基于L1/2范数正则化和MLS的TomoSAR山区地形重建方法技术

本发明专利技术公开了一种基于L<subgt;1/2</subgt;范数正则化和MLS的TomoSAR山区地形重建方法，针对山区初始点云由于异常点影响导致地形重建误差较大的问题，首先基于移动最小二乘法对局部曲线进行拟合，再根据局部曲线的拟合情况，构建基于L<subgt;1/2</subgt;范数正则化的异常点检测模型用于去除点云中的异常点，再使用移动最小二乘法对点云进行插值拟合，实现更准确的山区地形重构。本发明专利技术为了解决QIOR的低效问题，将压缩感知与QIOR集成，利用异常值的固有稀疏性，建立一个L<subgt;1/2</subgt;范数正则化模型来识别点集内异常值的位置，剔除异常点，可以抑制MLS对于异常点敏感的特性，从而达到提高拟合精度，提高山区重建精度，在保持检测精度的同时显著提高了计算效率。

【技术实现步骤摘要】

本专利技术属于合成孔径雷达(synthetic aperture radar，sar)数据处理领域，具体涉及一种基于l1/2范数正则化和移动最小二乘的层析合成孔径雷达(tomographicsyntheticaperture radar，tomosar)山区地形重建方法。

技术介绍

1、点云优化技术在遥感、地理信息系统、三维建模等领域中得到了广泛应用，尤其是在山区等复杂地形的点云数据处理方面。点云的数据来源于激光雷达(light detectionand ranging，简称lidar)、三维扫描仪等传感器，能够准确描述地面及其上方物体的三维信息。随着激光雷达和无人机技术的不断进步，获取的点云数据量大、密度高，然而，由于山区的地形复杂、起伏较大，点云数据往往存在噪声、稀疏性以及冗余点等问题。因此，如何高效、精确地对山区点云进行优化处理成为了当前研究的热点。最早的点云优化方法主要依赖于传统的几何算法和滤波技术。基于体素网格法、随机采样一致(random sampleconsensus，简称ransac)算法等经典方法能够有效地处理简单场景中的噪声与冗余数据。本文档来自技高网...

【技术保护点】

1.一种基于L1/2范数正则化和MLS的TomoSAR山区地形重建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于L1/2范数正则化和MLS的TomoSAR山区地形重建方法，其特征在于，步骤(1)所述山区初始三维点云为：其中a(pm)，r(pm)和h(pm)分别表示点pm的方位向、距离向和高度向坐标；M为点云总点数，表示点云下标集合。

3.根据权利要求1所述的基于L1/2范数正则化和MLS的TomoSAR山区地形重建方法，其特征在于，所述步骤(2)实现过程如下：

4.根据权利要求1所述的基于L1/2范数正则化和MLS的TomoSAR山区地...

【技术特征摘要】

1.一种基于l1/2范数正则化和mls的tomosar山区地形重建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于l1/2范数正则化和mls的tomosar山区地形重建方法，其特征在于，步骤(1)所述山区初始三维点云为：其中a(pm)，r(pm)和h(pm)分别表示点pm的方位向、距离向和高度向坐标；m为点云总点数，表示点云下标集合。

3.根据权利要求1所述的基于l1/2范数正则化和mls的tomosar山区地形重建方法，其特征在于，所述步骤(2)实现过程如下：

4....

【专利技术属性】
技术研发人员：张晶晶，郭琪，金双，毕辉，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：