基于小波变换去噪的激光雷达波形数据处理方法技术

本发明专利技术提供了一种基于小波变换去噪的激光雷达波形数据处理方法，本发明专利技术在小波变换去除噪音的基础上，根据激光雷达波形数据符合高斯分布的特征，利用改进的EM（Expectation-Maximization）算法高斯分解激光雷达波形数据，生产出高质量的点云数据并得到森林参数。

【技术实现步骤摘要】
基于小波变换去噪的激光雷达波形数据处理方法
本专利技术涉及机载激光雷达
，尤其涉及一种基于小波变换去噪的激光雷达波形数据处理方法。
技术介绍
机载激光扫描是一个迅速成长的地形测绘技术。机载激光扫描大多数都重复对地球表面发射红外脉冲，通过光学接收器检测返回传感器的一部分能量。由一个计时器来测量脉冲在激光传感器与地球表面之间的往返时间，通过这个往返时间可以求得传感器到地表的距离，加上经过集成的POS系统和大约2000万～4000万像素的数码相机，使得该技术在一些使用传统摄影测量方法进行地形测绘比较困难的地区，如植被覆盖区、海岸带、岛礁地区等等，发挥着不可替代的作用。第一个商业机载激光扫描仪只能记录一个后向散射脉冲的时间。如果在激光光斑里只有一个目标那仅仅一个脉冲记录是足够的，在这种情况下返回脉冲可以简单地说明地物。但是对小的激光光斑（0.2-2米）来说，在激光脉冲的传播路径里可能有若干地物产生各自的后向散射脉冲。已经有更加先进的激光扫描仪能够记录多次回波，一般的商业激光扫描仪可以记录首次和末次回波，有些甚至可以记录超过5次。但这种工作方式对用户来说是无法获得任何与有关设备本身相关的一些信息的，如如何根据回波信号定位，电子设备和地物结构对获取的回波信号的形状和大小有何影响，回波信号如何被量化成几次离散脉冲信号等等。设备制造商往往将脉冲探测和量化方法作为商业机密而保密，另一方面，机载激光雷达的光斑设计得越来越小，这样每束激光产生多次回波的数量也进一步增加，这对脉冲探测和量化方法提出了更大的挑战。曾有文献指出，探测和量化方法不同，可以引起成果的误差。解决上述问题的途径是将发射信号和回波信号均以很小的采样间隔进行采样并记录，而不仅仅是记录若干次离散的回波信号。这样的采样记录方式即所谓的全波形数字化记录，这种类型的激光雷达系统称为waveform-digitizingLIDAR。事实上早在上世纪90年代，NASA开发的一些机载激光雷达系统已经具备这个能力，比如SLICER（ScanningLidarImagerofCanopiesbyEchoRecover）和LVIS（LaserVegetationImagingSensor）。还有一些星载激光雷达系统如GLAS也具有全波形记录能力。不过这些都是非商业系统。作为商业用途，该技术在2004年才被奥地利的RIEGL公司所采用，其开发出的LiteMapper-5600系统在农业和森林应用优势明显,目前商业化的机载激光雷达系统如ToposysFalconIII、LeicaALS-II、OptechALTM3100E等，均配有全波形数字化仪。与硬件发展相比，波形数据的分析和处理方法的研究却相对滞后。这一方面是由于波形数据尚未真正普及，另一方面由于波形数据的分析与具体应用关系密切，分析方法要面向应用。
技术实现思路
有鉴于此，本专利技术提供了一种基于小波变换去噪的激光雷达波形数据处理方法，本方法在小波变换去除噪音的基础上，根据激光雷达波形数据符合高斯分布的特征，利用改进的EM（Expectation-Maximization）算法高斯分解激光雷达波形数据，生产出高质量的点云数据并得到森林参数。本专利技术提供的一种基于小波变换去噪的激光雷达波形数据处理方法，包括：步骤1：获取激光雷达的波形数据X(n)，n=0,1,2…N-1；步骤2：采用小波变换滤波对波形数据X(n)进行分解，得到：其中，为尺度函数、Ψj,k为小波函数、ρT为取硬阈值函数：或ρT为软取阈值函数：其中，T为选取的阈值；步骤3：对分解后的波形数据进行信号重建得到去噪后的波形数据；步骤4：对去噪后的波形数据进行维护：检测去噪后的每一段波形数据的位置，然后在经平滑的原始波形数据X(n)上找到相应的波形段，并把所述波形段两端一定范围的数据恢复到去噪后的波形数据里，得到维护后的波形数据；步骤5：求取维护后的波形数据的梯度算子，采用求取的梯度算子对维护后的波形数据进行一阶求导得到波形数据的局部最大值，并将所述局部最大值作为高斯函数的期望值的初始值；步骤6：采用EM算法对高斯函数参数做最大相似评估；步骤7：令其中，n为波形中采样的数量，Ni为第i次采样的振幅，Qij是对象xi属于高斯函数分支j的概率，fj(x)是高斯概率密度函数，pj是fj(x)的权，表示该高斯函数分支在混合分布中占的比重，μj是高斯函数的期望值，σj是高斯函数的标准差，得到改进的EM算法公式；步骤8：采用所述改进的EM算法对维护后的波形数据进行高斯分解：通过迭代公式（1）～（4）不断地调节pj、μj、σj得到对应的最优值从而实现对维护后的波形数据的高斯分解：步骤9：采用mindist(k)=min(μj+1-μj)，确定最佳的k值；步骤10：提取分解激光雷达波形得到的高斯函数f(x)，高斯函数期望值为激光雷达波形的位置，高斯函数的均方差为激光雷达波形的宽度；步骤11：通过应用高斯函数期望值求解激光雷达点云数据三维坐标，并利用高斯函数均方差求解森林参数。由上述技术方案可知，本专利技术通过小波变换去除噪音的基础上，根据激光雷达波形数据符合高斯分布的特征，利用改进的EM（Expectation-Maximization）算法高斯分解激光雷达波形数据，生产出高质量的点云数据并得到森林参数。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于波形数据属于一维信号，其背景噪声总体来说由以下两个原因产生：激光雷达传感器的电子背景噪声以及激光脉冲在大气传播过程中，大气成分对能量脉冲的影响由此使得波形数据是一个抖动的曲线，那些振幅很小且抖动的部位就是噪音。激光雷达波形数据并不具有多维脉冲的特性，并其背景噪音也不属于突变很大的背景噪音，总体来说属于随机性的“白噪声”。由于小波变换在信号处理中具有“变焦显微”的功能，故能对信号在时间和频率域的某局部范围进行探测，能处理非平稳、瞬态、突变信号、微弱信号及含噪信号。步骤1：设长度为N的信号x(n)被加性噪声污染，噪声以随机过程W(n)的实现为模型，它的概率分布是已知的。为简单起见，设W(n)为零均值，方差σ2的白噪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波变换去噪的激光雷达波形数据处理方法，其特征在于，所述方法包括：步骤1：获取激光雷达的波形数据X(n)，n＝0,1,2...N-1；步骤2：采用小波变换滤波对波形数据X(n)进行分解，得到：其中，为尺度函数、Ψj，k为小波函数、ρT为硬取阈值函数：或ρT为软取阈值函数：其中，T为选取的阈值；步骤3：对分解后的波形数据进行信号重建得到去噪后的波形数据；步骤4：对去噪后的波形数据进行维护：检测去噪后的每一段波形数据的位置，然后在经平滑的原始波形数据X(n)上找到相应的波形段，并把所述波形段两端一定范围的数据恢复到去噪后的波形数据里，得到维护后的波形数据；步骤5：求取维护后的波形数据的梯度算子，采用求取的梯度算子对维护后的波形数据进行一阶求导得到波形数据的局部最大值，并将所述局部最大值作为高斯函数的期望值的初始值；步骤6：采用EM算法对高斯函数参数做最大相似评估；步骤7：得到改进的EM算法的公式，令

【专利技术属性】
技术研发人员：李奇，周伟，
申请(专利权)人：李奇，中国科学院遥感与数字地球研究所，北京千寻百合科技发展有限公司，
类型：发明
国别省市：