已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Improved waveform decomposition with bound constraints for green waveforms of airborne LiDAR bathymetry

水深测量 激光雷达 波形 分解法(排队论) 分解 遥感 算法 计算机科学 地质学 数学 雷达 统计 电信 生态学 生物 海洋学
作者
Xinglei Zhao,Jianhu Zhao,Xiaoyang Wang,Fengnian Zhou
出处
期刊:Journal of Applied Remote Sensing [SPIE - International Society for Optical Engineering]
卷期号:14 (02): 1-1 被引量:4
标识
DOI:10.1117/1.jrs.14.027502
摘要

Waveform decomposition using the Levenberg–Marquardt algorithm is a powerful tool for detecting surface return, bottom return, and volume backscatter return in a superposed green waveform of airborne LiDAR bathymetry (ALB). However, traditional decomposition methods do not handle bound constraints and are easily trapped in local optimum. Thus, the decomposed components may be inconsistent with the measurement principle of ALB. This study proposes an improved waveform decomposition method by setting reasonable lower and upper bounds of waveform parameters to guarantee the fidelity of the decomposed components. First, a comprehensive mathematical model of a green waveform is proposed by considering the early return. Second, the lower and upper bounds of the waveform parameters are given on the basis of the measurement principle of ALB. Finally, improved waveform decomposition is achieved using the comprehensive model and a constrained nonlinear optimization. The proposed method is applied to a practical ALB measurement using Optech coastal zone mapping and imaging LiDAR. Compared with traditional decomposition methods, the improved waveform decomposition not only ensures good fitness but also guarantees the fidelity of the decomposed components.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
刚刚
CipherSage应助MPC采纳,获得10
2秒前
2秒前
深情安青应助ANDRT采纳,获得10
3秒前
愤怒的如天关注了科研通微信公众号
3秒前
南江悍匪完成签到,获得积分10
3秒前
4秒前
端庄yiyi关注了科研通微信公众号
5秒前
顾矜应助honda采纳,获得10
7秒前
7秒前
嗯哼应助物理幽灵采纳,获得10
7秒前
慧慧完成签到,获得积分20
8秒前
酷波er应助美满的天薇采纳,获得10
10秒前
司空蓝完成签到,获得积分10
10秒前
好运来发布了新的文献求助10
10秒前
洋洋呀发布了新的文献求助10
11秒前
雅欣完成签到,获得积分10
11秒前
文章多多完成签到,获得积分10
13秒前
小小鱼发布了新的文献求助20
14秒前
14秒前
点点123完成签到,获得积分10
15秒前
15秒前
科研菜鸟发布了新的文献求助10
16秒前
16秒前
无明怀雪完成签到,获得积分20
16秒前
guanyu108发布了新的文献求助10
17秒前
19秒前
洋洋呀完成签到,获得积分10
19秒前
21秒前
22秒前
白隐完成签到,获得积分10
23秒前
领导范儿应助小唐采纳,获得10
24秒前
25秒前
30秒前
陶醉的熊发布了新的文献求助10
31秒前
小小鱼完成签到,获得积分10
32秒前
慧慧发布了新的文献求助10
33秒前
33秒前
34秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158461
求助须知:如何正确求助?哪些是违规求助? 2809636
关于积分的说明 7882903
捐赠科研通 2468254
什么是DOI,文献DOI怎么找? 1314017
科研通“疑难数据库(出版商)”最低求助积分说明 630572
版权声明 601956