【文献阅读】基于高阶矩的波形分类方法

文章目录

基本信息

【2017】rse

  • Moritz, Bruggisser, Andreas, et al. Retrieval of higher order statistical moments from full-waveform LiDAR data for tree species classification[J]. Remote Sensing of Environment, 2017,196: 28-41.
缩写
ALS airborne laser scanning 机载激光扫描
FW Full-waveform 全波形
SND skew normal distribution 偏正态分布
DBH diameter at breast height 胸径
SVM support vector machine 支持向量机

本文根据ALS数据的全波形信息,基于SND模型,提取回波信号的高阶矩,实现了对不同树种的波形分类。

SND及其统计特征

SND函数由正态分布的密度函数 ϕ ( x ) \phi(x) ϕ(x)和分布函数 Φ ( x ) \Phi(x) Φ(x)混合而成的一种函数,可以表示为

f ( x ∣ α , ω ) = 2 ϕ ( x ) Φ ( α x ) f(x|\alpha, \omega)=2\phi(x)\Phi(\alpha x) f(x∣α,ω)=2ϕ(x)Φ(αx)

其中

ϕ ( x ) = 1 2 π exp ⁡ ( − x 2 2 ) Φ ( x ) = ∫ − ∞ x ϕ ( x ) d x = 1 2 ( 1 + erf ⁡ x 2 ) \begin{aligned} \phi(x)&=\frac{1}{\sqrt{2\pi}}\exp(-\frac{x^2}{2})\\ \Phi(x)&=\int^x_{-\infty}\phi(x)\text{d}x=\frac{1}{2}(1+\operatorname{erf}\frac{x}{\sqrt{2}}) \end{aligned} ϕ(x)Φ(x)=2π 1exp(−2x2)=∫−∞xϕ(x)dx=21(1+erf2 x)

erf ⁡ \operatorname{erf} erf是误差函数。

所以, f ( x ) f(x) f(x)的完整形式为

f ( x ∣ A , s , α , ω ) = A ω exp ⁡ ( − ( x − s ω ) 2 2 ) 2 ϕ ( x ) ( 1 + erf ⁡ α ( x − s ω ) 2 ) f(x|A, s, \alpha, \omega)=\frac{A}{\omega}\exp(-\frac{(\frac{x-s}{\omega})^2}{2})2\phi(x)(1+\operatorname{erf}\frac{\alpha(\frac{x-s}{\omega})}{\sqrt{2}}) f(x∣A,s,α,ω)=ωAexp(−2(ωx−s)2)2ϕ(x)(1+erf2 α(ωx−s))

记 δ = α 1 + α 2 \delta=\frac{\alpha}{1+\alpha^2} δ=1+α2α,则其偏度和峰度为

skew = 4 − π 2 2 δ 2 / π 1 − 2 δ 2 / π 3 , kurt = 4 − π 2 2 δ 2 / π 1 − 2 δ 2 / π 4 \text{skew}=\frac{4-\pi}{2}\sqrt{\frac{2\delta^2/\pi}{1-2\delta^2/\pi}}^3,\quad \text{kurt}=\frac{4-\pi}{2}\sqrt{\frac{2\delta^2/\pi}{1-2\delta^2/\pi}}^4\\ skew=24−π1−2δ2/π2δ2/π 3,kurt=24−π1−2δ2/π2δ2/π 4

分类

本文的目的是对下表中的树木进行分类,分析发现,不同树种的回波偏度有着显著差异,说明偏度可以作为区分树种的重要特征,而峰度则不具备这种特性。

物种名称 数目 类型 DBH[cm] 高度[m]
Silver fir (Abies alba) 67 针叶 54.54 36.02
Norway spruce (Picea abies) 32 针叶 65.57 34.73
Norway maple (Acer platanoides) 35 落叶 31.38 28.62
Sycamore maple (Acer pseudoplatanus) 145 落叶 35.00 31.47
European beech (Fagus sylvatica) 396 落叶 46.35 30.87
European ash (Fraxinus excelsior) 208 落叶 42.64 32.19
Large-leaved lime (Tilia platyphyllos) 86 落叶 30.86 29.09
总计 969
  • Conifer 针叶
  • Deciduous 落叶

文中使用了SVM分类器,具体使用的是LIBSVM提供的Matlab接口。结果标明,在加入峰度和偏度判据之后,其PA和UA均有所提高。

相关推荐
Chaos_Wang_4 分钟前
NLP高频面试题(三十)——LLama系列模型介绍,包括LLama LLama2和LLama3
人工智能·自然语言处理·llama
慕丹9 分钟前
虫洞数观系列三 | 数据分析全链路实践:Pandas清洗统计 + Navicat可视化呈现
python·mysql·数据挖掘·数据分析·pandas
新智元9 分钟前
美国 CS 专业卷上天,满分学霸惨遭藤校全拒!父亲大受震撼引爆热议
人工智能·openai
新智元12 分钟前
美国奥数题撕碎 AI 数学神话,顶级模型现场翻车!最高得分 5%,DeepSeek 唯一逆袭
人工智能·openai
Baihai_IDP22 分钟前
「DeepSeek-V3 技术解析」:无辅助损失函数的负载均衡
人工智能·llm·deepseek
硅谷秋水29 分钟前
大语言模型智体的综述:方法论、应用和挑战(下)
人工智能·深度学习·机器学习·语言模型·自然语言处理
TGITCIC32 分钟前
BERT与Transformer到底选哪个-下部
人工智能·gpt·大模型·aigc·bert·transformer
Lx35233 分钟前
AutoML逆袭:普通开发者如何玩转大模型调参
人工智能
IT古董35 分钟前
【漫话机器学习系列】185.神经网络参数的标准初始化(Normalized Initialization of Neural Network Parameter
人工智能
嘻嘻哈哈开森37 分钟前
Java开发工程师转AI工程师
人工智能·后端