| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 引言 | 第13-16页 |
| 1.1.1 机载激光雷达系统概述 | 第13-15页 |
| 1.1.2 小光斑全波形ALS系统的应用优势 | 第15-16页 |
| 1.2 本论文研究的目的和意义 | 第16-17页 |
| 1.3 小光斑ALS全波形数据处理研究现状 | 第17-18页 |
| 1.4 本文所做的工作 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第二章 小光斑ALS全波形数据处理 | 第20-34页 |
| 2.1 小光斑ALS全波形数据处理方法概述 | 第20-21页 |
| 2.2 小光斑ALS全波形探测数据源 | 第21-24页 |
| 2.3 小光斑ALS全波形数据预处理 | 第24-28页 |
| 2.3.1 基于噪声强度估计的阈值法 | 第24-26页 |
| 2.3.2 先滤波后阈值法 | 第26-28页 |
| 2.4 小光斑ALS全波形数据分解 | 第28-33页 |
| 2.4.1 基于高斯建模的分解方法 | 第28-30页 |
| 2.4.2 基于反卷积的分解方法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于小波阈值去噪的小光斑ALS全波形数据预处理 | 第34-47页 |
| 3.1 引言 | 第34-35页 |
| 3.2 小波阈值去噪参数优选 | 第35-44页 |
| 3.2.1 小波分解和重构尺度的选择 | 第36-37页 |
| 3.2.2 阈值参数的优选 | 第37-40页 |
| 3.2.3 小波函数的优选 | 第40-44页 |
| 3.3 小波阈值去噪效果验证 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 小光斑ALS全波形数据分解算法的改进 | 第47-56页 |
| 4.1 点扩散函数的估计 | 第47-49页 |
| 4.2 RL算法迭代次数控制 | 第49-52页 |
| 4.3 基于矢量外推的加速RL算法 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 小光斑ALS全波形数据处理方法改进效果验证 | 第56-69页 |
| 5.1 引言 | 第56页 |
| 5.2 波形数据处理效果验证 | 第56-61页 |
| 5.2.1 RL反卷积法改进前后对比分析 | 第56-59页 |
| 5.2.2 本文点云数据与数据源中提供的点云数据的对比 | 第59-61页 |
| 5.3 目标提取应用实例验证 | 第61-68页 |
| 5.3.1 电力线目标特征分析 | 第61-62页 |
| 5.3.2 电力线目标点云数据的提取 | 第62-67页 |
| 5.3.3 电力线目标的重建 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 结论 | 第69-70页 |
| 6.1 本文的主要贡献 | 第69页 |
| 6.2 本文工作存在的不足 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
