CN104408018B - 一种保形LiDAR波形去噪方法及系统 - Google Patents
一种保形LiDAR波形去噪方法及系统 Download PDFInfo
- Publication number
- CN104408018B CN104408018B CN201410665140.0A CN201410665140A CN104408018B CN 104408018 B CN104408018 B CN 104408018B CN 201410665140 A CN201410665140 A CN 201410665140A CN 104408018 B CN104408018 B CN 104408018B
- Authority
- CN
- China
- Prior art keywords
- denoising
- point
- operand
- value
- even number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种保形LiDAR波形去噪方法及系统,包括迭代进行去噪过程,每次去噪依次对每个点,先通过对邻域计算得出该采样点的估算值,将原始值与其进行比较和判定,若差值大于所设定的阈值,则将估算值赋给采样点,否则保持原始值;估算值的获取方式为,首先判断当前操作数为奇数还是偶数,当操作数为奇数时和当操作数为偶数时进行相反的计算;在当前的操作数达到预设的迭代次数时结束流程,得到去噪结果。本发明技术方案能够有效去除LiDAR回波信号中的随机噪声;能够在去噪同时保持波形的形状。应用本发明技术方案对LiDAR回波信号进行去噪可以有效提高信噪比,利于后续处理。
Description
技术领域
本发明属于数字信号去噪处理领域,特别涉及一种保形LiDAR波形去噪方法及系统。
背景技术
目前,方海涛等在频率域通过采用非线性软阈值技术的小波系数去噪方法去除了信号中的噪声,并保持信号的特征(Optics Communication 233卷2004年)。除了在频率域,还可以在空间域对LiDAR回波信号进行去噪。孙冰玉等将LiDAR信号去噪问题视为一个函数回归问题,利用最小二乘支持向量机对LiDAR信号进行去噪(Process Letters 12卷2期2005年)。这些技术都很好地实现了对LiDAR回波信号的去噪,但是频率域的去噪若用于LiDAR成千上万次回波的去噪,消耗的时间空间太大,传统的图像空间域处理滤波方法不需要波形的先验知识,且方法简单适用于快速处理大量波形数据,但是这些方法在去噪的同时,可能会使波形发生畸变,如波形的峰值大小、波宽等。
发明内容
针对以上技术问题,本发明从空间域出发,在邻域法的基础上设计了一个改进的邻域光顺去噪技术方案,优化了去噪效果,减少了波形的变形。
为达到上述目的,本发明采用如下的技术方案:
一种保形LiDAR波形去噪方法,包括如下步骤:
步骤1,对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
步骤2,进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若差值大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
步骤3,判断当前的操作数m是否达到预设的迭代次数,是则结束流程,得到去噪结果;否则令m=m+1,返回步骤2进行迭代,执行下一次去噪过程。
本发明还相应提供一种保形LiDAR波形去噪系统,包括如下模块:
初始化模块,用于对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
去噪模块,用于进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
迭代判断模块,用于判断当前的操作数m是否达到预设的迭代次数,是则结束工作,得到去噪结果;否则令m=m+1,命令去噪模块进行迭代工作,执行下一次去噪过程。
本发明技术方案能够有效去除LiDAR回波信号中的随机噪声;能够在去噪同时保持波形的形状。应用本发明技术方案对LiDAR回波信号进行去噪可以有效提高信噪比,利于后续处理。
具体实施方式
传统λ/μ去噪方法的基本原理是对采样点及其邻域进行适当操作,使整个波形平滑,曲率变化连续。因此一个点是否为噪声点,是可以通过看它是否与其邻域点连续来判断。若为含噪声点,则应将其去掉,并对其邻域值进行合适的计算,重新给它赋予一个近似真实的值。通常情况下,去噪过程需迭代进行,本领域技术人员可自行预设合适的操作执行次数。
每次操作,依次对每个点,先通过对邻域计算得出该采样点的估算值将原始值xi与其进行比较和判定。若差值大于所设定的阈值(本领域技术人员可自行预设阈值),则将赋给点xi,否则保持原始值。
对于一个一维信号x,标记xi为一维信号x中第i个点,设包括n个点x1,…,xn,即i的取值为1,2,…,n,可将其表示成一个列向量(x1,…,xn)t,高斯滤波的最简单形式可表述为式(1):
x′i=xi+λΔxi (1)
其中,x′i为xi高斯滤波后的结果,i的取值为2,3,…,n-1,x1和xn保持不变;变量λ是一个大于0小于1的尺度因子。该方程可以写成矩阵形式,如式(2):
x′=(I-λK)x (2)
其中,x′为一维信号x高斯滤波后的结果,矩阵I为单位矩阵,矩阵K如式(3):
矩阵K为n行n列,n为一维信号的采样点数,矩阵中除了主对角线上的值为2,其余值都是-1。
高斯滤波会导致信号边缘的收缩,所以高斯核函数不能作为低通滤波的核,于是采用一个非收缩的关于矩阵K的函数f(K)来代替矩阵I-λK,此时:
x′=f(K)x (4)
如果迭代N次,则结果如式(5):
xN=f(K)N (5)
其中,xN为一维信号x经N次迭代进行高斯滤波后的结果。
由于矩阵K是对称的,它具有实特征值和特征向量。设ki为矩阵K的第i个实特征值,ki对应的特征向量为ui,矩阵K的实特征值为0≤k1≤k2≤...≤kn≤m,m为常数,k1,...,kn对应的特征向量分别为u1,...,un,式(4)可表示为式(6):
其中,ξi为矩阵K的矩阵函数的系数,f()为滤波核函数,所以需满足在N次迭代后,当ki∈[0,m]时,低频成分f(ki)N≈1,高频成分f(ki)N≈0。因此核函数选择式(7)的形式:
f(k)=(1-λk)(1-μk) (7)
其中μ是一个新的负尺度因子,绝对值小于1,且μ<-λ。这相当于用正的尺度因子通过式(1)进行高斯平滑后,进行了另外一个相似的步骤:
x′i=xi+μΔxi (8)
由于f(0)=1,λ+μ<0,寻找一个临界值kPB使f(kPB)=1,λ、μ满足式(9):
用式(1)进行高斯平滑时,由于都是加法操作,会导致图形变形,若加入了(8)式的减法操作,两种计算交替进行,可以克服高斯滤波的该缺陷。这是传统λ/μ方法的原理,它在高斯滤波基础上修改了核函数,采用加减交替计算的方法,抑制了高斯滤波产生的收缩现象,但是由于μ<-λ,加运算和减运算的程度不同,所以会影响去噪结果,本发明对λ/μ方法进行了改进,
当操作数为奇数时进行以下计算:
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算:
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
传统的λ/μ方法每次处理都是方向单一的加权修正,而相邻的点修正方向不一样,这样多次处理后虽然点与邻域平均值的差异趋小,但相邻两点的差异有可能趋大,造成噪声消除力度不够。而改进后的方法采用随着处理次数增加而交替使用传统方法,即相邻次数的处理中,同一个点受到的修正是不同方向的,这样迭代处理,方法本身引入的变形就可以被抵消,进一步提高去噪效果。
具体实施时,本发明技术方案可采用软件技术实现自动流程运行。本发明实施例所提供的一种保形LiDAR波形去噪方法,包括如下步骤:
步骤1,对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
步骤2,进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变,具体实施时,可对x2,…,xn-1依次按此处理,xi的处理时可以采用xi-1处理后的结果;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
步骤3,判断当前的操作数m是否达到预设的迭代次数,是则结束流程,得到去噪结果;否则令m=m+1,返回步骤2进行迭代,执行下一次去噪过程。
本发明还相应提供一种保形LiDAR波形去噪系统,包括如下模块:
初始化模块,用于对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
去噪模块,用于进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
迭代判断模块,用于判断当前的操作数m是否达到预设的迭代次数,是则结束工作,得到去噪结果;否则令m=m+1,命令去噪模块进行迭代工作,执行下一次去噪过程。
为了验证本发明效果,进行了实验:
1.模拟数据实验
取滤波窗口为3时,分别用均值滤波、高斯滤波、传统λ/μ滤波方法以及改进λ/μ滤波方法对含有椒盐噪声的模拟LiDAR波形数据进行滤波的结果,其中取kPB=0.1,λ=0.6307,μ=-0.6372。滤波窗口取为3时各滤波方法均不能很好地去除噪声,波形中的毛刺依旧很明显,同时均值滤波和高斯滤波已经开始引起波形的畸变,为达到明显的去噪效果,采用加大滤波窗口的办法,取滤波窗口为5。加大滤波窗口后,中值滤波、高斯滤波和λ/μ滤波方法对椒盐噪声的去除有了更明显的效果,但是经均值滤波和高斯滤波去噪后的波形波峰值减小半波宽增大,发生严重畸变。用传统λ/μ滤波方法可使波形平滑,仅造成了波峰的轻微减小,因为λ/μ滤波方法在高斯函数的基础上增加了一个抑制波峰变小的因子,可有效克服高斯滤波导致波形边缘收缩的缺陷,能够在有效去除随机噪声的同时保持波形的形状。从表1中的方差可以看出改进的λ/μ滤波方法比传统方法去噪效果更好,能够使波形更加接近理想波形。
表1不同方法去噪后波形的方差
滤波方法 | 均值滤波 | 高斯滤波 | 传统λ/μ滤波 | 改进λ/μ滤波 |
方差 | 2.38 | 6.18 | 2.07 | 1.20 |
2.真实数据实验
此处所采用的真实波形数据是由Leica ALS60系统采集以LAS1.3格式存储的。每个波形的采样数为128,采样间隔为1纳秒。由上述模拟实验发现,取滤波窗口大小为3时,无论何种滤波方法都不能有效去除噪声,所以在对真实数据进行实验时,直接取滤波窗口大小为5。结果中,均值滤波和高斯滤波引起了明显的波形畸变,峰值严重减小。传统和改进的λ/μ滤波方法的去噪效果从图中看不出明显的区别,进而通过峰值信噪比(PSNR)对两种方法进行对比,峰值信噪比的定如公式(1)所示,其中max是波形中的最大值,xi和分别表示第i个点去噪前和去噪后的值。去噪后波形的峰值信噪比如表2所示,从中可以看出,改进的λ/μ滤波方法去噪后的波形峰值信噪比更大。
表2各方法对真实数据去噪后的峰值信噪比
滤波方法 | 均值滤波 | 高斯滤波 | 传统λ/μ滤波 | 改进λ/μ滤波 |
PSNR | 36.24 | 31.76 | 40.66 | 43.95 |
本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明技术领域的技术人员可以对所描述的具体实施例做各种各样的修改补充或者采用类似的方式替代,但并不会偏离本发明精神或者超越所附权利要求书所定义的范围。
Claims (2)
1.一种保形LiDAR波形去噪方法,其特征在于:随着处理次数增加而交替使用λ/μ方法,在相邻次数的处理中同一个点受到的修正是不同方向的,通过迭代处理使λ/μ方法本身引入的变形被抵消,进一步提高去噪效果,同时减少波形的变形,包括如下步骤,
步骤1,对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
步骤2,进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若差值大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
步骤3,判断当前的操作数m是否达到预设的迭代次数,是则结束流程,得到去噪结果;否则令m=m+1,返回步骤2进行迭代,执行下一次去噪过程。
2.一种保形LiDAR波形去噪系统,其特征在于:用于随着处理次数增加而交替使用λ/μ方法,在相邻次数的处理中同一个点受到的修正是不同方向的,通过迭代处理使λ/μ方法本身引入的变形被抵消,进一步提高去噪效果,同时减少波形的变形,包括如下模块:
初始化模块,用于对于一维信号x,设包括n个点x1,…,xn,标记xi为一维信号x中第i个点,令操作数m=1;
去噪模块,用于进行第m次去噪过程,包括依次对每个点xi,先通过对邻域计算得出该点的估算值将xi原始值与其进行比较和判定,若差值大于所设定的阈值,则将赋给点xi,否则保持原始值;i的取值为2,3,…,n-1,x1和xn保持不变;
估算值的获取方式为,首先判断当前操作数为奇数还是偶数,
当操作数为奇数时进行以下计算,
x′i=xi+λΔxi,当i为奇数时
x′i=xi+μΔxi,当i为偶数时
当操作数为偶数时进行如下计算,
x′i=xi+λΔxi,当i为偶数时
x′i=xi+μΔxi,当i为奇数时
其中,变量λ是一个大于0小于1的尺度因子,μ是一个负尺度因子,且μ<-λ;将计算所得x′i作为估算值
迭代判断模块,用于判断当前的操作数m是否达到预设的迭代次数,是则结束工作,得到去噪结果;否则令m=m+1,命令去噪模块进行迭代工作,执行下一次去噪过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410665140.0A CN104408018B (zh) | 2014-11-19 | 2014-11-19 | 一种保形LiDAR波形去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410665140.0A CN104408018B (zh) | 2014-11-19 | 2014-11-19 | 一种保形LiDAR波形去噪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408018A CN104408018A (zh) | 2015-03-11 |
CN104408018B true CN104408018B (zh) | 2018-02-09 |
Family
ID=52645650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410665140.0A Active CN104408018B (zh) | 2014-11-19 | 2014-11-19 | 一种保形LiDAR波形去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408018B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719249B (zh) * | 2016-01-15 | 2018-05-08 | 吉林大学 | 一种基于三维格网的机载激光雷达点云去噪方法 |
CN105676205A (zh) * | 2016-01-27 | 2016-06-15 | 武汉大学 | 一种机载LiDAR波形数据高斯分解方法 |
CN112230198B (zh) * | 2019-07-15 | 2022-10-25 | 天津大学 | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445685A (zh) * | 2011-09-28 | 2012-05-09 | 赖旭东 | 小光斑雷达信号分解方法 |
-
2014
- 2014-11-19 CN CN201410665140.0A patent/CN104408018B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102445685A (zh) * | 2011-09-28 | 2012-05-09 | 赖旭东 | 小光斑雷达信号分解方法 |
Non-Patent Citations (3)
Title |
---|
A Signal Processing Approach To Fair Surface Design;Gabriel Taubin;《in Proceedings of the 22nd Annual ACM Conference on Computer Graphics and Interactive Techniques》;19950831;第351页左栏第1行-第357页右栏第21行 * |
A Study of Denoising Method for Three Dimensional Data Based on Mean Shift;Fenghua Xu等;《2011 International Conference on Intelligent Computation and Bi-Medical Instrumentation》;20111231;第39-42页 * |
一种迭代的小光斑LiDAR波形分解方法;赖旭东等;《红外与毫米波学报》;20130820;第32卷(第4期);第319-324页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104408018A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Image denoising using trivariate shrinkage filter in the wavelet domain and joint bilateral filter in the spatial domain | |
Xu et al. | An improved anisotropic diffusion filter with semi-adaptive threshold for edge preservation | |
Wang et al. | A new image denoising method based on Gaussian filter | |
CN105046664B (zh) | 一种基于自适应epll算法的图像去噪方法 | |
CN104680495B (zh) | 超声图像的自适应去噪方法 | |
Zhang et al. | A fast adaptive reweighted residual-feedback iterative algorithm for fractional-order total variation regularized multiplicative noise removal of partly-textured images | |
CN105005975B (zh) | 基于pcnn和图像熵的各向异性扩散的图像去噪方法 | |
CN105125204A (zh) | 一种基于esmd方法的心电信号降噪方法 | |
CN103236046B (zh) | 基于图像形态模糊隶属度的分数阶自适应相干斑滤波方法 | |
CN103116875A (zh) | 自适应双边滤波图像去噪方法 | |
CN104408018B (zh) | 一种保形LiDAR波形去噪方法及系统 | |
CN102968770A (zh) | 噪声消除方法及装置 | |
CN102073999A (zh) | 基于双冗余字典学习的自然图像去噪方法 | |
CN103208097A (zh) | 图像多方向形态结构分组的主分量分析协同滤波方法 | |
CN102567973A (zh) | 基于改进的形状自适应窗口的图像去噪方法 | |
Zhao et al. | Parameter optimal determination for canny edge detection | |
CN106204502B (zh) | 基于混合阶l0正则化模糊核估计方法 | |
CN110349112A (zh) | 一种基于自适应奇异值阈值的两阶段图像去噪方法 | |
Barbu | A novel variational PDE technique for image denoising | |
CN104732498A (zh) | 一种基于非下采样Contourlet变换的阈值化图像去噪方法 | |
CN103915102B (zh) | 一种lfm水声多途信号的噪声抑制方法 | |
CN113204051A (zh) | 一种基于变分模态分解的低秩张量地震数据去噪方法 | |
CN111461999B (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
CN106127692A (zh) | 可用于灰度和彩色图像的双边回归滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |