TY - JOUR ID - 10.11834/jrs.20208470 TI - ICESat-2机载实验光子云数据自适应去噪及分类算法 AU - 秦磊,邢艳秋,黄佳鹏,马建明,安立华 VL - 24 IS - 12 PB - 科学出版社 SP - 1476 EP - 1487 PY - JF - 遥感学报 JA - UR - http://jors.ijournals.cn/jrs/ch/reader/view_abstract.aspx?file_no=202012004&flag=1 KW - 遥感;ICESat-2;MABEL;光子云;DBSCAN;去噪;分类 KW - remote sensing;ICESat-2;MABEL;photon cloud;DBSCAN;denoising;classification AB - 第二代星载激光雷达冰、云和陆地测高卫星ICESat-2(The Ice, Cloud, and Land Elevation Satellite-2)搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题,目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题,本文提出一种改进的去噪算法,首先分析光子云内部特征并自适应选择最优参数进行粗去噪,然后进行两次精去噪,最后对光子云进行分类并拟合出地面线及冠层顶线,为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验,实验结果表明:该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%,F1-score为96.3%,日间平均精确度为86.7%,F1-score为91.7%,且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性,可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点,最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。 ER -