应用于ICESat-2数据的精细高可靠地表和冠层顶提取方法及系统

应用于icesat-2数据的精细高可靠地表和冠层顶提取方法及系统
技术领域
1.本发明属于激光雷达技术领域，具体涉及一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法。


背景技术：

2.星载激光(雷达)测高作为主动式遥感探测技术，具有穿透观测作业的能力，同时又因其具有测量精度高、时空分辨率高和垂直分辨率高等特点，被广泛应用于远程测距、环境监测和三维成像等领域。星载激光测高仪主要有离散激光雷达、全波形激光雷达和光子计数激光雷达三种。其中，光子计数激光雷达的首次应用是在2018年美国国家宇航局nasa发射的冰、云和陆地高程卫星-2(icesat-2)上。icesat-2搭载的先进地形激光测高系统(atlas)采用了高灵敏度的单光子探测器，设计了3组共6个波束，每组由一个强能量波束和一个弱能量波束组成，可适应不同反射率目标的探测。同时，其激光重复频率达到10khz，足印间距仅为0.7m，在监测两极冰层变化、全球植被情况以及云和气溶胶等方面具有较大的优势。然而，正是由于atlas对光子的高敏感性，使得其容易受到大气散射、太阳辐射和仪器噪声等影响，获得的光子信号中包含有大量的背景噪声。因此需要对光子数据进行噪声去除才能获得真实的信号光子，并通过对信号光子的进一步分类得到地表和冠层顶部，以服务于森林反演、碳计算和高程测量等科学问题。


技术实现要素：

3.针对icesat-2森林区域的光子去噪及光子分类问题，提出了一种精细高可靠的地表和冠层顶提取方法及系统，通过自适应阈值椭球体滤波、密集噪声去除和改进lof算法对光子数据进行多级去噪，准确地获得信号光子，然后利用改进局部方向中心算法精细提取信号光子的外部光子后，基于自适应大小移动窗口结合单轴反距离权值统计法区分地表光子、冠层和冠层顶光子。
4.为了达到上述目的，本发明提供的技术方案是一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，包括以下步骤：
5.步骤1，利用自适应阈值椭球体滤波方法对光子数据进行滤波，粗略区分噪声光子和信号光子；
6.步骤1.1，设定椭球体滤波的光子数量阈值，计算椭球体各轴的半径；
7.步骤1.2，以每个光子为中心筛选潜在滤波点集，将光子组粗略分为噪声光子组和信号光子组；
8.步骤2，利用密集区除噪声方法进一步剔除信号光子组中的噪声光子组；
9.步骤2.1，根据重叠率合并信号光子组；
10.步骤2.2，对未合并的信号光子组进行再度筛选；
11.步骤2.3，根据光子组间的距离剔除噪声光子组；
12.步骤3，基于改进的lof算法去除距离信号光子较近的离散单个噪声光子；
13.步骤4，对剔除了噪声的信号光子进行分类，获得地表和冠层顶光子；
14.步骤4.1，基于改进的局部方向中心算法区分外部光子和内部光子；
15.步骤4.2，基于单轴反距离权值统计法区分外部光子中的地表光子和冠层顶光子。
16.而且，所述步骤1.1中采用固定滤波阈值反向求椭球体各向半径的方式自适应计算椭球体表达式，以计算沿轨轴半径r
at
为例，首先将光子投影到沿轨轴方向上，在光子所在区域内以2n段距离进行均分，然后间隔采样n段，并计算采样区域光子数量的均值avesp
at
，再计算均分间隔距离avedis
at
和光子数量均值avesp
at
的比值得到单位光子距离，最后根据滤波光子数量阈值t
sph
和椭球体放大系数r
cof
得到沿轨轴的半径公式r
at
如下：
[0017][0018]
avedis
at
＝l
at
/(2
×
n)
ꢀꢀꢀꢀꢀꢀꢀ
(2)
[0019][0020]
式中，l
at
表示沿轨轴光子分布长度，pn
t
表示采样段中第t段光子的数量。
[0021]
垂轨轴半径r
ct
和高程轴半径rh计算过程与沿轨轴半径r
at
相同，同样的方式获得r
ct
和rh后，可得椭球体表达式如下：
[0022][0023]
式中，c(c
at
,c
ct
,ch)为椭球中心光子的坐标。
[0024]
而且，所述步骤1.2中根据相近相似性原则，设定规则如下：以每个光子为椭球体中心，将椭球体内的所有光子集合作为一组，若该组光子数小于设定的滤波光子数量阈值，则直接认为该组光子均为噪声光子，称为噪声光子组，反之认为均是信号光子，称为信号光子组，如下式所示：
[0025][0026][0027]
式中，group_ng表示噪声光子组，group_sg表示信号光子组，sum()表示对集合内的光子数求和，o表示候选光子的数量，p
l_at
、p
l_ct
和p
l_h
分别表示第l个候选光子点在沿轨轴、垂轨轴和高程轴的值，r
at
、r
ct
和rh分别表示椭球体在沿轨轴、垂轨轴和高程轴方向的半径，t
sph
为设定的滤波光子数量阈值。
[0028]
为了快速高效地滤除大部分噪声光子，噪声光子组和信号光子组内的光子不再作为中心光子进行滤波，将信号光子组内的光子计入下一个中心光子的滤波范围，噪声光子
组内的光子不计入。
[0029]
而且，所述步骤2.1中首先根据两个相邻信号光子组内光子的重叠数量求得重叠部分的光子数量，然后将重叠部分的光子数量与较少光子的信号光子组内的光子数量的比值作为重叠率，当重叠率大于设定的重叠率阈值时，将两个信号光子组进行合并，计算合并后的信号光子组与其相邻的信号光子组的重叠率，并根据重叠率与阈值的大小关系，判定是否需要再次进行合并。对所有信号光子组进行合并判断操作后，得到若干个合并的信号光子组和若干个未合并的信号光子组。
[0030]
而且，所述步骤2.2中选取合并后光子数量最多的信号光子组作为基线信号光子组，然后将未合并的信号光子组中光子数量大于基线信号光子组一定比例的光子组也视为合并后的信号光子组。经过筛选后，不满足条件的信号光子组中的光子数量比较少，称其为离群光子组。
[0031]
而且，所述步骤2.3中通过计算离群光子组与合并后的信号光子组的距离来剔除噪声光子组，光子组之间的距离指两个光子组中光子间最小距离的最小值，计算公式下：
[0032]
h(a,b)＝min{min{d(a,b)}}
ꢀꢀꢀꢀꢀꢀꢀ
(7)
[0033]
式中，h(a,b)表示光子组a和光子组b的距离，a和b分别表示光子组a和光子组b内的光子，min表示最小值，d(a,b)表示a和b的距离，h(a,b)越大表示两个光子组相距越远，则越有可能是噪声光子组。
[0034]
设定阈值t
dh
为所有光子之间距离的平均值，若离群光子组与合并后的信号光子组的距离大于阈值，则将该离群光子组视为噪声光子组。
[0035]
而且，所述步骤3中对lof算法进行改进，使用椭圆区域搜索替代圆形区域搜索，以适应光子在水平方向上密度分布较高的特性，令椭圆的长轴和短轴分别为n1r
at
、n2rh，其中r
at
为沿轨轴半径，rh为高程轴半径，n1、n2为常数。
[0036]
而且，所述步骤4.1中使用局部方向中心性度量dcm定量度量内部点和边界点，具体计算方式如下：
[0037][0038]
式中，αi表示中心点的最邻近i点形成的第i个角度，π为圆周率，k为椭圆范围内光子的个数，椭圆的长轴和短轴分别为m1r
at
、m2rh，r
at
为沿轨轴半径，rh为高程轴半径，m1、m2为常数。
[0039]
当成立时，即仅当k个点均匀分布在中心点周围，所有的角度都相等时，dcm取得最小值0；当其中一个角度为2π，而其他角度都为0时，可得dcm的最大值4(k-1)π2/k2；因此对dcm进行归一化到[0,1]如下：
[0040][0041]
式中，αi表示中心点的最邻近i点形成的第i个角度，π为圆周率，k为椭圆范围内光子的个数，椭圆的长轴和短轴分别为m1r
at
、m2rh，r
at
为沿轨轴半径，rh为高程轴半径，m1、m2为常数。
[0042]
在求得每一个点的dcm
′
值后对其进行排序，dcm
′
值越小的点越有可能为内部点，
dcm
′
值越大的点越有可能为外部点；多次调整外部点的个数，并记录相应的分类准确率，最后选用分类准确率最高的那组数据，最终得到地表光子和冠层顶光子为外部光子，冠层光子为内部光子。
[0043]
而且，所述步骤4.2中以每个外部光子为中心，在沿轨方向构建窗口，根据外部光子与窗口内其他信号光子在高程方向上的反距离加权求和进行分类，判断其是地表光子还是冠层顶光子。
[0044]
窗口大小和分类标准如下：
[0045]wat
＝2
×wcof
×rat
ꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0046][0047][0048]
式中，w
at
表示沿轨道方向的窗口宽度，w
cof
和r
at
分别表示窗口大小系数和椭球体在沿轨方向上的半径，toc表示外部光子属于冠层顶部，ground表示外部光子属于地表，hc表示待计算的外部光子的高程值，假设窗口内有qh个光子高程大于hc，则第ph个光子的高程为h
ph
，假设窗口内有ql个光子高程小于等于hc，则第pl个光子的高程为h
pl
。
[0049]
本发明还提供一种应用于icesat-2数据的精细高可靠地表和冠层顶提取系统，用于实现如上所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法。
[0050]
而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的程序指令执行如上所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法。
[0051]
与现有技术相比，本发明具有如下优点：
[0052]
1)采用固定滤波阈值反向求椭球体各向半径的方式自适应计算椭球体表达式，减少了参数量，降低了方法对参数敏感度；2)通过自适应阈值椭球体滤波、密集噪声去除和改进lof算法对光子数据进行多级去噪，大大减小噪声对于后续光子分类的影响；3)利用改进的局部方向中心算法获取信号光子中精确密集的外部光子，结合提出的单轴反距离加权统计法的方法能够准确地对信号光子进行分类，获得地表和冠层顶。
附图说明
[0053]
图1是本发明实施例的流程图。
具体实施方式
[0054]
本发明提供一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法及系统，下面结合附图和实施例对本发明的技术方案作进一步说明。
[0055]
实施例一
[0056]
如图1所示，本发明提供一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，包括以下步骤：
[0057]
步骤1，利用自适应阈值椭球体滤波方法对光子数据进行滤波，粗略区分噪声光子和信号光子。
[0058]
为了降低滤波方法对参数的敏感性，减少人工调试的次数，同时考虑到沿轨和垂轨(垂轨方向噪声是很多研究者未考虑的)两个方向的噪声剔除，提出一种自适应阈值椭球体滤波方法进行噪声的粗剔除。
[0059]
步骤1.1，设定椭球体滤波的光子数量阈值，计算椭球体各轴的半径。
[0060]
本发明采用固定滤波阈值反向求椭球体各向半径的方式自适应计算椭球体表达式。以计算沿轨轴半径r
at
为例，首先将光子投影到沿轨轴方向上，在光子所在区域内以2n段距离进行均分，然后间隔采样n段，并计算采样区域光子数量的均值avesp
at
，再计算均分间隔距离avedis
at
和光子数量均值avesp
at
的比值得到单位光子距离，最后根据滤波光子数量阈值t
sph
和椭球体放大系数r
cof
得到沿轨轴的半径公式r
at
如下：
[0061][0062]
avedis
at
＝l
at
/(2
×
n)
ꢀꢀꢀꢀꢀꢀ
(2)
[0063][0064]
式中，l
at
表示沿轨轴光子分布长度，pn
t
表示采样段中第t段光子的数量。
[0065]
垂轨轴半径r
ct
和高程轴半径rh计算过程与沿轨轴半径r
at
相同，同样的方式获得r
ct
和rh后，可得椭球体表达式如下：
[0066][0067]
式中，c(c
at
,c
ct
,ch)为椭球中心光子的坐标。
[0068]
步骤1.2，以每个光子为中心筛选潜在滤波点集，将光子组粗略分为噪声光子组和信号光子组。
[0069]
由于光子间的距离较近，为避免频繁计算相近光子，减少后续计算量，根据相近相似性原则，设定规则如下：以每个光子为椭球体中心，将椭球体内的所有光子集合作为一组，若该组光子数小于设定的滤波光子数量阈值，则直接认为该组光子均为噪声光子，称为噪声光子组，反之认为均是信号光子，称为信号光子组，如下式所示：
[0070][0071][0072]
式中，group_ng表示噪声光子组，group_sg表示信号光子组，sum()表示对集合内的光子数求和，o表示候选光子的数量，p
l_at
、p
l_ct
和p
l_h
分别表示第l个候选光子点在沿轨
轴、垂轨轴和高程轴的值，r
at
、r
ct
和rh分别表示椭球体在沿轨轴、垂轨轴和高程轴方向的半径，t
sph
为设定的滤波光子数量阈值。
[0073]
为了快速高效地滤除大部分噪声光子，噪声光子组和信号光子组内的光子不再作为中心光子(椭球中心)进行滤波，将信号光子组内的光子计入下一个中心光子的滤波范围，噪声光子组内的光子不计入。
[0074]
步骤2，利用密集区除噪声方法进一步剔除信号光子组中的噪声光子组。
[0075]
由于云的影响或其他原因，可能会存在噪声不均匀的情况，即某处的噪声可能密度较大，接近于信号光子密度，此时自适应阈值椭球体滤波方法可能无法将其滤除，需要对该种情况做进一步处理。因此本步骤主要是对步骤1中获取的信号光子组进行合并，找到信号光子轨迹，然后根据设定规则剔除不属于信号光子轨迹的噪声光子组。
[0076]
步骤2.1，根据重叠率合并信号光子组。
[0077]
由于步骤1将光子分为多个小组，而信号光子的分布整体上呈现高聚集性，因此相邻的信号光子组之间会有一定的重叠。为了找到信号光子的正确轨迹并将其作为剔除噪声光子组的参考，需要对步骤1初步得到的信号光子组进行合并。首先根据两个相邻椭球体(信号光子组)内光子的重叠数量求得重叠部分的光子数量，然后将重叠部分的光子数量与较少光子的椭球体(信号光子组)内的光子数量的比值作为重叠率，当重叠率大于设定的重叠率阈值时，将两个信号光子组进行合并，计算合并后的信号光子组与其相邻的信号光子组的重叠率，并根据重叠率与阈值的大小关系，判定是否需要再次进行合并。由于信号光子分布密集，因此可以认为信号光子组的椭球体内的光子分布较均匀，进而对信号光子组合并时，重叠率阈值可以由体积表征。由步骤1.2设定的规则可知，两个椭球体相交体积与椭球体的体积比值应小于0.5，一般将阈值设置为[0.1,0.3]。对所有信号光子组进行合并判断操作后，得到若干个合并的信号光子组和若干个未合并的信号光子组。
[0078]
步骤2.2，对未合并的信号光子组进行再度筛选。
[0079]
合并后的信号光子组基本可以表征信号光子的轨迹，但也会存在以下两种情况使得本应该合并的信号光子组未进行合并：1)信号光子的特殊分布(相交一侧分布的光子较少)使得相邻信号光子组的重叠率小于阈值；2)特殊的地形和其他地物干扰，导致信号光子轨迹中断，无法进行合并。因此，选取合并后光子数量最多的信号光子组作为基线信号光子组，然后将未合并的信号光子组中光子数量大于基线信号光子组一定比例的光子组也视为合并后的信号光子组。经过筛选后，不满足条件的信号光子组中的光子数量一般比较少，称其为离群光子组。
[0080]
步骤2.3，根据光子组间的距离剔除噪声光子组。
[0081]
步骤2.2中根据信号光子组中的光子数量筛选出了离群光子组，此时的离群光子组包括两类：1)距离信号光子轨迹较远且是由密集噪声组成的离群光子组；2)由信号光子或者部分噪声光子组成的光子组，离信号光子轨迹较近或者在轨迹里，但是由于光子的分布不在相交范围内，因而未被合并的光子组。通过计算离群光子组与合并后的信号光子组的距离来剔除噪声光子组，光子组之间的距离指两个光子组中光子间最小距离的最小值，计算公式下：
[0082]
h(a,b)＝min{min{d(a,b)}}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0083]
式中，h(a,b)表示光子组a和光子组b的距离，a和b分别表示光子组a和光子组b内
的光子，min表示最小值，d(a,b)表示a和b的距离，h(a,b)越大表示两个光子组相距越远，则越有可能是噪声光子组。
[0084]
设定阈值t
dh
为所有光子之间距离的平均值，若离群光子组与合并后的信号光子组的距离大于阈值，则将该离群光子组视为噪声光子组。
[0085]
步骤3，基于改进的lof算法去除距离信号光子较近的离散单个噪声光子。
[0086]
为进一步剔除距离信号光子较近的离散单个噪声光子，对局部异常因子(local outlier factor，lof)算法进行改进。lof算法的基本思想是计算一个点的分数，该分数表示给定点与其相邻点之间的局部密度，而离群点被认为是与相邻点之间密度水平显著低于阈值分数的点。本发明对lof算法进行改进，使用椭圆区域搜索替代圆形区域搜索，以适应光子在水平方向上密度分布较高的特性。椭圆的长轴和短轴分别为n1r
at
、n2rh，其中r
at
为沿轨轴半径，rh为高程轴半径，n1、n2为常数。由于信号光子轨迹上的光子点较为密集，而其周围的噪声点在局部上体现出一定的离群趋势，因此利用改进的局部异常因子算法可以较好地剔除这部分噪声。
[0087]
步骤4，对剔除了噪声的信号光子进行分类，获得地表和冠层顶光子。
[0088]
步骤4.1，基于改进的局部方向中心算法区分外部光子和内部光子。
[0089]
局部方向中心算法的核心思想是度量每个点的k最近邻(k-nearestneighbor，knn)分布来区分一组点的边界点(外部点)和内部点。该算法认为一组点的边界点应该细致勾勒出这组点的轮廓，内部点应该被其邻近点在所有方向所包围，而边界点则仅在特定方向上会存在邻近点。为了能够定量度量内部点和边界点，提出局部方向中心性度量dcm，具体计算方式如下：
[0090][0091]
式中，αi表示中心点的最邻近i点形成的第i个角度，k为中心点的最邻近点的个数，π为圆周率。
[0092]
对于二维角度来说，当成立时，即仅当k个点均匀分布在中心点周围，所有的角度都相等时，dcm取得最小值0；当其中一个角度为2π，而其他角度都为0时，可得dcm的最大值4(k-1)π2/k2；因此可对dcm进行归一化到[0,1]如下：
[0093][0094]
式中，αi表示中心点的最邻近i点形成的第i个角度，k为中心点的最邻近点的个数，π为圆周率。
[0095]
局部方向中心算法利用knn寻找中心点的周围点，此过程应用于聚集的点可较好地区分中心点是边界点还是内部点。但是对于信号光子而言，信号光子由地表光子、冠层光子和冠层顶部光子组成，当植被长势较高时，冠层光子和地表光子中间可能有较大的间隔，并且间隔区域信号光子较少，此时利用knn寻找中心光子的周围光子，会导致在冠层和地表之间的中心光子被误分。因此将knn寻找中心点的周围点的过程修改为利用椭圆范围寻找中心点的周围光子，即k表示椭圆范围内光子的个数，椭圆的长轴和短轴分别为m1r
at
、m2rh，其中r
at
为沿轨轴半径，rh为高程轴半径，m1、m2为常数。这样可以使得中心点在搜索周围点时
不受间隔距离的影响，也避免了冠层和地表之间的光子被错分为外部光子。在取得每一个点的dcm
′
值后对其进行排序，dcm
′
值越小的点越有可能为内部点，dcm
′
值越大的点越有可能为外部点。多次调整外部点的个数，并记录相应的分类准确率，最后选用分类准确率最高的那组数据。最终得到地表光子和冠层顶光子为外部光子，冠层光子为内部光子。
[0096]
步骤4.2，基于单轴反距离权值统计法区分外部光子中的地表光子和冠层顶光子。
[0097]
由于外部光子需要被区分为地表光子和冠层顶光子，因此在一定大小窗口内使用单轴反距离加权统计法判断外部光子是地表光子还是冠层顶光子。以每个外部光子为中心，在沿轨方向构建窗口，根据外部光子与窗口内其他信号光子在高程方向上的反距离加权求和进行分类，判断其是地表光子还是冠层顶光子。
[0098]
窗口大小和分类标准如下：
[0099]wat
＝2
×wcof
×rat
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0100][0101][0102]
式中，w
at
表示沿轨道方向的窗口宽度，w
cof
和r
at
分别表示窗口大小系数和椭球体在沿轨方向上的半径，toc表示外部光子属于冠层顶部，ground表示外部光子属于地表，hc表示待计算的外部光子的高程值，假设窗口内有qh个光子高程大于hc，则第ph个光子的高程为h
ph
，假设窗口内有ql个光子高程小于等于hc，则第pl个光子的高程为h
pl
。
[0103]
实施例二
[0104]
基于同一发明构思，本发明还提供一种应用于icesat-2数据的精细高可靠地表和冠层顶提取系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的程序指令执行如上所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法。
[0105]
具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
[0106]
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施案例，做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

技术特征：
1.一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于，包括以下步骤：步骤1，利用自适应阈值椭球体滤波方法对光子数据进行滤波，粗略区分噪声光子和信号光子；步骤1.1，设定椭球体滤波的光子数量阈值，计算椭球体各轴的半径；步骤1.2，以每个光子为中心筛选潜在滤波点集，将光子组粗略分为噪声光子组和信号光子组；步骤2，利用密集区除噪声方法进一步剔除信号光子组中的噪声光子组；步骤2.1，根据重叠率合并信号光子组；步骤2.2，对未合并的信号光子组进行再度筛选；步骤2.3，根据光子组间的距离剔除噪声光子组；步骤3，基于改进的lof算法去除距离信号光子较近的离散单个噪声光子；步骤4，对剔除了噪声的信号光子进行分类，获得地表和冠层顶光子；步骤4.1，基于改进的局部方向中心算法区分外部光子和内部光子；步骤4.2，基于单轴反距离权值统计法区分外部光子中的地表光子和冠层顶光子。2.如权利要求1所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤1.1中采用固定滤波阈值反向求椭球体各向半径的方式自适应计算椭球体表达式，以计算沿轨轴半径r
at
为例，首先将光子投影到沿轨轴方向上，在光子所在区域内以2n段距离进行均分，然后间隔采样n段，并计算采样区域光子数量的均值avesp
at
，再计算均分间隔距离avedis
at
和光子数量均值avesp
at
的比值得到单位光子距离，最后根据滤波光子数量阈值t
sph
和椭球体放大系数r
cof
得到沿轨轴的半径公式r
at
如下：avedis
at
＝l
at
/(2
×
n)
ꢀꢀꢀꢀꢀꢀꢀ
(2)式中，l
at
表示沿轨轴光子分布长度，pn
t
表示采样段中第t段光子的数量；垂轨轴半径r
ct
和高程轴半径r
h
计算过程与沿轨轴半径r
at
相同，同样的方式获得r
ct
和r
h
后，可得椭球体表达式如下：式中，c(c
at
,c
ct
,c
h
)为椭球中心光子的坐标。3.如权利要求2所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤1.2中根据相近相似性原则，设定规则如下：以每个光子为椭球体中心，将椭球体内的所有光子集合作为一组，若该组光子数小于设定的滤波光子数量阈值，则
直接认为该组光子均为噪声光子，称为噪声光子组，反之认为均是信号光子，称为信号光子组，如下式所示：组，如下式所示：式中，group_ng表示噪声光子组，group_sg表示信号光子组，sum()表示对集合内的光子数求和，o表示候选光子的数量，p
l_at
、p
l_ct
和p
l_h
分别表示第l个候选光子点在沿轨轴、垂轨轴和高程轴的值，r
at
、r
ct
和r
h
分别表示椭球体在沿轨轴、垂轨轴和高程轴方向的半径，t
sph
为设定的滤波光子数量阈值；为了快速高效地滤除大部分噪声光子，噪声光子组和信号光子组内的光子不再作为中心光子进行滤波，将信号光子组内的光子计入下一个中心光子的滤波范围，噪声光子组内的光子不计入。4.如权利要求1所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤2.1中首先根据两个相邻信号光子组内光子的重叠数量求得重叠部分的光子数量，然后将重叠部分的光子数量与较少光子的信号光子组内的光子数量的比值作为重叠率，当重叠率大于设定的重叠率阈值时，将两个信号光子组进行合并，计算合并后的信号光子组与其相邻的信号光子组的重叠率，并根据重叠率与阈值的大小关系，判定是否需要再次进行合并；对所有信号光子组进行合并判断操作后，得到若干个合并的信号光子组和若干个未合并的信号光子组。5.如权利要求1所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤2.2中选取合并后光子数量最多的信号光子组作为基线信号光子组，然后将未合并的信号光子组中光子数量大于基线信号光子组一定比例的光子组也视为合并后的信号光子组；经过筛选后，不满足条件的信号光子组中的光子数量比较少，称其为离群光子组。6.如权利要求1所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤2.3中通过计算离群光子组与合并后的信号光子组的距离来剔除噪声光子组，光子组之间的距离指两个光子组中光子间最小距离的最小值，计算公式下：h(a,b)＝min{min{d(a,b)}}
ꢀꢀꢀꢀꢀ
(7)式中，h(a,b)表示光子组a和光子组b的距离，a和b分别表示光子组a和光子组b内的光子，min表示最小值，d(a,b)表示a和b的距离，h(a,b)越大表示两个光子组相距越远，则越有可能是噪声光子组；设定阈值t
dh
为所有光子之间距离的平均值，若离群光子组与合并后的信号光子组的距离大于阈值，则将该离群光子组视为噪声光子组。7.如权利要求2所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤3中对lof算法进行改进，使用椭圆区域搜索替代圆形区域搜索，以适应光子在水平方向上密度分布较高的特性，令椭圆的长轴和短轴分别为n1r
at
、n2r
h
，其中r
at
为沿轨轴半径，r
h
为高程轴半径，n1、n2为常数。
8.如权利要求2所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤4.1中使用局部方向中心性度量dcm定量度量内部点和边界点，具体计算方式如下：式中，α
i
表示中心点的最邻近i点形成的第i个角度，π为圆周率，k为椭圆范围内光子的个数，椭圆的长轴和短轴分别为m1r
at
、m2r
h
，r
at
为沿轨轴半径，r
h
为高程轴半径，m1、m2为常数；当成立时，即仅当k个点均匀分布在中心点周围，所有的角度都相等时，dcm取得最小值0；当其中一个角度为2π，而其他角度都为0时，可得dcm的最大值4(k-1)π2/k2；因此对dcm进行归一化到[0,1]如下：式中，α
i
表示中心点的最邻近i点形成的第i个角度，π为圆周率，k为椭圆范围内光子的个数，椭圆的长轴和短轴分别为m1r
at
、m2r
h
，r
at
为沿轨轴半径，r
h
为高程轴半径，m1、m2为常数；在求得每一个点的dcm
′
值后对其进行排序，dcm
′
值越小的点越有可能为内部点，dcm
′
值越大的点越有可能为外部点；多次调整外部点的个数，并记录相应的分类准确率，最后选用分类准确率最高的那组数据，最终得到地表光子和冠层顶光子为外部光子，冠层光子为内部光子。9.如权利要求2所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法，其特征在于：步骤4.2中以每个外部光子为中心，在沿轨方向构建窗口，根据外部光子与窗口内其他信号光子在高程方向上的反距离加权求和进行分类，判断其是地表光子还是冠层顶光子；窗口大小和分类标准如下：w
at
＝2
×
w
cof
×
r
at
ꢀꢀꢀꢀꢀꢀ
(10)(10)式中，w
at
表示沿轨道方向的窗口宽度，w
cof
和r
at
分别表示窗口大小系数和椭球体在沿轨方向上的半径，toc表示外部光子属于冠层顶部，ground表示外部光子属于地表，h
c
表示待计算的外部光子的高程值，假设窗口内有qh个光子高程大于h
c
，则第ph个光子的高程为h
ph
，假设窗口内有ql个光子高程小于等于h
c
，则第pl个光子的高程为h
pl
。10.一种应用于icesat-2数据的精细高可靠地表和冠层顶提取系统，其特征在于，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的程序指令执行如权利要求1-9任一项所述的一种应用于icesat-2数据的精细高可靠地表和冠层顶提取方法。

技术总结
本发明公开了一种应用于ICESat-2数据的精细高可靠地表和冠层顶提取方法及系统，首先利用自适应阈值椭球体滤波方法法粗略区分噪声光子组和信号光子组，接着利用密集区除噪声方法进一步剔除信号光子组中的噪声光子组，然后通过改进的局部异常因子(LOF)算法对邻近信号光子的离散单个噪声光子进行剔除，以获得精去噪的结果，最后利用改进的局部方向中心算法结合单轴反距离权值统计法精细区分地表和冠层顶部。本发明为从ICESat-2数据中提取地表和冠顶高度信息提供了新的思路，能够有效助力碳汇计算。汇计算。汇计算。


技术研发人员：蒋永华 常京新 李贞
受保护的技术使用者：武汉大学
技术研发日：2023.05.30
技术公布日：2023/9/9