机载激光雷达(light detection and ranging,LiDAR)是集合了多种技术的集成设备,其系统误差对后期产品的影响较大,因此必须对其进行误差检校。传统的检校方法可靠稳定,但对检校场地要求较高,在某些地区难以找到合适的检校场地。基于此,提出一套无检校场的点云检校方法。该方法基于Burman模型和航带平差理论,通过安置角及三维坐标的改正来消除或减少系统误差。对云南小江实验区的验证结果表明,检校后的点云成果数据完全满足1∶2 000比例尺DEM成图要求。
高光谱影像数据的相邻波段间相关性较强,信号与噪声共存,根据最小二乘原理,使观测数据与噪声的投影误差之和最小化的HySime(hyperspectral signal identification by minimum error)算法,通过数据观测值减去噪声估计值后得到信号的估计值,进而可以计算信号相关矩阵的估计值。该算法在准确估计噪声的情况下是可行的,但实际上经光谱降维去相关后得到的各像元噪声估计值往往并不准确,因此,原始的HySime算法得到的结果可能并不理想。提出一种基于噪声白化的HySime改进算法,它不必进行逐像元的噪声去除,而是先对原始数据进行噪声白化处理,然后准确获取噪声的协方差矩阵估计值,再利用HySime算法进行信号相关矩阵计算,实现了提高算法精度的目的。通过模拟和实验数据的验证,改进的算法结果更准确稳定,与经典的NSP(noise subspace projection)算法在不同情况下所得结果有很好的一致性,通过引入噪声白化的过程,提高了算法对非白噪声的适应性。
