焦慧慧 謝俊峰*, 劉仁 莫凡

星載對(duì)地觀測(cè)光子計(jì)數(shù)激光雷達(dá)去噪方法淺析

焦慧慧1謝俊峰*1,2劉仁2,3莫凡2

（1遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院，阜新 123000）（2 自然資源部國(guó)土衛(wèi)星遙感應(yīng)用中心，北京 100048）（3 河海大學(xué)地球科學(xué)與工程學(xué)院，南京 211100）

光子計(jì)數(shù)激光雷達(dá)因多波束、低耗能、高重頻、測(cè)量靈敏度高等優(yōu)點(diǎn)在新一代天基激光雷達(dá)中有著不可估量的發(fā)展?jié)摿ΑＨ欢庾佑?jì)數(shù)激光雷達(dá)發(fā)射的弱光子信號(hào)容易與太陽、大氣等引起的背景噪聲混疊難以區(qū)分，嚴(yán)重影響激光數(shù)據(jù)處理與應(yīng)用。文章基于光子數(shù)據(jù)幾何特性，從二維剖面映射中的背景去噪與二維圖像背景去噪、單級(jí)濾波和多級(jí)濾波等多個(gè)維度，對(duì)現(xiàn)有光子計(jì)數(shù)激光雷達(dá)去噪方法進(jìn)行了歸納和總結(jié)，分析和對(duì)比了幾類方法的優(yōu)缺點(diǎn)，并指出了未來國(guó)產(chǎn)星載單光子計(jì)數(shù)激光雷達(dá)測(cè)高數(shù)據(jù)預(yù)處理的主要發(fā)展方向?yàn)槎嗉?jí)濾波去噪。

光子計(jì)數(shù) 背景噪聲 去噪方法 星載激光雷達(dá) 對(duì)地觀測(cè)

0 引言

星載激光測(cè)高雷達(dá)技術(shù)發(fā)展至今已經(jīng)歷多次變革，按照測(cè)距計(jì)時(shí)方式大致分為四代：基于單閾值時(shí)刻鑒別和高精度時(shí)間數(shù)字轉(zhuǎn)換（Time-to-Digital Converter，TDC）測(cè)時(shí)體制、基于多閾值時(shí)刻鑒別和TDC測(cè)時(shí)體制、基于全波形的測(cè)距體制以及基于光子計(jì)數(shù)的測(cè)距體制。相對(duì)于傳統(tǒng)線性體制激光雷達(dá)，光子計(jì)數(shù)激光雷達(dá)（Photon-Counting Lidar，PCL）是一種新型激光三維雷達(dá)[1]，它采用高重頻、低能量的激光器和靈敏度極高的單光子探測(cè)器（Photon-Multiplier Tube，PMT或Geiger-Mode Avalanche Photodiode，GM-APD），利用回波信號(hào)中的單光子能量，以較低的激光脈沖能量獲取遠(yuǎn)距離空間目標(biāo)的距離信息，解決傳統(tǒng)激光雷達(dá)存在的激光器體積大、質(zhì)量大、可靠性低、能量強(qiáng)弱和重復(fù)頻率之間的矛盾等問題[2-4]。

隨著光子計(jì)數(shù)技術(shù)的日益成熟，已有部分國(guó)家針對(duì)星載對(duì)地觀測(cè)光子計(jì)數(shù)測(cè)高雷達(dá)開展了相關(guān)研 究[5-8]。2018年9月，美國(guó)NASA發(fā)射了第二代冰、云和陸地衛(wèi)星ICESat-2（Ice，Cloud and Land Elevation Satellite Mission 2），其搭載的先進(jìn)地形激光測(cè)高系統(tǒng)ATLAS（Advanced Topographic Laser Altimeter System）是目前唯一在軌的星載對(duì)地觀測(cè)光子計(jì)數(shù)激光測(cè)高雷達(dá)。為提前測(cè)試和驗(yàn)證ATLAS的指標(biāo)與性能，NASA研制了機(jī)載光子計(jì)數(shù)激光雷達(dá)MABEL(Multiple Altimeter Beam Experimental Lidar)[9]和SIMPL(The Slope Imaging Multi-polarization Photon-counting Lidar)[10]。ATLAS、SIMPL及 MABEL參數(shù)如表1所示。

表1 ATLAS、MABEL、SIMPL參數(shù)和足印/波長(zhǎng)配置比較

由表1可以看出，機(jī)載雷達(dá)采用與ATLAS盡可能相同的參數(shù)，且采用多通道波束進(jìn)行地面探測(cè)。從回波數(shù)據(jù)可看出，光子計(jì)數(shù)激光雷達(dá)回波數(shù)據(jù)均夾雜著大量的背景噪聲（離散分布密度低的為噪聲，密集的表示有效信號(hào)光子），導(dǎo)致有效信號(hào)光子與背景噪聲光子難以區(qū)分，嚴(yán)重影響到光子數(shù)據(jù)的后續(xù)處理與應(yīng)用。因此，背景噪聲濾除成為光子計(jì)數(shù)激光雷達(dá)數(shù)據(jù)預(yù)處理不可或缺的一步。本文首先從光子計(jì)數(shù)激光雷達(dá)特性及回波數(shù)據(jù)入手，分析了主要噪聲來源，然后對(duì)現(xiàn)有去噪方法進(jìn)行了梳理，將已有研究方法分為兩大類，分析了各自優(yōu)缺點(diǎn)。最后展望了回波數(shù)據(jù)去噪方法發(fā)展趨勢(shì)，為未來我國(guó)星載光子計(jì)數(shù)激光測(cè)高雷達(dá)數(shù)據(jù)預(yù)處理提供理論參考。

1 噪聲源分析

星載光子計(jì)數(shù)激光雷達(dá)工作示意如圖1所示（以ATLAS為例）。激光發(fā)射系統(tǒng)將單束激光分裂成多束，使得數(shù)以萬億計(jì)的光子激光脈沖照射到目標(biāo)地物表面，經(jīng)漫反射后的回波光子觸發(fā)蓋革模式下的雪崩光電二極管，記錄下光子到達(dá)接收望遠(yuǎn)鏡的時(shí)刻，從而獲得衛(wèi)星與地面目標(biāo)的距離。

圖1 星載光子計(jì)數(shù)激光雷達(dá)工作示意圖

雪崩光電二極管接收到的信號(hào)中除了來自目標(biāo)表面的反射光子外，還包含以下兩類噪聲：?jiǎn)喂庾犹綔y(cè)器本身的暗計(jì)數(shù)和視場(chǎng)內(nèi)的背景光子噪聲[11]，

2 去噪方法研究現(xiàn)狀

星載光子計(jì)數(shù)激光測(cè)高雷達(dá)數(shù)據(jù)在空間幾何分布上通常呈現(xiàn)出兩大特性：1）空間分布差異大，背景噪聲光子與其近鄰光子的距離比有效信號(hào)光子之間距離大[16]；2）光子密度在水平方向和垂直方向上顯著不同[17]。針對(duì)以上特點(diǎn)，相關(guān)研究學(xué)者提出過十多種不同的去噪算法，根據(jù)光子數(shù)據(jù)幾何分布特征劃分為兩大類：第一類將原始數(shù)據(jù)轉(zhuǎn)換為沿軌距離和高程，在二維剖面上進(jìn)行去噪處理；第二類基于二維圖像背景去噪，首先將剖面點(diǎn)云數(shù)據(jù)進(jìn)行光柵化，再對(duì)柵格化后圖像進(jìn)行處理。

2.1 基于二維剖面映射的背景去噪

基于二維剖面映射的背景去噪是當(dāng)前的主流去噪方法，根據(jù)濾波層級(jí)，可細(xì)分為單級(jí)濾波去噪和多級(jí)濾波去噪。單級(jí)濾波去噪即僅采用單一方法對(duì)光子點(diǎn)云數(shù)據(jù)去噪，代表性的有基于高程頻率直方圖的去噪[18]、基于局部距離統(tǒng)計(jì)的去噪[5,19-22]、改進(jìn)的DBSCAN（Density-Based Spatial Clustering of Applications with Noise）[23-25]、基于隨機(jī)森林的去噪[26-27]等；多級(jí)濾波去噪即采用多層級(jí)多種方法分級(jí)去噪[28-30]，該類方法主要以某一方法為主，結(jié)合多種方法實(shí)現(xiàn)多級(jí)濾波去噪，通過將多種方法聯(lián)合使用達(dá)到“1+1”大于2的效果。圖2為單級(jí)濾波及多級(jí)濾波策略的去噪流程，目前最多采用三級(jí)濾波器進(jìn)行有效信號(hào)提取。

圖2 光子數(shù)據(jù)去噪流程

2.1.1 單級(jí)濾波去噪

（1）基于窗口光子總數(shù)直方圖統(tǒng)計(jì)的單光子去噪

該方法通過統(tǒng)計(jì)固定窗口內(nèi)光子總數(shù)直方圖，設(shè)置合適的閾值進(jìn)行有效信號(hào)光子提取，其中文 獻(xiàn)[18，31]以均值和標(biāo)準(zhǔn)差作為閾值識(shí)別有效信號(hào)光子，該方法可以識(shí)別出冰蓋高度，得到陸冰或海冰表面輪廓。文獻(xiàn)[32]基于統(tǒng)一的時(shí)間增量以垂直分辨率生成光子數(shù)據(jù)直方圖，利用泊松統(tǒng)計(jì)設(shè)置閾值剔除噪聲。該類方法只能對(duì)回波數(shù)據(jù)進(jìn)行粗略標(biāo)記，且需輸入大量參數(shù)，增加算法復(fù)雜度。

（2）基于局部距離統(tǒng)計(jì)的單光子去噪

該方法主要通過公式（3）計(jì)算光子與鄰近光子的距離，并將光子與其鄰近個(gè)光子的距離相加獲得局部距離和distsum，統(tǒng)計(jì)distsum的頻數(shù)直方圖選取閾值剔除噪聲[5,19-20]。

式中 dist（）表示光子與之間的距離；表示沿軌距離；表示光子高程。

在此基礎(chǔ)上，文獻(xiàn)[21，22]將距離和改為距離和的平均值實(shí)現(xiàn)去噪；文獻(xiàn)[22]通過構(gòu)建KD-Tree計(jì)算距離，提高了搜索效率；文獻(xiàn)[33-34]在進(jìn)行鄰近距離直方圖統(tǒng)計(jì)前，采用自適應(yīng)閾值搜索鄰近光子，基于差分漸進(jìn)高斯自適應(yīng)方法剔除噪聲；文獻(xiàn)[34]基于人工判讀進(jìn)行了評(píng)價(jià)，采用不同地形數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法去噪精度總體優(yōu)于95%，但仍會(huì)存在孤立狀的密集簇狀噪聲光子；文獻(xiàn)[35]基于所有光子在空間中均勻分布的特點(diǎn)，利用近鄰（-Nearest Neighbor）的概率分布函數(shù)判斷每個(gè)光子點(diǎn)云的距離，提出基于貝葉斯決策的去噪算法，該方法能有效剔除背景噪聲，不僅適用于平坦地形，也適用于較陡峭的山地。

（3）基于局部密度統(tǒng)計(jì)的單光子去噪

該算法通過計(jì)算給定搜索區(qū)域內(nèi)的局部密度基于局部離群因子設(shè)置閾值剔除噪聲光子[36-37]，實(shí)驗(yàn)對(duì)比不同搜索區(qū)域形狀對(duì)結(jié)果的影響，證實(shí)水平橢圓搜索較之圓形及垂直橢圓搜索形狀更好。類似的，文獻(xiàn)[23，38]提出了一種改進(jìn)的密度空間聚類算法（Modified Density-Based Spatial Clustering of Applications with Noise, mDBSCAN），將公式（3）距離判斷函數(shù)改為橢圓區(qū)域函數(shù)（4），如圖3所示，通過計(jì)算距離dist（）判斷是否保留作為局部密度統(tǒng)計(jì)中的光子。文獻(xiàn)[24-25，39-40]則基于粒子群優(yōu)化模型PSO ( Particle Swarm Optimization) 提出PSO-DBSCAN算法，使得DBSCAN算法中的兩個(gè)重要參數(shù)掃描半徑（EPS）以及最小包含點(diǎn)數(shù)（MinPts）實(shí)現(xiàn)自適應(yīng)設(shè)置。以上方法通過人工判別或利用統(tǒng)計(jì)指標(biāo)定量評(píng)價(jià)算法性能。

式中 x和h分別表示沿軌距離/飛行時(shí)間和光子高程；a和b分別表示橢圓的長(zhǎng)軸和短軸。文獻(xiàn)[6]通過加入橢圓旋轉(zhuǎn)角計(jì)算鄰近點(diǎn)的密度實(shí)現(xiàn)方向自適應(yīng)濾波去噪，將得到的有效光子信號(hào)在地面三維點(diǎn)云中查找用于評(píng)定算法性能。

（4）基于隨機(jī)森林的光子去噪[26-27]

該方法主要步驟如圖4（c）所示，通過構(gòu)造光子數(shù)據(jù)特征，基于隨機(jī)森林對(duì)光子數(shù)據(jù)進(jìn)行分類從而實(shí)現(xiàn)噪聲剔除，并將最終分類結(jié)果與美國(guó)航天局官方產(chǎn)品的分類結(jié)果對(duì)比。但訓(xùn)練樣本的選取對(duì)結(jié)果影響較大，不同地形去噪需借助不同的特征參數(shù)變量。

圖4 單級(jí)濾波去噪算法流程

由上述文獻(xiàn)可知，單級(jí)濾波去噪基本能實(shí)現(xiàn)光子計(jì)數(shù)激光雷達(dá)噪聲光子剔除，但大多數(shù)方法需人為設(shè)置閾值，自適應(yīng)性差；其中一些算法未能達(dá)到精細(xì)化去噪，結(jié)果仍存在少數(shù)噪聲。

2.1.2 多級(jí)濾波去噪

針對(duì)單級(jí)濾波去噪不徹底，自適應(yīng)較差等缺點(diǎn)，有學(xué)者提出了聯(lián)合多種濾波方法的多級(jí)濾波去噪。

文獻(xiàn)[31]提出了基于局部信息統(tǒng)計(jì)的三級(jí)光子濾波去噪方法，通過局部高度直方圖、歸一化光子密度識(shí)別及三次樣條插值迭代法的三層濾波實(shí)現(xiàn)光子精去噪，能夠有效識(shí)別地物表面信號(hào)光子，但在不同植被覆蓋區(qū)域有效信號(hào)光子提取略有差異；文獻(xiàn)[40]通過圖像分割進(jìn)行粗去噪，隨后基于文獻(xiàn)[41-42]中的徑向基函數(shù)方法進(jìn)行精去噪。該算法具有較好的自適應(yīng)能力，無論是低密度噪聲還是高密度噪聲，均能有效地區(qū)分。算法采用濾波精度進(jìn)行性能評(píng)價(jià)，得到的植被濾波精度和地面濾波精度均超過90%，但該方法容易出現(xiàn)過去噪情況，導(dǎo)致地物信息不連續(xù)；文獻(xiàn)[28-29]則提出了一種以光子密度為核心的兩級(jí)去噪算法，基于高程頻率直方圖、密度分布直方圖兩級(jí)濾波進(jìn)行背景噪聲剔除。采用目測(cè)和統(tǒng)計(jì)量對(duì)結(jié)果進(jìn)行了定量與定性分析，該算法在植被覆蓋較稀疏的地形能有效地去除背景噪聲光子。然而，這類算法需根據(jù)不同的研究區(qū)域手動(dòng)調(diào)整閾值，從而降低了噪聲濾波算法的適用性；文獻(xiàn)[30]提出了以聚類為核心的三級(jí)光子濾波去噪方法，借助數(shù)字高程模型實(shí)現(xiàn)粗去噪，采用聚類算法及置信區(qū)間實(shí)現(xiàn)精去噪。該算法能夠有效識(shí)別平坦區(qū)域的背景噪聲，保留原始數(shù)據(jù)中的有效信號(hào)光子，最小化背景噪聲光子。但是，該方法未能識(shí)別混合在地物特征間的噪聲光子。

綜上，基于二維剖面映射的光子數(shù)據(jù)處理研究成果較為豐富，方法多樣。針對(duì)推掃式光子計(jì)數(shù)激光雷達(dá)單波束數(shù)據(jù)可轉(zhuǎn)換為地物剖面點(diǎn)云的特點(diǎn)，從光子密度入手，通過局部距離信息統(tǒng)計(jì)或密度聚類分析進(jìn)行背景噪聲去除。該類方法考慮了剖面光子數(shù)據(jù)在沿軌方向和高程方向光子密度差異較大，采用如橢圓搜索，密度聚類，方向?yàn)V波等方法使去噪算法更具有可靠性，提高算法效率。然而該類方法仍存在不足之處：1）去噪完成后地物表面光子仍存在小的噪聲簇；2）閾值選擇受地形影響自適應(yīng)性較差（局部距離統(tǒng)計(jì)、局部密度統(tǒng)計(jì)）；3）手動(dòng)選擇有效信號(hào)光子和背景噪聲光子，影響去噪的精度（基于貝葉斯決策、隨機(jī)森林的光子去噪算法）。

2.2 基于二維圖像背景去噪

基于二維圖像背景去噪核心思想是：以固定窗口下光子數(shù)目作為像素值將光子數(shù)據(jù)柵格化，之后采用圖像濾波進(jìn)行處理，最后將處理結(jié)果逆向提取出點(diǎn)云數(shù)據(jù)，具體流程如圖5所示。

圖5 基于二維圖像背景去噪

文獻(xiàn)[43]基于改進(jìn)的Canny邊緣提取的光子去噪算法，將其與基于概率分布函數(shù)的信號(hào)提取方法和局部角度映射算法進(jìn)行比對(duì)，具有較好的噪聲過濾能力；文獻(xiàn)[44-45]提出基于Chan-Vese（C-V）[46]圖像分割的去噪算法，采用MABEL數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。首先采用NASA初始輪廓提取算法[18]，識(shí)別出目標(biāo)的精確初始輪廓, 然后采用主動(dòng)輪廓C-V模型對(duì)圖像進(jìn)行分割，對(duì)柵格影像進(jìn)行整體和局部像元信息的分析迭代，使曲線能量最小化，得到潛在的信號(hào)光子。C-V模型對(duì)于分割對(duì)象與背景像素平均值明顯不同的圖像效果較好。

將光子數(shù)據(jù)轉(zhuǎn)換成圖像能夠有效的使用圖像濾波算法去除背景噪聲，改進(jìn)的Canny邊緣提取通過高斯濾波器實(shí)現(xiàn)去噪，而C-V分割則通過局部信息迭代實(shí)現(xiàn)去噪，前者對(duì)于位于坐標(biāo)軸兩端的邊緣光子可能無法實(shí)現(xiàn)有效的噪聲濾除，而C-V水平集模型抗干擾性差，邊緣不夠精細(xì)。但在光柵化過程中容易出現(xiàn)有效信號(hào)光子丟失事件，從而降低了噪聲濾波的實(shí)用性和有效性。

3 未來發(fā)展淺析

背景噪聲去除是光子計(jì)數(shù)激光雷達(dá)數(shù)據(jù)處理較為重要的一步，也是目前研究熱點(diǎn)，已有較為豐富的文獻(xiàn)資料與研究成果。從現(xiàn)有文獻(xiàn)可以看出，早期針對(duì)去噪算法的研究大多為外文資料，而國(guó)內(nèi)近兩年才呈現(xiàn)較多針對(duì)該方向的研究，且關(guān)于算法的描述大多是服務(wù)于之后的光子分類或地形提取等，專門針對(duì)去噪算法的研究較少。各類方法優(yōu)缺點(diǎn)如表2所示：

表2 去噪方法對(duì)比

Tab.2 Comparison of denoising method

現(xiàn)有的方法中，無論是基于單級(jí)濾波、多級(jí)濾波或圖像的去噪，大都存在去噪不徹底的現(xiàn)象。此外暫時(shí)并沒有統(tǒng)一且可信度高的精度評(píng)定方法。針對(duì)各類方法的不足及目前存在的問題，未來光子去噪算法研究要考慮以下幾點(diǎn)：

1）面向星載光子計(jì)數(shù)激光雷達(dá)數(shù)據(jù)的多級(jí)濾波。應(yīng)更加注意算法在不同條件下的可行性以及結(jié)果的準(zhǔn)確性，現(xiàn)有的去噪算法以單級(jí)濾波去噪為主，但其大都針對(duì)平坦地形或裸露復(fù)雜地形，而多級(jí)濾波可以通過各種濾波的組合針對(duì)各類地形進(jìn)行去噪，同時(shí)在粗去噪后實(shí)現(xiàn)精細(xì)化去噪以達(dá)到更好的去噪效果。

2）數(shù)據(jù)特性與算法自適應(yīng)性。光子密度與地形相關(guān)，當(dāng)建筑物或陡峭山體的邊緣、植被下的地面光子局部密度不夠時(shí)，有效信號(hào)光子會(huì)被當(dāng)作噪聲點(diǎn)濾除，造成過去噪，且大多數(shù)算法需要手動(dòng)調(diào)整參數(shù)，限制了算法的自適應(yīng)性。在今后的研究中應(yīng)注意閾值選取的自適應(yīng)性，使得去噪方法更適合業(yè)務(wù)化處理。多級(jí)濾波策略采用合適的濾波聯(lián)合處理，提高稀疏地面回波點(diǎn)的密度統(tǒng)計(jì)值，實(shí)現(xiàn)更好的去噪效果。

3）精度驗(yàn)證可信度。目前算法的精度評(píng)價(jià)主要包括人工判讀、統(tǒng)計(jì)指標(biāo)分析以及與NASA官網(wǎng)給出的結(jié)果進(jìn)行對(duì)比等方式，以驗(yàn)證算法性能。但人工判讀會(huì)因不同人員操作導(dǎo)致不同的精度結(jié)果，統(tǒng)計(jì)量分析中各統(tǒng)計(jì)量來源也涉及到人工判別，NASA官網(wǎng)給出的結(jié)果亦不能保證結(jié)果的準(zhǔn)確性，故精度驗(yàn)證方法的統(tǒng)一與可信度也是未來研究重點(diǎn)之一。

4 結(jié)束語

本文從星載激光雷達(dá)工作原理、背景噪聲源分析等出發(fā)，總結(jié)了現(xiàn)有光子去噪算法的優(yōu)缺點(diǎn)，通過對(duì)比分析發(fā)現(xiàn)，大多方法針對(duì)的數(shù)據(jù)類型較為單一，地形簡(jiǎn)單。同時(shí)，不同方法對(duì)噪聲濾波的分析和評(píng)價(jià)方式各不相同。針對(duì)復(fù)雜環(huán)境和地形處理需求，發(fā)展自適應(yīng)較高同時(shí)兼顧多級(jí)濾波策略的去噪方法，以實(shí)現(xiàn)自動(dòng)化、精細(xì)化的單光子去噪處理，將成為單光子去噪算法的未來發(fā)展方向。

[1] 張晨陽, 王春輝, 戰(zhàn)藍(lán), 等. 星載光子探測(cè)激光雷達(dá)指向調(diào)整機(jī)構(gòu)的理論分析[J]. 航天返回與遙感, 2019, 40(5): 84-94.

ZHANG Chenyang, WANG Chunhuang, ZHAN Lan, et al. Theoretical Analysis of Fast Steering Mechanism on Spaceborne Photon Detection LiDAR[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(5): 84-94. (in Chinese)

[2] 侯利冰, 郭穎, 黃庚華, 等. 光子計(jì)數(shù)激光雷達(dá)時(shí)間-數(shù)字轉(zhuǎn)換系統(tǒng)[J]. 紅外與毫米波學(xué)報(bào), 2012, 31(3): 243-247.

HOU Libing, GUO Ying, HUANG Genghua, et al. A Time-to-digital Converter Used in Photon-counting LIDAR[J]. Journal of Infrared and Millimeter Waves, 2012, 31(3): 243-247. (in Chinese)

[3] DEGNAN J J, MCGARRY J F, ZAGWODZKI T W, et al. Design and Performance of a 3D Imaging Photon-counting Microlaser Altimeter Operating from Aircraft Cruise Altitudes under Day or Night Conditions[J]. Proceedings of SPIE– The International Society for Optical Engineering, 2002, 4546(1): 1-10.

[4] 劉巖鑫, 范青, 李翔艷, 等. 超低暗計(jì)數(shù)率硅單光子探測(cè)器的實(shí)現(xiàn)[J]. 光學(xué)學(xué)報(bào), 2020, 40(10): 8-13.

LIU Yanxin, FAN Qing, LI Xiangyan, et al. Realization of Silicon Single-photon Detector with Ultra-low Dark Count Rate[J]. Acta Optica Sinica, 2020, 40(10): 8-13. (in Chinese)

[5] 許藝騰. 單光子激光測(cè)高數(shù)據(jù)處理技術(shù)研究[D]. 西安: 西安科技大學(xué), 2017.

XU Yiteng. Research on Data Processing Technology of Single Photon Laser Altimtry[D]. Xi'an: Xi'an University of Science and Technology, 2017. (in Chinese)

[6] 謝鋒, 楊貴, 舒嶸, 等. 方向自適應(yīng)的光子計(jì)數(shù)激光雷達(dá)濾波方法[J]. 紅外與毫米波學(xué)報(bào), 2017, 36(1): 107-113.

XIE Feng, YANG Gui, SHU Rong, et al. An Adaptive Directional Filter for Photon Counting LiDAR Point Cloud Data[J]. Journal of Infrared and Millimeter Waves, 2017, 36(1): 107-113. (in Chinese)

[7] TROUPAKI E, DENNY Z H, WU S, et al. Space Qualification of the Optical Filter Assemblies for the ICESat-2/ATLAS Instrument[C]// Proceedings of the Components and Packaging for Laser Systems, February 20, 2015. San Francisco, California, United States. San Francisco:International Society for Optics and Photonics, 2015, 9346.

[8] YU A W, KRAINAK M A, ABSHIRE J B, et al. Airborne LiDAR Simulator for the LiDAR Surface Topography (LIST) Mission[C]// 25th International Laser Radar Conference, July 5-9, 2010, St. Petersburg, Russia. Russia: 20100019566.

[9] MCGILL M, MARKUS T, SCOTT V S, et al. The Multiple Altimeter Beam Experimental LiDAR (MABEL): An Airborne Simulator for the ICESat-2 Mission[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(2): 345-352.

[10] DABNEY P, HARDING D, HUSS T E, et al. The Slope Imaging Multi-polarization Photon-counting LiDAR: an Advanced Technology Airborne Laser Altimeter [EB/OL]. [2020-10-11]. https://www.researchgate.net/publication/258331031_The_ Slope_Imaging_Multi-polarization_Photon-counting_Lidar_an_Advanced_Technology_Airborne_Laser_Altimeter.

[11] 侯利冰, 黃庚華, 況耀武, 等. 光子計(jì)數(shù)激光測(cè)距技術(shù)研究[J]. 科學(xué)技術(shù)與工程, 2013, 13(18): 5186-5190.

HOU Libing, HUANG Genghua, KUANG Yaowu, et al. Research of Photon Counting Laser Ranging Technology[J]. Science Technology and Engineering, 2013, 13(18): 5186-5190. (in Chinese)

[12] 方劍, 佘忱, 劉金鵬. 一種基于光子計(jì)數(shù)激光雷達(dá)的去噪方法[J]. 艦船電子對(duì)抗, 2019, 42(4): 10-15.

FANG Jian, SHE Chen, LIU Jinpeng. A Denoising Method Based on Photon Counting LiDAR[J]. Shipboard Electronic Countermeasure, 2019, 42(4): 10-15. (in Chinese)

[13] STILLA U，JUTZI B.Topographic Laser Ranging and Scanning: Principles and Processing[M]. Boca Raton, FL:Inc.

[14] FOUCHE D G. Detection and False-alarm Probabilities for Laser Radars that Use Geiger-mode Detectors[J]. Applied Optics, 2003, 42(27): 5388-5398.

[15] KWOK R, MARKUS T, MORISON J, et al. Profiling Sea Ice with a Multiple Altimeter Beam Experimental LiDAR (MABEL)[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(5): 1151-1168.

[16] YE Dan, XIE Huan, TONG Xiaohua, et al. The Comparison of Denoising Methods for Photon Counting Laser Altimeter Data[C]//IGARSS 2019 IEEE International Geoscience and Remote Sensing Symposium, July28-August2, 2019, Yokohama, Japan. IEEE, 2019.

[17] HUANG J P, XING Y Q, QIN L. Review of Noise Filtering Algorithm For Photon Data [EB/OL].[2020-10-11]. https://www.researchgate.net/publication/339119837_REVIEW_OF_NOISE_FILTERING_ALGORITHM_FOR_PHOTON_DATA.

[18] BRUNT K M, NEUMANN T A, WALSH K M, et al. Determination of Local Slope on the Greenland Ice Sheet Using a Multibeam Photon-counting LiDAR in Preparation for the ICESat-2 Mission[J]. IEEE Geoscience & Remote Sensing Letters, 2014, 11(5): 935-939.

[19] 夏少波, 王成, 習(xí)曉環(huán), 等. ICESat-2機(jī)載試驗(yàn)點(diǎn)云濾波及植被高度反演[J]. 遙感學(xué)報(bào), 2014, 18(6): 1199-1207.

XIA Shaobo, WANG Cheng, XI Xiaohuan, et al. Point Cloud Filtering and Tree Height Estimation Using Airborne Experiment Data of ICESat-2[J]. Journal of Remote Sensing, 2014, 18(6): 1199-1207. (in Chinese)

[20] 許藝騰, 李國(guó)元, 邱春霞, 等. 基于地形相關(guān)和最小二乘曲線擬合的單光子激光數(shù)據(jù)處理技術(shù)[J]. 紅外與激光工程, 2019, 48(12): 148-157.

XU Yiteng, LI Guoyuan, QIU Chunxia, et al. Single Photon Laser Data Processing Technology Based on Terrain Correlation and Least Square Curve Fitting[J]. Infrared and Laser Engineering, 2019, 48(12): 148-157. (in Chinese)

[21] 李凱, 張永生, 童曉沖, 等. 單光子激光雷達(dá)數(shù)據(jù)去噪與濾波算法[J]. 導(dǎo)航與控制, 2020, 19(1): 67-76.

LI Kai, ZHANG Yongsheng, TONG Xiaochong, et al. Research on De-noising and Filtering Algorithm of Single Photon LiDAR Data.[J]. Navigation and Control, 2020, 19(1): 67-76. (in Chinese)

[22] 陳繼溢, 唐新明, 高小明, 等. 單光子激光測(cè)高數(shù)據(jù)地形提取研究[C]//第五屆激光雷達(dá)大會(huì), 2019年5月24日-26日，廈門, 2019.

CHEN Jiyi, TANG Xinming, GAO Xiaoming, et al. Terrain Extraction from Micro-pulse Photon-counting LiDAR Data.[C]// The 5th LiDAR Conference, May 24-26, Xiamen, China, 2019. (in Chinese)

[23] ZHANG J, KEREKES J. An Adaptive Density-based Model for Extracting Surface Returns from Photon-counting Laser Altimeter Data[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 12(4): 726-730.

[24] HUANG J, XING Y, YOU H, et al. Particle Swarm Optimization-based Noise Filtering Algorithm for Photon Cloud Data in Forest Area[EB/OL].[2020-10-11]. https://www.researchgate.net/publication /332635884_Particle_Swarm_Optimization- Based_Noise_Filtering_Algorithm_for_Photon_Cloud_Data_in_Forest_Area.

[25] 黃佳鵬, 邢艷秋, 秦磊, 等. 弱光束條件下森林區(qū)域光子云去噪算法精度研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2020, 51(4): 171-179.

HUANG Jiapeng, XING Yanqiu, QIN Lei, et al. Accuracy of Photon Cloud Noise Filtering Algorithm in Forest Area under Weak Beam Conditions[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(4): 171-179. (in Chinese)

[26] CHEN B, PANG Y, LI Z, et al. Forest Signal Detection for Photon Counting LiDAR Using Random Forest[J]. Remote Sensing Letters, 2020, 11(1): 37-46.

[27] 陳博偉, 龐勇, 李增元, 等. 基于隨機(jī)森林的光子計(jì)數(shù)激光雷達(dá)點(diǎn)云濾波[J]. 地球信息科學(xué)學(xué)報(bào), 2019, 21(6): 898-906.

CHEN Bowei, PANG Yong, LI Zengyuan, et al. Photoncounting LiDAR Point Cloud Data Filtering Based on Random Forest Algorithm[J]. Journal of Geo-information Science, 2019, 21(6): 898-906. (in Chinese)

[28] NIE Sheng, WANG Cheng, XI Xiaohuan, et al. Estimating the Vegetation Canopy Height Using Micro-pulse Photon-counting LiDAR Data[EB/OL]. [2020-10-11]. https://www.researchgate.net/publication/324742401_Estimating_the_ vegetation_canopy_height_using_micro-pulse_photon-counting_LiDAR_data.

[29] ZHU Xiaoxiao, NIE Sheng, WANG Cheng, et al. A Ground Elevation and Vegetation Height Retrieval Algorithm Using Micro-pulse Photon-counting Lidar Data[EB/OL]. [2020-10-11]. https://www.researchgate.net /publication/329470367_A_ Ground_Elevation_and_Vegetation_Height_Retrieval_Algorithm_Using_Micro-Pulse_Photon-Counting_Lidar_Data.

[30] POPESCU S C, ZHOU T, NELSON R, et al. Photon Counting LiDAR: An Adaptive Ground and Canopy Height Retrieval Algorithm for ICESat-2 Data[J]. Remote Sensing of Environment, 2018, 208: 154-170.

[31] MOUSSAVI M S, ABDALATI W, SCAMBOS T, et al. Applicability of an Automatic Surface Detection Approach to Micro-pulse Photon-counting Lidar Altimetry Data: Implications for Canopy Height Retrieval from Future ICESat-2 data[J]. International Journal of Remote Sensing, 2014, 35(13): 5263-5279.

[32] GWENZI D, LEFSKY M A, SUCHDEO V P, et al. Prospects of the ICESat-2 Laser Altimetry Mission for Savanna Ecosystem Structural Studies Based on Airborne Simulation Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 118: 68-82.

[33] NEUENSCHWANDER A, PITTS K. The ATL08 Land and Vegetation Product for the ICESat-2 Mission[J]. Remote Sensing of Environment, 2019, 221: 247-259.

[34] 曹彬才, 方勇, 江振治, 等. ICESat-2 ATL08去噪算法實(shí)現(xiàn)及精度評(píng)價(jià)[J]. 測(cè)繪通報(bào), 2020(5): 25-30.

CAO Bincai, FANG Yong, JIANG Zhenzhi, et al. Implementation and Accuracy Evaluation of ICESat-2 ATL08 Denoising Algorithms[J]. Bulletin of Surveying and Mapping, 2020(5): 25-30. (in Chinese)

[35] WANG X, PAN Z G, GLENNIE C. A Novel Noise Filtering Model for Photon-counting Laser Altimeter Data[J]. IEEE Geoscience & Remote Sensing Letters, 2016, 13(7): 1-5.

[36] CHEN B W, PANG Y, LI Z Y, et al. Potential of Forest Parameter Estimation Using Metrics from Photon Counting LiDAR Data in Howland Research Forest [J]. Remote Sensing, 2019, 11(7): 856-876.

[37] CHEN B W, PANG Y, LI Z Y, et al. Ground and Top of Canopy Extraction from Photon-counting LiDAR Data Using Local Outlier Factor with Ellipse Searching Area[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(9): 1447-1451.

[38] ZHANG J, KEREKES J, CSATHO B, et al. A Clustering Approach for Detection of Ground in Micropulse Photon-counting LiDAR Altimeter Data[C]//Proceedings of the 2014 IEEE Geoscience and Remote Sensing Symposium, July 13-18, 2014, Quebec City, Canada. IEEE, 2014.

[39] 黃佳鵬, 邢艷秋, 秦磊, 等. 弱光束條件下森林區(qū)域ICESat-2機(jī)載試驗(yàn)光子云去噪算法[C]//第五屆激光雷達(dá)大會(huì), 2019年5月24-26日, 廈門, 2019.

HUANG Jiapeng, XING Yanqiu, QIN Lei, et al. Forest Area Matlas photon Cloud Noise Filtering Algorithm under Weak Beam Conditions[C]//The 5th LiDAR Conference, May 24-26, Xiamen, China, 2019. (in Chinese)

[40] 李銘, 郭穎, 楊貴, 等. 一種推掃式光子計(jì)數(shù)激光雷達(dá)點(diǎn)云濾波算法及其驗(yàn)證[J]. 科學(xué)技術(shù)與工程, 2017, 17(9): 53-58.

LI Ming, GUO Ying, YANG Gui, et al. A Noise Filter Method for the Push-broom Photon Counting LiDAR and Airborne Cloud Data Verification[J]. Science Technology and Engineering, 2017, 17(9): 53-58. (in Chinese)

[41] HERZFELD U C, TRANTOW T M, HARDING D, et al. Surface-height Determination of Crevassed Glaciers—Mathematical Principles of an Autoadaptive Density-dimension Algorithm and Validation Using ICESat-2 Simulator (SIMPL) Data[J]. IEEE Transactions on Geoscience & Remote Sensing, 2017, 55(4): 1874-1896.

[42] HERZFELD U C, MCDONALD B W, WALLIN B F, et al. Algorithm for Detection of Ground and Canopy Cover in Micropulse Photon-counting LiDAR Altimeter Data in Preparation for the ICESat-2 Mission[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014, 52(4): 2109-2125.

[43] MAGRUDER L A, Wharton III M E, STOUT K D, et al. Noise Filtering Techniques For Photon-counting LiDAR Data[J]. Proc. SPIE 8379, Laser Radar Technology and Applications XVII, 83790Q (14 May 2012). https://doi.org/10.1117/12.919139.

[44] CHEN Bowen, PANG Yong. A Denoising Approach for Detection of Canopy and Ground from ICESat-2's Airborne Simulator Data in Maryland, USA[C]//Proc. SPIE 9671, AOPC 2015: Advances in Laser Technology and Applications, 96711S, October 15, 2015. https://doi.org/10.1117/12.2202777.

[45] AWADALLAH M, ABBOTT L, GHANNAM S, et al. Active Contour Models for Extracting Ground and Forest Canopy Curves from Discrete Laser Altimeter Data[C]//13th International Conference on LiDAR Applications for Assessing Forest Ecosystems, October 9, 2013, Beijing, 2013: 129-136.

[46] CHAN T F, VESEL A. Active Contours without Edges[J]. IEEE Transactions on Image Processing, 2001, 10(2): 266-277. DOI:10.1109/83.902291.

Discussion on Denoising Method of Photon Counting LiDAR for Satellite Ground Observation

JIAO Huihui1XIE Junfeng*1,2LIU Ren2,3MOFan2

（1 School of Surveying and Geographical Science, Liaoning Technical University, Fuxin 123000, China）（2 Land Satellite Remote Sensing Application Center, MNR, Beijing 100048, China）（3 School of Earth Sciences and Engineering, Hohai University, Nanjing, 211100, China）

Photon counting LiDAR has many advantages, such as multi beam, low energy consumption, high repetition rate and measurement sensitivity. It has an immeasurable development potential in the new generation of space-based LiDAR. However, the weak photon signal emitted by photon counting LiDAR is easy to be confused with the background noise caused by the sun and atmosphere, which seriously affects the laser data processing and application. Based on the geometric characteristics of photon data, this paper summarizes the existing denoising methods of photon counting LiDAR from the dimensions of background denoising, two-dimensional image background denoising, single-stage filtering and multi-level filtering in 2D profile mapping, analyzes and compares the advantages and disadvantages of these methods, and points out the main development direction of the future domestic spaceborne single photon counting LiDAR altimetry data preprocessing is multi-level filtering strategy denoising.

photon-counting; background noise; de-noising method; space borne LiDAR; ground observation

P237

A

1009-8518(2021)05-0140-11

10.3969/j.issn.1009-8518.2021.05.015

焦慧慧，女，1996生，遼寧工程技術(shù)大學(xué)測(cè)繪科學(xué)與技術(shù)專業(yè)碩士研究生，研究方向?yàn)閱喂庾蛹す鈶?yīng)用。E-mail：920770527@qq.com。

謝俊峰，男，1981生，2009年獲武漢大學(xué)博士學(xué)位，研究員。研究方向?yàn)樾l(wèi)星姿態(tài)、激光數(shù)據(jù)處理與應(yīng)用。E-mail：junfeng_xie@163.com。

2020-08-28

國(guó)家自然科學(xué)基金（41571440，41771360，41971426）；北京金橋工程種子基金（ZZ19013）；十三五航天預(yù)研項(xiàng)目（D040105，D040106）；重點(diǎn)研發(fā)計(jì)劃（SQ2019YFE020224）；高分測(cè)繪應(yīng)用示范項(xiàng)目二期（42-Y30B04-9001-19/21）

焦慧慧, 謝俊峰, 劉仁, 等. 星載對(duì)地觀測(cè)光子計(jì)數(shù)激光雷達(dá)去噪方法淺析[J]. 航天返回與遙感, 2021, 42(5): 140-150.

JIAO Huihui, XIE Junfeng, LIU Ren, et al. Discussion on Denoising Method of Photon Counting LiDAR for Satellite Ground Observation[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(5): 140-150. (in Chinese)

（編輯：毛建杰）