[发明专利]一种星载光子计数激光雷达数据快速去噪滤波方法

摘要

本发明公开了一种星载光子计数激光雷达数据快速去噪滤波方法，该方法包括粗去噪和精细去噪两个过程，粗去噪过程中是根据总体噪声水平对星载光子计数激光雷达数据进行去噪，精细去噪过程依次通过计算椭圆距离搜索函数、计算KNN邻近距离、计算第K距离邻域、计算局部可达密度函数以及计算局部椭圆距离离群因子，从而对粗去噪后的结果进行精细去噪。本发明提供的星载光子计数激光雷达数据快速去噪滤波方法具有较高的运算效率和准确度，可以在不必对现有星载光子计数激光雷达系统的硬件架构进行任何改造的情况下，有效消除日间获取数据的强烈背景噪声，从而节约系统成本。

主权项

1.一种星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，包括以下步骤：S1：以单位距离为分割标准，对星载光子计数激光雷达数据D在高程方向上进行分割，共分割为n个分割单元；S2：分别统计D中最前50块分割单元中的点个数H₁～H₅₀，并计算其均值P1和标准差σ1，S3：分别统计D中最后50块分割单元中的点个数H_n‑49～H_n，并计算其均值P2和标准差σ2，S4：分别计算D中最前和最后50块分割单元信号起始平均噪声N1和信号结束平均噪声N2：N1＝P1+α×σ1，N2＝P2+α×σ2；S5：计算总体噪声水平N_level：S6：根据总体噪声水平N_level对星载光子计数激光雷达数据D进行粗去噪，得到粗去噪数据D′；S7：设定椭圆长半轴a和椭圆短半轴b的值，并计算得到椭圆形状参数Aspect：S8：定义一基于椭圆形状参数Aspect的椭圆距离搜索函数(a＞b＞0)；S9：设定KNN邻近算法中k的值，利用椭圆距离搜索函数以及KNN邻近算法计算椭圆长半轴a和椭圆短半轴b对应的KNN邻近距离，并将该KNN邻近距离作为椭圆距离；S10：以k的值作为限制条件，根据该椭圆距离迭代计算所有满足该限制条件的第K距离邻域，其中，任意两个点O、点P之间的第K可达距离定义为：distances_MinPts(P，O)＝max{K‑distances_MinPts(O)，d(P，O)}；S11：根据第K距离邻域，迭代计算所有满足该限制条件的局部可达密度函数，任意一点P的局部可达密度函数如下式：S12：根据局部可达密度函数，迭代计算粗去噪数据D′中每一点的局部椭圆距离离群因子，任意一点P的局部椭圆距离离群因子为点P的邻域点N_k(P)的局部可达密度与点P的局部可达密度之比的平均值；S13：以上述局部椭圆距离离群因子的全部分数的T分位数为阈值，进行信号和噪声的划分，大于等于T分位数阈值的点即视为信号点，低于T分位数阈值的点即视为噪声点；S14：根据T分位数阈值，对粗去噪数据D′进行精细去噪，得到精细去噪数据D″。