【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
小馒头学python几秒前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯10 分钟前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
正义的彬彬侠13 分钟前
《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析
人工智能·决策树·机器学习·集成学习·boosting·xgboost
Debroon22 分钟前
RuleAlign 规则对齐框架:将医生的诊断规则形式化并注入模型,无需额外人工标注的自动对齐方法
人工智能
羊小猪~~29 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
AI小杨30 分钟前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测
晨曦_子画35 分钟前
编程语言之战:AI 之后的 Kotlin 与 Java
android·java·开发语言·人工智能·kotlin
道可云36 分钟前
道可云人工智能&元宇宙每日资讯|2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr
人工智能培训咨询叶梓1 小时前
探索开放资源上指令微调语言模型的现状
人工智能·语言模型·自然语言处理·性能优化·调优·大模型微调·指令微调
zzZ_CMing1 小时前
大语言模型训练的全过程:预训练、微调、RLHF
人工智能·自然语言处理·aigc