白杰博士 | TGRS：高光谱激光雷达Rclonte系列数据处理算法二——Rclonte-M

白杰（高光谱激光雷达遥感）

已于 2025-05-19 22:14:51 修改

阅读量923

点赞数 13

文章标签：算法

于 2024-12-06 09:14:22 首次发布

本文链接：https://blog.youkuaiyun.com/qq_37970770/article/details/144281292

版权

本文是高光谱激光雷达遥感团队2024年发表在遥感领域国际权威期刊IEEE TGRS（IF=7.5）上的一项研究。该研究简化了高光谱激光雷达波形数据处理Rclonte系列最初原始算法，考虑了在多自然目标各波长中心位置降序排列（Ranking Central Locations of Natural Target Echoes, Rclonte）后直接取中值（Median）的策略（Rclonte-M），去弥补或修正真实场景中漏检错检目标参量，研究采用了USGS反射光谱库数据构建了模拟数据集，并相比Rclonte算法实验，为避免实验设计带来的反射光谱反演的便利性变换了自然目标位置，并在三个自然目标场景数据集上进行了实验，测距和光谱恢复结果充分表明了算法在波形处理上的优越性和简洁性。获取详细内容可点击文末链接或点击文末“阅读原文”。

研究背景
高光谱激光雷达回波信号处理将直接产生得到以下辐射信息：目标峰值强度、中心位置、半高宽FWHM等，基于上述信息进一步处理，可获得场景空间结构和光谱属性，包括三维目标位置信息及真实反射率属性。因此，回波信号处理算法的重要性不言而喻。过去，我们提出了Rclonte算法用于高光谱激光雷达数据处理，算法设计之初，考虑了一系列复杂场景形成的中心位置分布条件，形成了严格的判断筛选策略去得到标准参考参数集，然而，原始算法过于复杂，其筛选判断准则执行繁琐，且在沿激光路径上多自然目标真实场景实测数据（大于等于3个目标）中并未得到验证。

研究方法
原始Rclonte算法利用基于沿激光路径上多自然目标回波中心位置次序不变性原理，对多自然目标各波长上的所有中心位置进行降序排列（Rclonte）后，进行如下判定：
a.首先，初始同一次序集内的所有中心位置数量要大于1/8倍波长数量，方可推定该初始同一次序对应的数个组分在各个波长上是真实存在的，且可能大概率（most likely）属于同一组分。

b.但是，由于隐藏波和弱波也可能存在波形中，而误检或漏检现象带来的属于其他组分的中心位置就会在此基础上带入到当前次序组分，因此属于同一次序的中心位置也可能并不全是来自同一目标样本组分的，我们需要进一步做处理。

c.为了处理上述现象，属于同一次序的中心位置被列为了单独的新集合，对该数据集合进行进一步合理（valid）中心位置的判定（何为valid组分，即指理论上完全属于同一真实目标样本组分）。

d.判定的原则是，要去剔除该次序中首尾两端的虚假噪声带来的中心位置。依次遍历剔除，只有当首端两相邻组分的中心位置差小于1/2倍的半高宽F且尾端两相邻组分的中心位置差小于1/2倍的半高宽F时，认为此时剩余的该次序中的中心位置属于同一真实组分。

e.合理的中心位置集合的均值以及他们对应的半高宽FWHM的均值被作为漏检和误检现象带来的缺失中心位置和缺失FWHM的初始参考值。

  因此取筛选更新后集合的均值作为参考中心位置，接着收集所有目标的参考中心位置组建参考中心位置集，去弥补或修正其他波长处漏检或误检该目标中心位置。

然而，我们发现，对于植被、土壤、建筑等自然场景实验中我们主要考虑中心位置属于同等级序列中的同一目标的某个波长的中心位置及其他参数作为参考参数即可，这个过程中，中位数会是一个标准可参考的表征参数，因为在进行非负最小二乘（nonnegative least-squares method (LSM)）优化过程中，会再次进行优化，即可回溯到该波长该等级对应目标的正确辐射参数。

图1. 算法原理

研究结果及结论
为评估 Rclonte-M 算法性能，本研究选择了模拟数据集和实测数据集两种数据集开展算法性能测试，进行了定性和定量评估。对于模拟数据集，我们模拟了包含四种不同类型自然目标的场景，包括植被叶片、矿石、草地和沙子。实测数据集是使用本研究的高光谱激光雷达原型系统获取的，由两个实测集合组成，考虑到Rclonte算法（RSE，Bai et al. 2024）实验中植被叶片置于前更容易获得叶片准确光谱，在实测数据集一我们调换了叶片和石块位置，从而避免实验设计带来的叶片反射光谱恢复便利，在实测数据集二中我们则考虑了多目标场景。

图2. 模拟波形

图3. 模拟波形分解拟合结果

图4. 不同算法模拟波形拟合精度及误差

图5. 实测波形分解拟合结果

图6. 不同算法实测波形拟合精度及误差
Rclonte-M算法在三目标场景上的分解结果为：

图7. Rclonte-M算法在含石块植被（石块在前、植被在后）等的三自然目标场景实测波形上的拟合精度及误差
测距误差分析结果显示，本研究设计的高光谱激光雷达系统对于相邻组分的整体测距误差约为 7 cm（与真实距离相比最大标准偏差控制在 7 cm 以下）。

图8. 三目标测距结果误差分析
三目标场景中提取出的石块和叶片反射率光谱结果显示，反演的光谱测量结果可以用于石块和植被叶片的识别。其中，植被光谱一些特征清晰可见，说明高光谱激光雷达系统能够反演同一足迹内沿激光路径多个目标的复杂反射特性。

图9. 三目标场景石块和叶片目标反射光谱结果

文章信息：Bai J, Niu Z*, Bi K, Yang X.B., Wang L*, et al. Toward An Advanced Method for Full-Waveform Hyperspectral LiDAR Data Processing [J]. IEEE Transactions on Geoscience and Remote Sensing, 2024, 62: 1-16… (最新IF = 7.5).

论文链接：

https://ieeexplore.ieee.org/document/10480727 或点击文末“阅读原文”。

该项研究工作得到国家自然科学基金重点项目等资助。第一作者为中国科学院空天信息创新研究院白杰博士，通讯作者为牛铮、王力研究员。

IEEE Transactions on Geoscience and Remote Sensing 是遥感领域国际权威期刊，聚焦于陆地、海洋、大气和空间的遥感理论、概念、科学技术和工程，以及这些信息的处理、解译和分发。期刊发表研究方法上有新进展的技术类文章和重要研究。其中，Experimental Data部分要求数据完整，并清晰地描述了实验设备、方法和相关的实验环境。