【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
聆风吟º1 小时前
CANN runtime 实战指南:异构计算场景中运行时组件的部署、调优与扩展技巧
人工智能·神经网络·cann·异构计算
Codebee3 小时前
能力中心 (Agent SkillCenter):开启AI技能管理新时代
人工智能
聆风吟º4 小时前
CANN runtime 全链路拆解:AI 异构计算运行时的任务管理与功能适配技术路径
人工智能·深度学习·神经网络·cann
uesowys4 小时前
Apache Spark算法开发指导-One-vs-Rest classifier
人工智能·算法·spark
AI_56784 小时前
AWS EC2新手入门:6步带你从零启动实例
大数据·数据库·人工智能·机器学习·aws
User_芊芊君子4 小时前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
智驱力人工智能4 小时前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算
qq_160144874 小时前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能
Howie Zphile4 小时前
全面预算管理难以落地的核心真相:“完美模型幻觉”的认知误区
人工智能·全面预算
人工不智能5775 小时前
拆解 BERT:Output 中的 Hidden States 到底藏了什么秘密?
人工智能·深度学习·bert