[發明專利]多級濾波算法的日間條件下不同波束光子云數據去噪方法

在審

• 申請號: 202310304232.5
• 申請日: 2023-03-27
• 公開（公告）號: CN116165635A
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 尤號田;覃志剛;黃元威;唐旭
• 申請（專利權）人: 桂林理工大學
• 主分類號: G01S7/495
• 分類號: G01S7/495;G06T5/00;G06V10/762;G06V10/75
• 代理公司: 北京東方盛凡知識產權代理有限公司 11562
• 代理人: 牛娟妮

1.多級濾波算法的日間條件下不同波束光子云數據去噪方法，其特征在于，包括：

步驟1：輸入日間光子點云數據，讀取其經緯度、高程信息，將數據轉化為沿軌距離-高程的形式，基于RANSAC算法進行第一級去噪，即粗去噪；

步驟2：基于粗去噪后的所述日間光子云數據，進行點云特征分析，獲取各窗口下的水平方向連續性參數，并以所述水平方向連續性參數為參考依據，自適應的改進第二級去噪算法，即精去噪，搜索域的形狀、大小和方向參數；

步驟3：基于OPTICS密度聚類算法和RNR-KNNB算法組合的多級濾波算法對粗去噪后的所述日間光子云數據進行第二級去噪，并獲取可達距離排序和局部距離統計值，采用最大類間方差的方法對所述可達距離排序和所述局部距離統計值進行閾值分割，根據閾值分割結果設定去噪閾值，基于所述去噪閾值，去除噪聲光子，并對第二級去噪后的所述日間光子云數據進行判定；

步驟4：判定輸入數據是否為日間弱波束數據，如若是則對步驟3精去噪結果采用RANSAC算法進行異常數據去除，當第二級去噪后的所述光子云數據判斷為日間強光束時，則對所述光子云數據不做處理。

2.根據權利要求1所述的多級濾波算法的日間條件下不同波束光子云數據去噪方法，其特征在于，所述步驟1包括如下步驟：

步驟1.1：光子云數據讀取，采用NASA所發布的ICESat-2/ATLAS數據產品中的ATL03和ATL08，其中：ATL03數據提供了每個光子的時間，經緯度以及高程信息；ATL08數據則是基于ATL03數據通過NASA官方算法進行去噪分類后的產品，兩數據格式均為HDF5(.h5)格式；

其中，針對ATL03數據確定濾波方向并進行濾波處理，ATL08數據則是作為官方結果進行精度對比，所述日間光子點云數據可通過HDFView、PhoReal軟件或者自行編程讀取，并將數據轉化為沿軌距離-高程的形式；

步驟1.2：基于RANSAC算法對步驟數據1.1所讀取數據進行第一級去噪包括：

S1.通過等沿軌距離的方法對所述日間光子云數據進行分窗口處理，將所述光子云數據轉化為沿軌距離-高程的形式，并按預設沿軌距離間隔進行劃分；

S2.隨機從各窗口內選擇不重復的點作為子集，根據所述子集進行模型擬合，獲取模型參數并建立三參數曲線擬合模型；

S3.基于所述三參數曲線擬合模型對所有點進行檢查，并更新所述模型參數及所述模型參數對應的內點個數；

S4.重復S1-S3，直到滿足預設最大迭代次數，統計各個所述三參數曲線擬合模型所獲取

到的內點個數，將內點數量最多的所述三參數曲線擬合模型記為最優模型并輸出。

3.根據權利要求2所述的多級濾波算法的日間條件下不同波束光子云數據去噪方法，其特征在于，所述步驟2包括：

步驟2.1：將目標點作為原點，以所述目標點的橫坐標作為X軸，所述目標點的縱坐標作為Y軸，將第一級去噪后的所述光子云數據數據劃分成四個象限，分別在四個象限內找到與所述目標點最鄰近的點作為鄰近點，最后統計所述鄰近點與所述目標點連線與水平方向的夾角；

步驟2.2：對所述夾角進行歸納統計，對歸納統計后的所述夾角進行去除垂直方向處理，剔除垂直方向并進行歸一化處理，對歸一化處理后的所述夾角進行計算，獲取所述水平方向連續性參數；

步驟2.3：將算法搜索域改進為橢圓形狀，并基于該水平方向連續性參數，自適應改進第二級濾波算法的搜索域大小參數，以目標點為圓心建立搜索域，通過旋轉的方式獲取各方向下的點云密度，設定搜索域方向參數。

4.根據權利要求2所述的多級濾波算法的日間條件下不同波束光子云數據去噪方法，其特征在于，獲取所述模型參數并建立所述三參數曲線擬合模型的方法為：

y＝A*e^Bx+C

其中，x和y分別表示光子點沿軌距離和高程值，A、B、C為模型擬合參數，e為自然常數。

5.根據權利要求3所述的多級濾波算法的日間條件下不同波束光子云數據去噪方法，其特征在于，基于該水平方向連續性參數，自適應改進第二級濾波算法的搜索域大小參數的方法為：

其中，t為方向參數，a、b分為橢圓搜索域長、短軸。