一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法
【專利摘要】本發(fā)明屬于一種赤鐵礦化識別方法，具體公開一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法，該方法包括如下步驟：步驟(1)獲取高光譜影像數(shù)據(jù)和預(yù)處理；步驟(2)高光譜影像數(shù)據(jù)特征波段選擇；步驟(3)高光譜數(shù)據(jù)特征波段圖像端元提??；步驟(4)建立光譜特征識別規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元；步驟(5)利用混合協(xié)調(diào)匹配濾波對赤鐵礦化和褐鐵礦化端元進(jìn)行填圖。本發(fā)明的方法能夠識別赤鐵礦化和褐鐵礦化，識別的精度高，礦物的檢出限低。
【專利說明】一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于一種赤鐵礦化識別方法，具體涉及一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法。
【背景技術(shù)】
[0002]赤鐵礦化又稱為紅色蝕變，是尋找中、低溫?zé)嵋衡櫟V床的特殊標(biāo)志之一，在其他中、低溫銅、金礦床中也常有發(fā)現(xiàn)，是重要的成礦要素。因此，如何準(zhǔn)確識別和提取與成礦密切相關(guān)的赤鐵礦化分布，對圈定成礦靶區(qū)具有重要的現(xiàn)實意義。當(dāng)前，在遙感蝕變信息提取領(lǐng)域，對鐵染信息的提取已開展多年，發(fā)展已較為成熟，但鮮有見到進(jìn)一步對鐵染信息進(jìn)行區(qū)分進(jìn)而識別出赤鐵礦化的案例。由于提取鐵染信息中同時包含的褐鐵礦化，多為其他礦物風(fēng)化形成，實際找礦意義并不大，影響了遙感信息的實用價值。因此，遙感圖像上提取出的鐵染信息中究竟有多少是真正與成礦作用密切相關(guān)的，成為遙感地質(zhì)工作者需要進(jìn)一步探究的問題。
[0003]目前對鐵染信息的提取多采用多光譜TM、中光譜分辨率Aster數(shù)據(jù)等，方法歸納主要有以下幾種:(1)波段運(yùn)算法，如波段比值；(2)統(tǒng)計分析法，如主成分分析法、獨立成分分析法等；(3)綜合法，如將波段比值和主成分分析法相結(jié)合。波段運(yùn)算法通過波段加減組合、比值運(yùn)算能夠增強(qiáng)不同地物之間的差異，但是由于鐵化信息的光譜特征較寬緩，特征波長位置較不明確，難以構(gòu)建準(zhǔn)確的運(yùn)算法則；統(tǒng)計分析法通過數(shù)學(xué)變換將圖像數(shù)據(jù)進(jìn)行集中和壓縮，將信息集中到少數(shù)幾個互不相關(guān)的新變量中，但是這些新變量不像原始變量含義那么清楚、確切，帶有一定的模糊性；綜合法盡管將兩者進(jìn)行結(jié)合，但是算法中的不確定性仍然存在，并且在運(yùn)算過程中容易引入其他噪聲。總之，這些方法的共同缺陷是:物理意義不明確，且容易引入噪聲，最根本的缺陷是難以準(zhǔn)確區(qū)分識別赤鐵礦化和褐鐵礦化，因此，有必要開發(fā)赤鐵礦化識別的新方法。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法，該方法能夠識別赤鐵礦化和褐鐵礦化，識別的精度高，礦物的檢出限低。
[0005]實現(xiàn)本發(fā)明目的的技術(shù)方案:一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法，該方法包括如下步驟:
[0006]步驟(I)獲取高光譜影像數(shù)據(jù)和預(yù)處理；
[0007]步驟(2)高光譜影像數(shù)據(jù)特征波段選擇；
[0008]步驟(3)高光譜數(shù)據(jù)特征波段圖像端元提??；
[0009]步驟(4)建立光譜特征識別規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元；
[0010]步驟(5)利用混合協(xié)調(diào)匹配濾波對赤鐵礦化和褐鐵礦化端元進(jìn)行填圖。
[0011]所述的步驟(I)中對高光譜影像數(shù)據(jù)進(jìn)行預(yù)處理包括輻射校正、幾何校正、影像裁剪、圖像掩膜，并對高光譜影像數(shù)據(jù)進(jìn)行大氣校正和光譜重建，得到高光譜數(shù)據(jù)的反射率光譜數(shù)據(jù)。
[0012]所述的步驟(2)中采用光譜重采樣方法對高光譜數(shù)據(jù)進(jìn)行特征波段選擇，截取可見光-近紅外光譜區(qū)間波段作為特征波段。
[0013]所述的步驟(3)中對上述步驟(2)中得到的高光譜數(shù)據(jù)特征波段進(jìn)行最小噪聲分離變換、多維空間旋轉(zhuǎn)、聚類，初步圈定高光譜數(shù)據(jù)特征波段圖像中的端元。
[0014]所述的步驟(4)中根據(jù)赤鐵礦化和褐鐵礦化的高光譜數(shù)據(jù)特征波段區(qū)間上的光譜特征差異，建立兩者的區(qū)分規(guī)則，依據(jù)規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元。
[0015]所述的步驟(5)中對述步驟(4)中對識別出的赤鐵礦化和褐鐵礦化端元進(jìn)行混合協(xié)調(diào)匹配濾波處理，分別得到赤鐵礦化和褐鐵礦化的匹配結(jié)果灰度圖和不可行性灰度圖，實現(xiàn)圖像識別填圖。
[0016]本發(fā)明的有益技術(shù)效果在于。(I)本發(fā)明充分利用高光譜圖像圖譜合一的特點，從光譜角度建立赤鐵礦化和褐鐵礦化的光譜特征區(qū)分規(guī)則，與傳統(tǒng)方法相比，通過高光譜遙感填圖技術(shù)，把遙感信息提取領(lǐng)域引入鐵化信息的識別分類中，提高了識別的精度。(2)針對高光譜數(shù)據(jù)波段較多、信息量巨大的特點，針對識別和提取的鐵化信息光譜特征波段區(qū)間，對預(yù)處理和光譜重建好的高光譜數(shù)據(jù)進(jìn)行特征波段選擇，達(dá)到降維、優(yōu)化信息量的目的。(3)通過最小噪聲分離變換實現(xiàn)信噪分離；通過觀察特征值和相關(guān)圖像，確定數(shù)據(jù)的內(nèi)在維數(shù)，有利于進(jìn)一步在多維空間中進(jìn)行聚類和圈定各類端元。(4)采用線性混合分解與匹配濾波相結(jié)合的方法進(jìn)行混合調(diào)制匹配濾波，綜合了匹配濾波不需要其他背景端元光譜的優(yōu)點和線性混合分解的像元中各端元的含量為正且總和為I的約束條件，因而降低礦物的檢出限。
【專利附圖】

【附圖說明】
[0017]圖1為本發(fā)明所提供的一種的基于高光譜數(shù)據(jù)識別赤鐵礦化的方法的流程圖?！揪唧w實施方式】
[0018]下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0019]如圖1所示，一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法，該方法包括如下步驟:
[0020]步驟(I)獲取高光譜影像數(shù)據(jù)和預(yù)處理
[0021]利用機(jī)載或星載成像光譜儀獲取高光譜影像數(shù)據(jù)，成像光譜儀的光譜范圍至少覆蓋可見光-近紅外波段，如機(jī)載Cas1、Hymap、星載Hyperion等傳感器,航空飛行或衛(wèi)星過境時間選擇正午或接近正午，天氣晴朗無云。
[0022]利用ENVI軟件對高光譜影像數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理包括輻射校正、幾何校正、影像裁剪、圖像掩膜等，并對高光譜影像數(shù)據(jù)進(jìn)行大氣校正和光譜重建，得到高光譜數(shù)據(jù)的反射率光譜數(shù)據(jù)。
[0023]步驟(2)高光譜影像數(shù)據(jù)特征波段選擇
[0024]采用光譜重采樣方法對高光譜數(shù)據(jù)進(jìn)行特征波段選擇，截取可見光-近紅外光譜區(qū)間400-1000nm之間的波段作為特征波段。
[0025]步驟(3)高光譜數(shù)據(jù)特征波段圖像端元提取
[0026]對上述步驟(2)中得到的高光譜數(shù)據(jù)特征波段進(jìn)行最小噪聲分離變換，得到最小噪聲分離變換后的各分量；通過觀察各分量特征值和相關(guān)圖像，確定數(shù)據(jù)的內(nèi)在維數(shù)；將像元投影到在多維空間中旋轉(zhuǎn)、聚類，交互式選擇分布于數(shù)據(jù)云主體的外圍或末端的集群，初步圈定高光譜數(shù)據(jù)特征波段圖像中的端元。
[0027]步驟(4)建立光譜特征識別規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元
[0028]根據(jù)赤鐵礦化和褐鐵礦化的高光譜數(shù)據(jù)特征波段區(qū)間上的光譜特征差異，建立兩者的區(qū)分規(guī)則，依據(jù)規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元。判別規(guī)則依據(jù)端元光譜的特征波峰、谷的反射率值和波長位置。
[0029]獲取端元光譜曲線750nm附近處的反射率最大值Rl, IOOOnm附近處的反射率最大值R2 ;獲取750-1000nm間反射率最小值R3，設(shè)R3的波長位置為λ 3，規(guī)則如下:
[0030]①若R3 < Rl < R2，且λ 3 e (800, 900)，判斷為赤鐵礦化，λ波長單位為納米；
[0031]②若R3 < R2 < R1，且λ 3 e (900, 1000)，判斷為褐鐵礦化，λ波長單位為納米。
[0032]步驟(5)利用混合協(xié)調(diào)匹配濾波對赤鐵礦化和褐鐵礦化端元進(jìn)行填圖
[0033]對述步驟(4)中對識別出的赤鐵礦化和褐鐵礦化端元進(jìn)行混合協(xié)調(diào)匹配濾波處理，分別得到赤鐵礦化和褐鐵礦化的匹配結(jié)果灰度圖和不可行性灰度圖。由于和端元最匹配的像元有一個大于背景分布值的較高的匹配濾波值和一個較低的不可行性值，通過建立匹配結(jié)果灰度和不可行性灰度的二維散點圖，圈出圖像上赤鐵礦化和褐鐵礦化最匹配的像元，實現(xiàn)赤鐵礦化和褐鐵礦化端元圖像識別填圖。
[0034]混合調(diào)制匹配濾波采用線性混合分解與匹配濾波相結(jié)合的方法。
[0035]上面結(jié)合附圖和實施例對本發(fā)明作了詳細(xì)說明，但是本發(fā)明并不限于上述實施例，在本領(lǐng)域普通技術(shù)人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下作出各種變化。本發(fā)明中未作詳細(xì)描述的內(nèi)容均可以采用現(xiàn)有技術(shù)。
【權(quán)利要求】
1.一種基于高光譜數(shù)據(jù)識別赤鐵礦化的方法，其特征在于，該方法包括如下步驟: 步驟(I)獲取高光譜影像數(shù)據(jù)和預(yù)處理； 步驟(2)高光譜影像數(shù)據(jù)特征波段選擇； 步驟(3)高光譜數(shù)據(jù)特征波段圖像端元提取； 步驟(4)建立光譜特征識別規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元； 步驟(5)利用混合協(xié)調(diào)匹配濾波對赤鐵礦化和褐鐵礦化端元進(jìn)行填圖。
2.根據(jù)權(quán)利要求1所述的一種，其特征在于基于高光譜數(shù)據(jù)識別赤鐵礦化的方法:所述的步驟(I)中對高光譜影像數(shù)據(jù)進(jìn)行預(yù)處理包括輻射校正、幾何校正、影像裁剪、圖像掩膜，并對高光譜影像數(shù)據(jù)進(jìn)行大氣校正和光譜重建，得到高光譜數(shù)據(jù)的反射率光譜數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的一種，其特征在于基于高光譜數(shù)據(jù)識別赤鐵礦化的方法:所述的步驟(2)中采用光譜重采樣方法對高光譜數(shù)據(jù)進(jìn)行特征波段選擇，截取可見光-近紅外光譜區(qū)間波段作為特征波段。
4.根據(jù)權(quán)利要求3所述的一種，其特征在于基于高光譜數(shù)據(jù)識別赤鐵礦化的方法:所述的步驟(3)中對上述步驟(2)中得到的高光譜數(shù)據(jù)特征波段進(jìn)行最小噪聲分離變換、多維空間旋轉(zhuǎn)、聚類，初步圈定高光譜數(shù)據(jù)特征波段圖像中的端元。
5.根據(jù)權(quán)利要求4所述的一種，其特征在于基于高光譜數(shù)據(jù)識別赤鐵礦化的方法:所述的步驟(4)中根據(jù)赤鐵礦化和褐鐵礦化的高光譜數(shù)據(jù)特征波段區(qū)間上的光譜特征差異，建立兩者的區(qū)分規(guī)則，依據(jù)規(guī)則區(qū)分識別赤鐵礦化和褐鐵礦化端元。
6.根據(jù)權(quán)利要求5所述的一種，其特征在于基于高光譜數(shù)據(jù)識別赤鐵礦化的方法:所述的步驟(5)中對述步驟(4)中對識別出的赤鐵礦化和褐鐵礦化端元進(jìn)行混合協(xié)調(diào)匹配濾波處理，分別得到赤鐵礦化和褐鐵礦化的匹配結(jié)果灰度圖和不可行性灰度圖，實現(xiàn)圖像識別填圖。
【文檔編號】G06K9/62GK103984940SQ201410242036
【公開日】2014年8月13日 申請日期:2014年6月3日 優(yōu)先權(quán)日:2014年6月3日
【發(fā)明者】張川, 葉發(fā)旺, 劉洪成 申請人:核工業(yè)北京地質(zhì)研究院