一种光子数据去噪及分类方法及系统技术方案

本发明专利技术涉及一种光子数据去噪及分类方法及系统，包括：获取目标光子数据；目标光子数据由光子计数激光雷达采集得到；多次提取在预设高程阈值范围内的光子数据，对提取后的光子数据利用水平椭圆LOF模型进行光子去噪，并利用旋转椭圆LOF模型对光子数据进一步去噪，实现了光子数据精确提取和分类；采用地形坡度作为旋转椭圆LOF模型的旋转角度，考虑了复杂地形对光子分布的影响，在不显著增加计算量情况下，提升了光子去噪准确性。提升了光子去噪准确性。提升了光子去噪准确性。

【技术实现步骤摘要】
一种光子数据去噪及分类方法及系统


[0001]本专利技术涉及星载激光雷达
，特别是涉及一种光子数据去噪及分类方法及系统。

技术介绍

[0002]美国国家航空航天管理局在2018年发射了ICESat
‑
2卫星，其主要目的之一是测量植被冠层高度，以作为估算大规模生物量和生物量变化的基础。ICESat
‑
2搭载的ATLAS(Advanced Topographic Laser Altimeter System)光子计数激光雷达系统，通过发射低能量、高频率的激光脉冲，能够实现单光子水平的信号检测，获取光斑更小、密度更大的三维空间数据，实现对观测对象的精确刻画。与机载激光雷达相比，星载的激光雷达更易实现大尺度的观测，其数据范围覆盖全球，为森林遥感提供了重要的数据支撑。
[0003]由于光子计数激光雷达发射的是低能量的弱信号，其信号接收器对微弱信号敏感，在数据采集过程中，易受噪声(例如：太阳背景噪声、系统噪声、大气散射噪声)影响。因此，对光子数据进行有效地去噪并分类，是后续进行森林参数反演的重要前提。

技术实现思路

[0004]本专利技术的目的是提供一种光子数据去噪及分类方法及系统。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]本专利技术提供了一种光子数据去噪及分类方法，包括：
[0007]步骤1：获取目标光子数据；所述目标光子数据由光子计数激光雷达采集得到；
[0008]步骤2：提取高程在第一预设高程阈值范围内的所述目标光子数据，得到高程直方图粗筛的光子数据；
[0009]步骤3：对所述高程直方图粗筛的光子数据在沿轨方向上进行单元划分，提取每一划分单元中高程在对应的第二预设高程阈值范围内的所述高程直方图粗筛的光子数据，得到高程粗筛的原始数据；每一划分单元对应一第二预设高程阈值范围；
[0010]步骤4：利用水平椭圆LOF模型计算每一所述高程粗筛的原始数据的LOFE得分；
[0011]步骤5：提取所述高程粗筛的原始数据中LOFE得分满足预设LOFE阈值的光子数据，得到粗去噪的信号光子数据；
[0012]步骤6：将所述粗去噪的信号光子数据在沿轨方向上进行滑动窗口划分，得到若干个第一滑动窗口；
[0013]步骤7：提取每一所述第一滑动窗口中高程最小的所述粗去噪的信号光子数据，得到粗分类的地面光子；
[0014]步骤8：将所述高程粗筛的原始数据在沿轨方向上进行区间划分，得到若干个第一划分区间；
[0015]步骤9：提取每一所述第一划分区间中高程在第三预设高程阈值范围内的所述高程粗筛的原始数据，得到高程精筛的原始数据；所述高程精筛的原始数据包括所述粗分类
的地面光子；
[0016]步骤10：将所述高程精筛的原始数据在沿轨方向上进行区间划分，得到若干个第二划分区间；
[0017]步骤11：根据每一所述第二划分区间内所述高程精筛的原始数据中的所述粗分类的地面光子的沿轨距离和高程计算每一所述第一划分区间的地形坡度；
[0018]步骤12：对于每一所述高程精筛的原始数据，采用所述高程精筛的原始数据所属第二划分区间对应的地形坡度作为旋转椭圆LOF模型的旋转角度，来计算所述高程精筛的原始数据的LOFR得分；
[0019]步骤13：提取所述高程精筛的原始数据中LOFR得分满足预设LOFR阈值的光子数据，得到精去噪的信号光子数据；
[0020]步骤14：在沿轨方向上根据每一第二滑动窗口中所述精去噪的信号光子数据中每一光子数据的高程大小对每一第二滑动窗口中的光子进行分类，得到精分类的冠顶光子、地面光子和冠层光子。
[0021]可选的，所述步骤9，具体包括：
[0022]计算每一所述第一划分区间内的粗分类的地面光子数据的平均高程和标准差高程；
[0023]根据所述平均高程和标准差高程计算每一所述第一划分区间的第三预设高程阈值范围，提取每一所述第一划分区间中高程在所述第三预设高程阈值范围内的所述高程粗筛的原始数据，得到高程精筛的原始数据。
[0024]可选的，所述步骤2具体包括：
[0025]对所述目标光子数据在高程方向自上而下进行划分，得到若干个第一划分单元；
[0026]计算前端预设数量个第一划分单元中的光子数量，并计算所述前端预设数量个第一划分单元光子数量的第一平均值和第一标准差；
[0027]计算末端预设数量个第一划分单元中的光子数量，并计算所述末端预设数量个第一划分单元光子数量的第二平均值和第二标准差；
[0028]根据所述第一平均值、第一标准差、第二平均值和第二标准差，计算单元噪声水平；
[0029]将第一个噪声水平超过所述单元噪声水平的第一划分单元的高程作为上界；将最后一个噪声水平超过所述单元噪声水平的第一划分单元的高程作为下界；所述上界和所述下界用于确定所述第一预设高程阈值范围；
[0030]提取高程在所述第一预设高程阈值范围内的所述目标光子数据，得到高程直方图粗筛的光子数据。
[0031]可选的，所述单元噪声水平计算公式为：
[0032][0033]其中，Noise表示单元噪声水平，Noise
High
表示信号起始平均噪声，Noise
Low
表示信号结束平均噪声，N1表示第一平均值，σ1表示第一标准差，N2表示第二平均值，σ2表示第二标
准差，α为噪声参数。
[0034]可选的，所述步骤3具体包括：
[0035]对所述高程直方图粗筛的光子数据在沿轨方向上划分为若干个第二划分单元；
[0036]计算每一所述第二划分单元内光子高程的平均高程、25％分位数高程和75％分位数高程；
[0037]根据每一所述第二划分单元的所述平均高程、25％分位数高程和75％分位数高程设置每一所述第二划分单元对应的第二预设高程阈值范围，提取每一第二划分单元中高程在对应的第二预设高程阈值范围内的所述高程直方图粗筛的光子数据，得到高程粗筛的原始数据。
[0038]可选的，所述步骤4具体包括：
[0039]对于任意一光子P，通过以下步骤计算所述光子P的LOFE得分：
[0040]计算任意两个O、P光子的可达距离，所述光子O为所述光子P的水平椭圆K邻域中的光子：
[0041]Reach_distances
K
(P，O)＝max{K
‑
distances
K
(O)，d(P，O)}
[0042]其中，Reach_distances
K
(P，O)表示O、P的可达距离，K
‑
distances
K
(O)表示光子O的水平椭圆K邻域的KNN距离，d(P，O)表示O、P两个光子的距离；
[0043]根据所述可达距离，得到所述光子P的局部可达密度；
[0044]根据所述局部可达密度以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光子数据去噪及分类方法，其特征在于，包括：步骤1：获取目标光子数据；所述目标光子数据由光子计数激光雷达采集得到；步骤2：提取高程在第一预设高程阈值范围内的所述目标光子数据，得到高程直方图粗筛的光子数据；步骤3：对所述高程直方图粗筛的光子数据在沿轨方向上进行单元划分，提取每一划分单元中高程在对应的第二预设高程阈值范围内的所述高程直方图粗筛的光子数据，得到高程粗筛的原始数据；每一划分单元对应一第二预设高程阈值范围；步骤4：利用水平椭圆LOF模型计算每一所述高程粗筛的原始数据的LOFE得分；步骤5：提取所述高程粗筛的原始数据中LOFE得分满足预设LOFE阈值的光子数据，得到粗去噪的信号光子数据；步骤6：将所述粗去噪的信号光子数据在沿轨方向上进行滑动窗口划分，得到若干个第一滑动窗口；步骤7：提取每一所述第一滑动窗口中高程最小的所述粗去噪的信号光子数据，得到粗分类的地面光子；步骤8：将所述高程粗筛的原始数据在沿轨方向上进行区间划分，得到若干个第一划分区间；步骤9：提取每一所述第一划分区间中高程在第三预设高程阈值范围内的所述高程粗筛的原始数据，得到高程精筛的原始数据；所述高程精筛的原始数据包括所述粗分类的地面光子；步骤10：将所述高程精筛的原始数据在沿轨方向上进行区间划分，得到若干个第二划分区间；步骤11：根据每一所述第二划分区间内所述高程精筛的原始数据中的所述粗分类的地面光子的沿轨距离和高程计算每一所述第一划分区间的地形坡度；步骤12：对于每一所述高程精筛的原始数据，采用所述高程精筛的原始数据所属第二划分区间对应的地形坡度作为旋转椭圆LOF模型的旋转角度，来计算所述高程精筛的原始数据的LOFR得分；步骤13：提取所述高程精筛的原始数据中LOFR得分满足预设LOFR阈值的光子数据，得到精去噪的信号光子数据；步骤14：在沿轨方向上根据每一第二滑动窗口中所述精去噪的信号光子数据中每一光子数据的高程大小对每一第二滑动窗口中的光子进行分类，得到精分类的冠顶光子、地面光子和冠层光子。2.根据权利要求1所述的光子数据去噪及分类方法，其特征在于，所述步骤9，具体包括：计算每一所述第一划分区间内的粗分类地面光子数据的平均高程和标准差高程；根据所述平均高程和标准差高程计算每一所述第一划分区间的第三预设高程阈值范围，提取每一所述第一划分区间中高程在所述第三预设高程阈值范围内的所述粗去噪的信号光子数据，得到高程精筛的原始数据。3.根据权利要求1所述的光子数据去噪及分类方法，其特征在于，所述步骤2具体包括：对所述目标光子数据在高程方向自上而下进行划分，得到若干个第一划分单元；
计算前端预设数量个第一划分单元中的光子数量，并计算所述前端预设数量个第一划分单元光子数量的第一平均值和第一标准差；计算末端预设数量个第一划分单元中的光子数量，并计算所述末端预设数量个第一划分单元光子数量的第二平均值和第二标准差；根据所述第一平均值、第一标准差、第二平均值和第二标准差，计算单元噪声水平；将第一个噪声水平超过所述单元噪声水平的第一划分单元的高程作为上界；将最后一个噪声水平超过所述单元噪声水平的第一划分单元的高程作为下界；所述上界和所述下界用于确定所述第一预设高程阈值范围；提取高程在所述第一预设高程阈值范围内的所述目标光子数据，得到高程直方图粗筛的光子数据。4.根据权利要求3所述的光子数据去噪及分类方法，其特征在于，所述单元噪声水平计算公式为：其中，Noise表示单元噪声水平，Noise
High
表示信号起始平均噪声，Noise
Low
表示信号结束平均噪声，N1表示第一平均值，σ1表示第一标准差，N2表示第二平均值，σ2表示第二标准差，α为噪声参数。5.根据权利要求1所述的光子数据去噪及分类方法，其特征在于，所述步骤3具体包括：对所述高程直方图粗筛的光子数据在沿轨方向上划分为若干个第二划分单元；计算每一所述第二划分单元内光子高程的平均高程、25％分位数高程和75％分位数高程；根据每一所述第二划分单元的所述平均高程、25％分位数高程和75％分位数高程设置每一所述第二划分单元对应的第二预设高程阈值范围，提取每一第二划分单元中高程在对应的第二预设高程阈值范围内的所述高程直方图粗筛的光子数据，得到高程粗筛的原始数据。6.根据权利要求1所述的光子数据去噪及分类方法，其特征在于，所述步骤4具体包括：对于任意一光子P，通过以下步骤计算所述光子P的LOFE得分：计算任意两个O、P光子的可达距离，所述光子O为所述光子P的水平椭圆K邻域中的光子：Reach_distances
K
(P，O)＝max{K
‑
distances
K
(O)，d(P，O)}其中，Reach_distances
K
(P，O)表示O、P的可达距...

【专利技术属性】
技术研发人员：庞勇，何力，
申请(专利权)人：中国林业科学研究院资源信息研究所，
类型：发明
国别省市：