigation Sysytem,INS)技术与一体的能直接获取目标高精度三维信息的主动式探测系统，在地形和水深测量、工程建设和森林生物量的估计上得到广泛的应用。传统线性探测体制激光雷达一般采用较大的发射脉冲能量以及较低的飞行高度以获取足够的激光脉冲回波能量，导致设备的功耗及体积质量大，难以轻型化。光子计数探测体制的激光雷达作为一种新兴的探测技术，采用单光子敏感探测器以及时间相关单光子计数(Time
‑
Correlated Single
‑
Photon Counting，TCSPC)技术，能够识别和响应激光回波信号中一个或多个光子，可实现对强度微弱且持续时间很短的光信号进行记录，使得激光光源产生的光子得到更有效的利用，大大减少了激光发射脉冲所需要的能量，同时其极高的时间分辨率使得激光雷达的作业高度大幅提高。这些特点使得光子计数激光雷达可搭载在星载及无人机载的飞行平台上，在地形和水体测绘等领域有着巨大的优势与潜力。
[0003]但光子计数激光雷达由于其高探测灵敏度，当背景噪声较强、目标反射率较低时，目标回波信号受背景噪声干扰严重，导致光子飞行时间统计直方图无法准确反映光子飞行时间的统计特征，直接使用数据将产生较大误差，因此点云去噪算法在单光子激光雷达数据处理和应用中十分重要。传统的基于密度的DBSCAN和基于距离的KNN光子计数激光雷达去噪算法在一些陡峭的地形地物及复杂的地物混合区域内，无法精确的对噪声和信号进行有效的识别。

技术实现思路

[0004]本专利技术提供了一种基于改进局部稀疏算法的去噪方法，解决了现有去噪方法对于一些陡峭的地形地物及复杂的地物混合区域无法精确的对噪声和信号进行有效的识别等问题。
[0005]本专利技术可通过以下技术方案实现：
[0006]一种基于改进局部稀疏算法的去噪方法，用于光子计数激光雷达采集得到的数据集，利用局部稀疏算法，结合椭圆搜索计算数据集中的各个待检对象点的裁剪因子和局部稀疏率，将局部稀疏率大于裁剪因子的对应待检对象点保留下来，加入候选集，然后，计算所述候选集内部各个待检对象点的局部稀疏系数，再利用最大类间方差法找出分割阈值，将局部稀疏系数小于分割阈值的对应待检对象点保留下来，完成对数据集的去噪。
[0007]进一步，将候选集中的各个待检对象点按照各自局部稀疏系数的升序进行排列，序号为1
‑
N，记第m个待检对象点之后的待检对象点为噪声点，其余的待检对象点为信号点，
计算此时的信号点类和噪声点类之间的类间方差g，其中，m＝1
…
N，选取类间方差g最大时对应的第m个待检对象点的局部稀疏系数作为分割阈值。
[0008]进一步，利用如下公式，计算所述类间方差g，
[0009][0010][0011][0012][0013]μ(m)＝ω1(m)
·
μ1(m)+ω2(m)
·
μ2(m)
[0014]g＝ω1(m)
·
(μ(m)
‑
μ1(m))2+ω2(m)
·
(μ(m)
‑
μ2(m))2[0015]其中，LSC(i)表示第i个待检对象点的局部稀疏系数。
[0016]进一步，利用如下方程式计算局部稀疏率，
[0017][0018]其中，N
k
(p)＝{o
′
|o
′
∈D,dist(p,o
′
)≤k
‑
dist(p)}表示待检对象点p的K距离邻域即距离小于待检对象点p的K距离的所有对象点所组成的集合，k
‑
dist(p)表示待检对象点p和与待检对象点p第K近的目标对象点o之间的距离，|N
k
(p)表示待检对象点P的K距离邻域内包含的对象点个数，表示待检对象点p的K距离领域中的所包含的对象点与待检对象点p的距离总和；
[0019]利用如下方程式计算裁剪因子，
[0020][0021]其中，∑|N
k
(p)|表示数据集中所有待检测点p的K距离邻域内的对象点个数总和，表示数据集中所有待检测对象点p的K距离邻域所包含的对象点与对应待检对象点p的距离总和；
[0022]利用如下方程式计算局部稀疏系数，
[0023][0024]其中，表示数据集中待检对象点p的K距离邻域内包含的各个对象点的局部稀疏率与待检对象点p的局部稀疏率比值之和。
[0025]进一步，在利用局部稀疏算法处理数据集之前，先采用网格统计直方图方法进行粗去噪。
[0026]进一步，以光子计数激光雷达采集得到的原始测距数据即每个点均包括光子时间和光子斜距组成数据集，将数据集中各个点绘制在光子时间和光子斜距组成的二维坐标系中，然后对所述数据集所在的区域进行等光子时间等光子斜距的网格划分，再计算每个网格内的点数和区域内的平均点数，将点数小于平均点数的网格删除，从而完成粗去噪，其中，所述平均点数设置为数据集所包含的点数与区域内包含的所有网格个数的商值。
[0027]本专利技术有益的技术效果在于：
[0028]能够有效针对轻小型机载光子计数激光雷达原始测距数据，实现在地形地物条件下噪声光子的剔除；本专利技术的去噪方法具有较高的运算效率及精确度，适用于不同地物类型的噪声情况，能自适应的进行去噪阈值选取，实现更加精确地识别信号与噪声。
附图说明
[0029]图1为本专利技术的总体结构示意图；
[0030]图2为本专利技术的装载光子计数激光雷达的无人机拍摄的试验区域示意图，其中，(a)表示上海海洋大学实验区域，(b)表示碧海金沙实验区域；
[0031]图3为本专利技术的0m附近的光子回波信号示意图；
[0032]图4(a)为本专利技术的光子信号分布直方图示意图；
[0033]图4(b)为本专利技术的图4(a)光子信号分布直方图中峰值位置示意图
[0034]图5为本专利技术的房屋区域原始光子回波信号示意图；
[0035]图6为本专利技术按0.005s等光子时间、1m等光子距离进行网格划分后的统计直方图示意图；
[0036]图7为本专利技术的粗去噪后的结果示意图；
[0037]图8为本专利技术的阈值K与F值关系示意图；
[0038]图9为本专利技术的精去噪后的结果示意图；
[0039]图10为采用本专利技术的方法与原始LSC去噪方法进行去噪后，F值统计对比示意图。
具体实施方式
[0040]下面结合附图及较佳实施例详细说明本专利技术的具体实施方式。
[0041]传统基于密度聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进局部稀疏算法的去噪方法，其特征在于：用于光子计数激光雷达采集得到的数据集，利用局部稀疏算法，结合椭圆搜索计算数据集中的各个待检对象点的裁剪因子和局部稀疏率，将局部稀疏率大于裁剪因子的对应待检对象点保留下来，加入候选集，然后，计算所述候选集内部各个待检对象点的局部稀疏系数，再利用最大类间方差法找出分割阈值，将局部稀疏系数小于分割阈值的对应待检对象点保留下来，完成对数据集的去噪。2.根据权利要求1所述的基于改进局部稀疏算法的去噪方法，其特征在于：将候选集中的各个待检对象点按照各自局部稀疏系数的升序进行排列，序号为1
‑
N，记第m个待检对象点之后的待检对象点为噪声点，其余的待检对象点为信号点，计算此时的信号点类和噪声点类之间的类间方差g，其中，m＝1
…
N，选取类间方差g最大时对应的第m个待检对象点的局部稀疏系数作为分割阈值。3.根据权利要求2所述的基于改进局部稀疏算法的去噪方法，其特征在于：利用如下公式，计算所述类间方差g，式，计算所述类间方差g，式，计算所述类间方差g，式，计算所述类间方差g，μ(m)＝ω1(m)
·
μ1(m)+ω2(m)
·
μ2(m)g＝ω1(m)
·
(μ(m)
‑
μ1(m))2+ω2(m)
·
(μ(m)
‑
μ2(m))2其中，LSC(i)表示第i个待检对象点的局部稀疏系数。4.根据权利要求1所述的基于改进局部稀疏算法的去噪方法，其特征在于：利用如下方程式计算局部稀疏率，其中，N
k
(p)＝{o

【专利技术属性】
技术研发人员：栾奎峰，张昆宁，邱振戈，薛烨，朱卫东，林丹丹，李莹春，桑璇，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：