改进LM模型在机载小光斑LiDAR数据分解中的应用

机载小光斑Li DAR是近年来遥感领域的新兴技术,它对回波脉冲进行全数字化的记录,通过分解返回波形能够得到更加丰富的信息。针对传统LM波形分解算法容易陷入局部最优的问题,引入改进LM模型,采用信赖域技巧使得参数解全局收敛。实验证明,该方法相比传统LM能够得到更加可靠的波形分解结果,并且对城区、郊区和山地区域适应性好,具有较强实用价值。     

采用Levenberg Marquardt的逐步递进波形分解方法

针对机载全波形Li DAR波形数据分解问题,提出一种采用Levenberg Marquardt的逐步递进波形分解方法。该方法基于Levenberg Marquardt的非线性最小二乘拟合算法,选取高斯函数模型并采用逐步递进的波形分解方式得到准确的模拟波形。对Riegl数据中的2条典型波形进行分解实验,并与普通非线性最小二乘方法的结果进行对比分析,证明该方法是可行有效的。     

基于分组LM算法的全波形LiDAR高斯分解

LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。     

基于LM算法的机载LiDAR全波形数据分解研究

全波形机载激光雷达系统采集的波形数据蕴含着丰富的地物信息,因此,这些地物信息的提取方法具有很大的研究价值。本文通过对全波形数据的去噪平滑以及LM参数优化算法实现了波形分解,并利用其结果生成的点云数据与系统点云数据进行对比,结合部分点云剖面图分析其给实际生产应用所带来的帮助,实验表明,本文所用方法可以有效地提高数据中地物信息的质量。     

机载激光雷达全波形数据与系统点云差异的定量分析

目前常用的小光斑机载LiDAR波形数据与系统点云数据的来源相关性较大,波形数据的优势难以严格定量地评价和比较。LeicaALS60机载LiDAR系统记录的全波形数据与点云数据相对独立,点云数据来自硬件系统脉冲探测方法,而波形数据是未加处理的原始回波序列。本文对原始波形数据进行分解获取发射脉冲的全部回波,与系统探测点云进行了定量对比,并选取典型林区和城区数据,得到波形在两种地物类型中垂直信息获取能力的定量表征参数。结果表明,波形数据对不同地物类型均能丰富垂直结构信息和提高点云垂直分辨率,且这种提高在林区表现优于城区人工建筑和裸地;激光对树木冠层的穿透能力更明显地表现在回波波形信息中,相较于传统点云激光雷达,全波形LiDAR在森林垂直参数获取方面潜力更大。     

改进的线性预测滤波算法在机载LiDAR点云中提取DEM的应用

在机载Li DAR点云数据处理中,如何从原始点云中提取地面点进而生成DEM(Digital Elevation Model)成为当下机载Li DAR点云数据处理的重要研究方向。针对传统线性预测算法存在的不足,对传统线性预测滤波算法在噪声点剔除、数据格网化分块、迭代终止条件判断、重要滤波参数设置等方面进行了改进,并利用国际摄影测量与遥感协会提供的实验数据,对4块实验区进行改进后的算法验证,结果表明,改进后的滤波算法提高了滤波的总精度和地面点的精度。     

基于机载LiDAR点云滤波的矿区DEM构建方法

机载Li DAR数据是进行矿山高植被覆盖区地面塌陷调查的有效工具。利用湖南某矿区的机载Li DAR点云数据,提出了一种基于区域分割的渐进三角网滤波构建DEM的方法。首先,对原始机载Li DAR点云数据进行重新组织,以提高邻域点计算效率;其次,结合高程差计算区域统计值,按照地形情况分割测区内的地面点和非地面点,利用地面点构建初始稀疏TIN模型;然后,通过计算其他点与TIN的距离,渐进加密三角网,提取地面点;最后,剔除孤立点,生成格网间距为1 m的DEM。研究结果表明:基于区域分割的渐进三角网滤波构建的DEM能够较为精细地表达地形信息,特别在高植被覆盖区域,能够提取出高精度的真实地表DEM,可更加准确地表达出矿区高植被覆盖区的地表塌陷位置和范围等信息。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

机载激光雷达技术在滑坡调查中的应用——以三峡库区张家湾滑坡为例

机载激光雷达(light detection and ranging,Li DAR)技术具有受天气干扰小、能穿透一定厚度植被获取地表信息和数据处理过程相对简单等优势。通过与定位定向系统(position orientation system,POS)集成,机载Li DAR点云数据可快速生成精细数字高程模型(digital elevation model,DEM)。DEM是滑坡调查与监测的一种基础图件,其精细程度可直接反映地表形态的微小变化。通过DEM可在三维环境下准确地对滑坡特征参数进行定量分析。利用Li DAR技术对湖北省秭归县张家湾滑坡进行了识别与参数提取的研究和应用。首先,利用航带平差法和不规则三角格网加密对获取的点云数据进行检校与滤波处理,制作出高精度DEM成果;然后,通过DEM生成的山体阴影图、坡度图和地表粗糙度图,实现了对滑坡体的定性与定量分析;最后,完成对分析结果的评估。结果表明,机载Li DAR生成的高精度DEM可以清晰地识别出滑坡,并能够准确地对各种滑坡要素进行定量提取和分析。     

基于移动曲面拟合的机载LiDAR海底点云滤波方法

机载Li DAR在浅海区域获取的点云数据与陆地点云不同,陆地点云滤波方法并不完全适用于海底点云滤波。针对此问题,提出一种基于移动曲面拟合思想的海底点云滤波方法,并综合点云高程和强度信息进行阈值设定,去除各种原因造成的噪声点云。通过对某浅海区域的海底点云滤波并最终提取海底地形的实验,验证了该方法的有效性。     

复杂海域ERS-1卫星测高波形的波形分类方法研究

分析表明海域的两类基本波形类型为镜面和散射波形,提出了波形移动相关分析,用于复杂海域波形分类。在近海和南极海域实验区,对ERS-1回波信号波形分类。结果表明,脉冲峰值、-β5和波形移动相关分析均可进行波形分类。     

近海卫星测高波形分类与判别

针对近海测高数据可用率低下以及传统重跟踪技术的局限性,该文提出了基于动态聚类分析的测高波形分类方法以及基于移动最小距离的波形判别方法,并给出了确定最佳分类数的有效性指标。实现了海洋波形与非海洋波形正确识别,为处理海量测高波形以及根据波形研究最佳重跟踪算法提供了便利。以穿过台湾海峡和台湾近岸的TOPEX/Poseidon波形数据为例进行试验,结果表明,测高波形分为海洋波形、尖锥波形和其他散射波形3类时聚类效果最佳。与OCOG、移动相关系数和β-5等方法的分类结果对比分析表明,本文提出的方法具有一定优势。     

基于波形分类的近海卫星测高数据自适应重跟踪方法

对卫星测高波形数据分类的聚类分析方法进行了改进,给出了一个用于确定最佳聚类数的有效性指标。以台湾海峡的Topex/Poseidon测高数据为例,对近海测高波形进行了分类研究,并分析了各类波形的最优重跟踪方法,在此基础上提出了近海测高波形重跟踪的自适应方法。对多个周期测高数据进行重跟踪实验,结果表明,自适应方法优于其他重跟踪方法,显著提高了近海测高数据的质量。     

长江口EnviSat测高数据的波形分类重构分析

采用波形分类重构算法处理EnviSat卫星从2002年10月至2010年5月在长江口近岸海域28°N~32°N、121°E~125°E范围内的波形数据。该区域内海洋波形、波形后缘前端出现峰值的波形、波形后缘后端出现峰值的波形、似镜面波形和复杂波形分别占89.03%、2.95%、0.45%、3.31%和4.26%。根据不同的波形类别采用不同波形算法进行波形重构。同时,分析了不同重构算法之间的系统偏差,并据此确定OCOG算法、Threshold算法和子波形算法的最优阈值水平分别为65%、45%和50%。重构结果表明,波形分类重构算法优于其他波形重构算法,能有效改善原始海面高的精度,改善程度在16.62%~53.86%之间。此外,重构后交叉点差值小于重构前的交叉点差值,与轨迹P089、P411形成的交叉点的海面高差值由1m降低到25cm左右,其余交叉点的差值均在2~6cm。     

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。     

改进的EM模型及其在激光雷达全波形数据分解中的应用

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的三维坐标(即离散点云).分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取三维坐标.一般的分解方法基于非线性最小二乘的多项式拟合,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果.本文使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度,证明是一种性能可靠、精度较高的波形分解算法.     

林木空间格局对大光斑激光雷达波形的影响模拟

激光雷达是近年来国际上发展十分迅速的主动遥感技术，在森林参数的定量测量和反演上取得了成功应用。激光雷达具有与被动光学遥感不同的成像机理，对植被空间结构和地形的探测能力很强。大光斑激光雷达系统一般指光斑直径在8—70m、连续记录激光回波波形的激光雷达系统。由于大光斑连续回波的激光雷达的光斑尺寸通常大于林木冠幅，波形中往往包含了森林冠层和许多森林元素的信息而不仅仅是单株树的信息。对于搭载在ICESAT卫星上的GLAS而言，光斑直径为70m，因此光斑对应着一片森林，包括很多棵树，在GLAS的激光光斑内树木的空间分布会有一定变化。同时激光雷达发射的脉冲信号在激光光斑内的分布也不均匀，而是从中心到边缘呈递减的分布。因此树木空间分布模式的变化对波形会产生一定的影响。通过对几种典型的树木空间格局进行模拟（包括规则分布、均匀（随机）分布和集群分布），假定激光光斑内能量呈高斯分布，模拟了各种树木分布模式林分的激光雷达信号。从模拟结果可见，森林的空间分布模式对大光斑激光雷达波形有明显的影响，对于波形面积（AWAV）和波形半能量高度（HOME），规则分布〉随机分布〉团状分布。其中对于HOME而言，规则分布和随机分布十分接近，而对于AWAV而言，聚集中心的变动不太敏感。