一种机载激光雷达海洋测深波形数据处理算法

双色机载激光雷达测深技术在海岸带水下地形测量方面具有明显的优势,测深数据的波形分解是其波形处理环节中的关键步骤。采用一种基于全局收敛LM(Levenberg Marquardt)算法的波形分解方法,通过综合分析近红外、浅水、深水通道的波形数据特点,设计了一种分层筛选策略并确定了合理的阈值,实现了水底和水面回波脉冲的准确检测。实测数据实验结果表明,该方法对实验区域获取的回波脉冲能够达到98%的有效检测率和87%的成功检测率。     

基于机载LiDAR测深水体波形的漫衰减系数提取方法

漫衰减系数是一个重要的海洋光学参数,能够为水体环境变化、水质分析以及水产养殖等方面提供基础性数据。针对目前船载实地测量效率与分辨率低、卫星遥感反演精度与分辨率较低的局限性,本文提出一种基于机载LiDAR测深水体波形的漫衰减系数提取方法。该方法首先通过分层异构模型的机载LiDAR波形分解算法得到水体散射回波,利用激光在水体中的衰减特性,构建漫衰减系数提取模型,最终获取大面积水域漫衰减系数的空间分布。采用西沙甘泉岛与江苏连云港两个航次的实测数据对所提算法进行了验证,本算法无需每个测深点的水底底部回波强度和深度即可反演得到漫衰减系数,并且在浑浊水域也可取得较好的效果,表明在中国近海利用机载LiDAR测深系统能够有效获取高精度的漫衰减系数。     

基于高斯与小波的机载测深LiDAR波形分解算法

波形分解是机载测深LiDAR数据处理的关键环节,为水深计算、底质类型反演和水体浑浊度分析等提供基础信息。针对传统测深LiDAR波形分解算法受噪声干扰严重、对微弱及叠加信号分解不准确的问题,提出一种新的波形分解算法。对原始波形经小波滤波后,计算滤波前后尾段波形的差异,估计回波信号的噪声;利用高斯模型,从原始波形数据中不断分解出经LM算法优化参数后的波形分量,直到剩余波形中最大峰值与优化后的参数小于一定阈值。通过南海实测数据进行验证,实验结果表明:该算法分解弱回波能力强,不论在浅水(回波发生叠加)还是深水,其分解精度均优于传统算法。     

机载激光雷达测深技术研究与进展

当前包括内河、水库及海域在内的水上、水下地形测量任务需求不断增加,进行水域或海洋测绘领域研究已提升到新的国家战略性高度。首先介绍了当前机载激光雷达水深测量的基本原理;概括总结了激光测深中的波形处理、波浪潮汐改正、折射改正、航带拼接与数据融合等关键技术,对测深的精度及误差影响进行了分析。最后结合当前技术的发展及新技术的出现,对未来机载激光雷达测深技术的发展进行了展望。     

一种机载激光测深回波信号的处理方法

利用回波信号的物理性质代替几何性质,将Darcy渗流方程与非线性扩散方程耦合,提出了一种基于多物理场的信号处理方法,通过有限差分方法进行离散化处理,实现对机载激光测深回波信号的处理。在此基础上,基于激光在海水中的传播特性,建立数学关系式,对机载532 nm激光测深系统回波信号进行数值模拟,利用多物理场信号处理方法对仿真模拟数据进行处理,并与传统滤波方法比较。实验结果表明,该方法可以很好地应用于机载激光回波信号的处理中,通过比较得出多物理场方法精度较高,算法稳定,验证了该方法的可行性与有效性。     

利用回波波形特征实现激光雷达的水陆分离

针对双频测深激光雷达数据的特点,研究了利用激光回波波形特征实现点云数据水陆分离的方法。激光和水体的相互作用通常会导致激光回波波形的展宽,与仅在空气中传播的陆地激光回波有明显区别。首先采用高斯函数对回波数据进行波形模拟,用期望方差最大法求解高斯函数的最优参数,得到波形拟合特征参数,随后以绿波段的波宽之和以及红波段与绿波段振幅比值这两个指标作为水陆分离的特征参数,采用最佳阈值分割法得到阈值参数并实现水陆分离,最后采用遥感影像辅助生成准确的水陆点云类别,评价本文方法的分类精度。实验结果表明,基于回波波形特征和阈值分割的方法能够较为准确地实现双频测深激光雷达数据的水陆分离,数据正确率优于94%。     

多通道海洋激光雷达溢油监测系统高台实验分析

系统介绍多通道海洋激光雷达溢油监测系统的硬件结构和高台实验,探讨多通道激光雷达探测溢油的可行性;此系统采用355 nm波长的3倍频Nd:YAG激光作为激发源,利用125 m高的实验平台,在白天和夜晚2种环境下进行实验,获得多种目标的雷达信号,并提取不同目标的特征荧光光谱,分析结果与实际情况相符。实验证明多通道海洋激光雷达溢油监测系统性能可靠,可以有效地进行溢油探测。     

机载激光测深系统强度数据AGC补偿异常区域识别及改正

机载激光测深系统（Airborne Laser Bathymetry,ALB）因集成了具有独特水体穿透能力的绿波段（532 nm）而被广泛用于水深测量。除地形数据外,ALB还记录了地物目标的辐射特性（后向散射强度）,可用于条带配准、海底底质分类和几何建模。然而,由于自动增益控制（Automatic Gain Control,AGC）设计局限,增益值调整存在延缓,对于裸露岩石、水域等高返回、低返回目标较多的海岛海岸带区域,强度补偿异常问题格外突出。针对该问题本文设计了一种基于双向移动的局部加权强度改正方法,提出索引共享机制辅以地形信息实现有效强度数据精确提取;以扫描周期为依据进行扫描线分割,通过柯尔莫可洛夫−斯米洛夫检验进行强度补偿异常区识别;通过对邻近扫描线和邻域强度联合加权进行强度改正,保证强度细节的同时较好地消除与邻域强度偏差,独特的双向移动策略能有效削弱改正不足积累造成的强度改正精度下降问题。实验证明该方法能有效解决AGC补偿异常问题,相较于改正前,改正后的强度数据平均绝对百分比误差降低了约0.27,均方根误差下降了约693,异常区强度与邻域强度偏差控制在26 DN（Digital Number）以内,得到高质量强度图像。     

神舟四号高度计波形数据预处理和信息提取

神舟四号(SZ-4)高度计在国内首次提供了星载雷达高度计回波波形数据.本文中作者分析了SZ-4高度计回波波形的特点,完成波形数据的预处理,并在此基础上完成初步的信息提取.在数据预处理方面,通过SZ-4高度计水陆边界处波形的特点,提出了波形最大幅度控制的方法,筛选回波波形.在波形归一化处理过程中,发现SZ-4高度计波形中存在双峰现象,并指出第二个峰为异常波形区.在波形信息提取方面,利用波形重新跟踪得到的半功率点计算出SZ-4高度计高度跟踪补偿误差,并根据高度计天线指向角和回波波形下降沿斜率之间的关系,从波形后沿提取天线指向角信息.分析结果表明,SZ-4高度计天线指向比较平稳,而跟踪补偿由于变化较大,在计算海面高度时,应作为一项误差源被考虑到.     

基于趋势面的多波束测深数据滤波方法

简要的介绍了基于统计特性进行多波束测深数据滤波的方法,并对这些滤波方法的特点及实际应用效果进行了对比分析,在此基础上,提出了趋势面滤波法,并对其进行了实践验证,取得了理想的效果。     

多波束与单波束测深数据融合处理方法

受声线弯曲的影响,多波束测深的边缘波束的数据质量较低,而单波束测深受声线弯曲的影响比较小。结合多波束覆盖面大和声速剖面误差对单波束影响相对较小的特点,研究了多波束和单波束的测深数据融合方法,利用同一位置单波束和多波束测深数据的差值,拟合一个与坐标位置相关的误差模型,并利用该误差曲面对多波束测深数据进行综合改正,从而提高多波束测深的数据质量。     

基于LiDAR回波强度数据的潮间带植被滤波方法

地面三维激光扫描技术以其高精度、高密度等优点,在潮间带地形测量中得到了非常广泛的应用。为了对潮间带地形地貌进行精确反演,必须对点云数据中的非地面点(主要是植被点)予以滤波。对地面三维激光扫描回波强度数据的距离效应进行改正,利用改正后强度数据实现了一种快速精确的植被滤波方法。实验结果表明:与商业软件利用点云几何信息进行植被滤波相比,根据回波强度数据进行植被滤波的精度约为75%,且大大减少了计算量,对潮间带高精度三维地形重构有重要研究意义和应用价值。     

一种针对滩涂LiDAR强度信息的条带噪声修正方法

针对滩涂机载激光雷达(LiDAR)数据的强度信息中存在的条带噪声,提出一种基于非线性RANSAC拟合强度联合直方图的修正算法。所提方法首先利用两个航带重叠区域数据的最近点构建强度联合直方图,之后强度联合直方图上利用二阶多项式构建归一化模型,再利用非线性RANSAC算法对二阶多项式进行拟合,最后利用拟合的二阶多项式对一条航带的数据进行强度修正,从而消除两个航带点云强度信息的不匹配现象。实验表明,相比于直接利用权重最小二乘法或RANSAC方法匹配联合直方图的强度修正方法,本文方法修正效果更好,且修正后航带重叠区的点云强度具有更好的同质性。     

不同海底底质类型水深数据特征分析

在典型的实验海区，使用双频测深仪和箱式取样器，对海底进行同步探测，获取双频测深仪不同底质类型数据。比较了式取样器海底底质样品，归纳出海底基岩、沙、粘土的双频测深仪水深数据和双频测深仪海底模拟记录图象特征，该特征可为双频测深仪识别海底底质类型提供先验认识。     

梯度引导下的分块曲面LiDAR数据滤波方法

根据点云密度确定分块曲面滤波区块的大小,通过构建梯度引导图,引导进行分块曲面滤波,并利用得到的初始结果对滤波进行进一步细化。将最后滤波结果的总错误率与ISPRS提供的测试方法进行比对,在3个测区内总错误率均低于ISPRS提供的方法。实验结果表明,该方法不受建筑物大小的影响,在保证较好滤波结果的基础上,提高了算法的自适应性和滤波的自动化程度。     

基于测深数据的胶州湾底质类型估计方法

探讨了基于高精度多波束水深数据的底质分类方法。对高精度水深数据按一定采样窗口单元提取统计特征;利用聚类分析方法对采样窗口单元进行分类;将分类结果与表层沉积物底质调查结果以及声纳分类结果相对比,发现三者具有一致性。此方法可以用来识别基岩、砾石、沙和粘土等底质类型。     

Modelling suitable estuarine habitats for Zostera noltii, using Ecological Niche Factor Analysis and Bathymetric LiDAR

Predicting species distribution and habitat suitability is of considerable use in supporting the implementation of environmental legislation, protection and conservation of marine waters and ecosystem-based management. As other seagrasses, Zostera noltii has declined worldwide, mainly due to human pressures, such as eutrophication and habitat loss. In the case of the Basque Country (northern Spain), the species is present only in 3 out of 12 estuaries. From the literature, it is known that at least 6 of these estuaries were formerly vegetated by this seagrass. Consequently, efforts to monitor and restore (potential) habitats have been enhanced. Therefore, we aim: (i) to determine the main environmental variables explaining Zostera noltii distribution, within the Basque estuaries based upon the Oka estuary; (ii) to model habitat suitability for this species, as a wider applicable management-decision tool for seagrass restoration; and (iii) to assess the applicability and predicted accuracy of the model by using internal and external validation methods. For this purpose, Ecological Niche Factor Analysis (ENFA) has been used to model habitat suitability, based upon topographical variables, obtained from bathymetric Light Detection And Ranging (LiDAR); sediment characteristics variables; and hydrodynamic variables. The results obtained from the ecological factors of the ENFA (Marginality: 1.00; Specialization: 2.59) indicate that the species habitat differs considerably from the mean environmental conditions over the study area; likewise, that the species is restrictive in the selection of the range of conditions within which it dwells. The main environmental variables relating to the species distribution, in order of importance, are: mean grain size; redox potential; intertidal height; sediment sorting; slope of intertidal flat; percentage of gravels; and percentage of organic matter content. The model has a high predicted accuracy (Boyce index: 0.92). Model validation using an independent dataset in the Bidasoa estuary has shown the applicability but also the limitations in extrapolating the habitat suitability model to select suitable transplantation areas in other estuaries with similar morphological and biogeographical characteristics. ENFA-technique, applied with an accurate selection of environmental predictors, could be a promising tool for predicting seagrass habitat suitability which could assist on seagrass conservation and restoration programs worldwide.