海量点云数据滤波处理方法研究

简述目前几种主要的点云滤波方法,运用MatLab语言编程实现移动窗口最小二乘曲面拟合算法对数据进行滤波处理,经实验数据分析取得良好的滤波效果,能有效滤除点云噪声,获得高精度的建模数据,同时很好地保持地形特征。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

全方向自适应动态窗口SAR斑点噪声抑制算法

有效地抑制或消除斑点噪声是SAR图像地学应用的前提，通过基于单视数SAR图像的Speckle统计特性和已发展的空间滤波算法分析。发展了一种改进的全方向动态窗口自适应SAR噪声滤波算法，该算法对处理的每一个像元可按图像边界细节划分为需要的全方向子窗口，利用相对标准差判断滤波窗口及子窗口内斑点噪声及边缘信息的存在情况，可实现滤波窗口大小动态调整和窗口内参加滤波像素的自适应选择，对ERS SAR SLC图像试验结果表明，该算法对单视数SAR图像具有较强的Speckle抑制能力。且可较好地保持图像的纹理边界细节信息，有一定的实用价值。     

MODIS NDVI时间序列数据的去云算法比较

受多重因素的影响,MODIS NDVI数据产品中存在着大量的噪声,需要进行去噪重建.针对目前几种常用的NDVI时间序列数据去云方法,如HANTS法、SPLINE插值法以及Savizky-Golay法,以山东省MODIS NDVI时间序列数据(一年的)作为检验数据,从不同角度比较几种算法的去云能力和使用范围.结果表明:S...     

基于狄克松检验的NDVI时序数据噪声检测及其在数据重建中的应用

归一化差值植被指数NDVI(Normalized Difference Vegetation Index)时序数据已被广泛应用于植被变化监测、植被物候识别和土地覆盖分类等领域,但受观测条件限制,NDVI原始数据中包含大量噪声,在实际应用时需对其进行检测并去除。目前常用的NDVI数据去噪重建方法主要包括阈值检测法、滤波拟合法及曲线拟合法3类。各方法在应用时均需根据不同的土地覆盖类型或特定的研究区域设置一定数量的经验参数,对噪声的定义缺乏客观标准;此外,这3类方法都没有进行专门的噪声检测,在进行NDVI数据重建时只是根据经验进行噪声判断。本文提出了一种基于狄克松(Dixon)检验法、适用于对小样本进行检测的数理统计噪声检测方法,该方法首先对同一像元、同一时段、不同年份的NDVI时序数据进行统计分析,然后再结合质量评估数据的分析结果,最终给出NDVI是否异常的判断。运用狄克松检验法对噪声进行检测,然后结合已有的两种数据重建方法--变权重滤波法和Savitzky-Golay方法,基于2001年-2010年250 m分辨率的MODIS NDVI时序数据,对覆盖中国55种植被类型共520个测试样点及洞庭湖测试区域进行了NDVI时序数据重建实验,结果表明,狄克松检验法降低了对先验知识的依赖程度,应用该方法对NDVI时序数据中的噪声进行检测预处理后,可以有效提高变权重和Savitzky-Golay方法的数据重建质量。     

变窗口均值限差法的点云噪声滤除方法

利用三维点云数据建模的准确与否很大程度上依赖于点云滤波效果的好坏,通过对滤波方法的研究,可以提供尽量准确的地面点云数据.文章利用C#高级编程语言,结合OpenGL三维图形库对三维激光点云数据进行噪声滤波处理;将三维激光点云投影到格网内的拟合平面上,通过变窗口均值限差法对高差、坡度关键参数进行了分析对比,确定出合适滤波参数,模拟表达实际地形的原貌.实验证明,变窗口的均值限差法可以滤除绝大部分噪声,对于紧邻地面的部分噪声,可以通过进一步拟合最小二乘曲面或加入先验信息等方法去除.该方法不仅能够有效去除噪声,而且还能较大程度地保留地形的特征信息.     

融合地物类别信息的NDVI尺度转换模型构建及 MOD13 Q1产品真实性检验

提出融入中高空间分辨率遥感影像精确地类识别信息,以改进传统的Chen NDVI尺度转换模型的方法,并基于两个模型共同进行MODIS 250 m 16 D合成植被指数产品MOD13 Q1(MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid)真实性检验。研究以地类丰富的厦门市作为研究区主体,并以30 m Landsat8陆地成像仪OLI(Operational Land Imager)影像作为验证数据,实践了上述方法。实验结果表明:MOD13 Q1产品总体质量较好,但是存在偏高估计的问题,尤其是对人工地物更为明显,在实际应用中应予以关注;融入精细地类信息的改进Chen NDVI模型相比较融入粗略地类信息的传统Chen NDVI模型,升尺度转换结果无显著差异,但是前者在精细、定量刻画"不同地类对NDVI尺度效应影响"方面更有优势,这对遥感地表参数尺度效应研究具有重要的启示意义。     

利用LMedS算法提取规则建筑物顶部面片

针对常用的平面拟合方法在有"噪声点"存在的情况下,会出现拟合不稳定的问题,本文采用稳健性较好的RANSAC算法,从机载Li DAR数据中提取出建筑物顶部面片。RANSAC算法进行参数拟合时,会存在一些缺陷,通过改进RANSAC算法(LMed S算法)可以达到更好的拟合效果。首先利用直通滤波器对点云数据进行简单的滤波,然后通过Voxel Grid滤波器对点云数据进行下采样。对下采样之后的点云数据,用LMed S算法提取建筑物顶部面片。试验表明,利用LMed S算法可以成功提取建筑物顶部面片,稳健性较好。     

中国陆域1∶100万植被指数UNVI多维数据集（2017）

中国陆域1∶100万植被指数UNVI（Universal Normalized Vegetation Index）多维数据集（2017）是在分析MODIS地表反射率产品数据MOD09GA特点,参照传统的植被指数合成算法,为了满足植被长时间序列变化研究需要而生成的16 d合成UNVI数据集。本研究合成的UNVI数据集在反映植被密度、植被覆盖度、植被光合作用速率,以及反演植被理化参数方面,与传统的NDVI和EVI合成数据集相比,具有明显的优势。合成算法主要分为两步：首先对16 d合成周期内存在无效值和反射率负值的MODIS数据进行筛选处理;然后读取合成周期内的质量控制波段数据统计“无云”数据的天数,并根据“无云”数据的天数选择相应合成算法进行UNVI的16 d合成,从而获得2017年中国陆域时间分辨率为16 d,空间分辨率约为0.00286°的UNVI时间序列影像。基于本文提出的合成算法生成的中国陆域UNVI数据集,采用1∶100万标准经纬线分幅,共64景（Tile）,每景所覆盖的经纬度范围为6°×4°,为方便起见,数据集采用MDD多维数据格式（Multi-Dimensional Dataset）存储,每个.mdd文件下存放每景2017年所有时相的影像数据。同时为便于数据下载,全部数据按照分幅压缩为64个.zip文件,压缩后的数据量约为3.78 GB。本数据集能为从事全球变化研究的科研人员提供更方便的植被指数长时间序列数据产品。     

利用BEMD-自适应滤波去除SAR干涉图噪声

基于二维经验模态分解特性,提出了一种基于BEMD-自适应滤波的干涉图抑制噪声算法,并对自适应滤波的窗口进行了改进。根据窗内特征自适应调节窗口大小,并通过门限来决定是否需要改变窗口尺寸,达到在同性质区增大窗口来抑制噪声,在异性质区减小窗口以最大限度地保护图像细节的目的。实验表明,该算法不仅能有效地抑制干涉图的噪声,增强滤波的局部自适应性,而且能很好地保持条纹的细节信息。     

基于RANSAC算法的地铁隧道点云数据滤波

三维激光扫描技术能够快速、有效地获取隧道点云数据,可用于提取地铁隧道的形变信息,但隧道点云数据中包含着噪声点、离群点,需要滤波去除,目前已有滤波算法不适用于隧道环境。文中采用统计特征去除部分噪声点,利用区域增长方法初步提取隧道壁部分点云作为RANSAC算法种子点,进一步利用RANSAC算法拟合数学模型提取隧道壁全部点云数据,并利用RANSAC点云拟合模型对隧道盾构体施工精度进行评估。实验结果表明了方法的有效性。     

基于MODIS数据的东江流域云干扰时空特征分析

为在更高精度水平上分析植被指数时空变化特征,增强去云降噪环节的针对性和科学性,以东江流域2001—2015年间MOD13Q1产品中的云标记信息为数据源,利用地理信息系统空间分析方法,分别从云干扰概率及其空间分布、云干扰像元消除率及其空间分布和云干扰持续时长季节差异3个方面分析了东江流域云干扰时空特征。结果表明,该流域整体云干扰概率随合成时段加长而迅速降低;新增云干扰像元消除率随合成时段加长而先增加后减少;空间上南部城市化区域的云干扰持续时段相对更长,时间上夏季和春季的云干扰持续时段相对更长。该研究结果可为优选或开发更具时空适应性的植被指数时间序列数据去云降噪方法提供科学依据。     

极化SAR图像自适应增强Lee滤波算法

精制极化Lee滤波算法以其简单、高效、健壮等优点在极化SAR图像处理解译中得到了广泛的应用。然而,此滤波算法存在明显的缺陷：扇贝效应和虚假细线。对此,本文提出增加一组均匀窗口及一组线性方向窗口,并采用大小自适应窗口机制,在同质度高的区域用大窗口滤波,在同质度低的区域用小窗口滤波,从而使得滤波窗口在形状和尺寸上都能自动适应实际场景。利用机载和星载全极化SAR数据进行的滤波实验结果表明,本文提出的自适应增强Lee滤波算法在同质区域的噪声抑制能力明显优于精制极化Lee滤波算法及改进的Sigma滤波算法,同时在保持点、线等细节信息方面也优于精制极化Lee滤波算法,并且能很好的保持图像中地物的极化散射信息。     

基于物候特征参数的山西煤矿区典型复垦植被分类

基于2001―2013年获取的MOD13Q1 NDVI数据,采用低通平滑Savitzky-Golay(S-G)滤波方法、插值法及切比雪夫多项式(Chebyshev Polynomial)拟合对NDVI时序数据进行重构;通过提取植被生长季开始日期、生长季长度、生长季结束日期、生长季NDVI最大值及NDVI最大值出现日期等关键物候特征参数,对研究区典型复垦植被类型进行分类。结果表明:研究区不同植被的物候特征具有显著差异,从生长季开始日期及NDVI最大值出现日期来看,农作物较有规律;而林地的生长季NDVI累积总值则明显区别于农作物及草地;农作物、草地和林地基于植被物候特征参数分类取得了较好结果,总体分类精度达到89.67%,优于采用多时相非监督分类的结果;该研究为山西省煤炭矿区生态环境恢复评价提供了一定的数据基础。     

黑龙江省单一及混作农作物种植结构提取研究

以2012年MODIS数据产品250 m精度的MOD13Q1数据为数据源,采用Savitsky-Golay滤波法提取并平滑NDVI时间序列曲线,提取11种物候关键值,利用AMP,Start,Length三种物候关键值,采用面向对象分类方法的隶属度函数法提取出黑龙江省农用地范围,然后选取AMP,Start,Length,Left,Base,Right,Small七种物候关键值,采用面向对象分类方法的标准最邻近法,提取出黑龙江省单一及混作农作物的种植结构共十种。     

MODIS植被指数时间序列Savitzky-Golay滤波算法重构

利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。     

基于MODIS的植被指数变化研究及其与气候因子的关系分析

以2012年1~12月的MODIS 13Q1数据产品为基础,提取四川西南地区7市植被指数进行相关分析。基于各月植被指数,采用对比分析法,研究植被指数时空变化规律。同时,结合研究区内2012年月降水量和气温月平均值,选择多项式拟合法,对EVI,NDVI月平均值进行相关性分析,研究植被指数与气候因子的相关性。     

顾及地形起伏特征的线性预测滤波方法

传统的线性预测滤波算法将目标点云划分为多个栅格,滤波在每一个栅格内进行,而滤波栅格大小,需要用户手动调整。针对此问题,该文提出一种从机载激光扫描数据中生成数字高程模型(DEM)的有效方法。引入统计学变量——面高程变异系数,刻画地形起伏特征,并建立线性预测滤波算法中栅格大小与面高程变异系数之间的函数关系。最后,利用几组点云数据为研究对象验证该方法的有效性,实验结果表明,该方法能自适应地根据地形的起伏特征调整滤波参数,得到比较理想的地面点数据,最终内插得到高精度的DEM。     

基于统计比值差值排序滤波器的SeaWiFS图像椒盐噪声检测与消除

由于多种原因 ,部分SeaWiFS卫星图像数据中存在比较严重的椒盐噪声。该文在分析SeaWiFS椒盐噪声特征的基础上提出一种基于窗口内均值与均方差比值序列差值的统计比值差值排序滤波器 (StatisticalRatioRankOrderedDifferencesFilter,SRROD) ,并讨论如何使用该滤波器技术有效地对椒盐噪声进行白点噪声、黑点噪声检测和消除。与常用的中值滤波和其他滤波器比较 ,该方法能在有效消除椒盐噪声的同时 ,保持图像数据中其他位置的点不受影响。通过灵活地调整不同的阈值可以获得不同的滤波效果。最后 ,讨论了如何从有效峰值信噪比 (EffectivePeakSignalNoiseRatio,EPSNR)分布图上提取最优阈值对的方法     

ICESat-2机载试验点云滤波及植被高度反演

新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。