一种高光谱遥感蚀变信息提取方法
【专利摘要】本发明属于地质矿产勘查【技术领域】，具体公开一种高光谱遥感蚀变信息提取方法，高光谱影像数据预处理；野外实测数据预处理；在决策树规则提取区域上根据样本点集信息，建立蚀变矿物类型与影像各波段灰度值的判定关系和初始决策树判定规则；待识别蚀变矿物划分大类，圈定大类中特征吸收谱带区间；对比野外实测波谱曲线特征，找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位置，标记不确定波谷波峰，建立特征吸收峰分类规则；将初始决策树判定规则与特征吸收峰分类规则合并后建立决策树规则，并将决策树规则作为蚀变信息提取规则提取蚀变信息。该方法具有良好的稳定性和可靠性，具有批量化和规模化提取蚀变信息能力。
【专利说明】一种高光谱遥感蚀变信息提取方法
【技术领域】
[0001] 本发明属于地质矿产勘查【技术领域】，具体涉及一种高光谱遥感蚀变信息提取方 法。
【背景技术】
[0002] 高光谱遥感技术是地质矿产勘查领域的重要新技术新方法，它将传统的图像维与 光谱维信息融为一体，在获取地表空间图像的同时，也能得到地物目标的连续光谱信息，应 用高光谱遥感提取矿化蚀变信息是近些年来遥感地质应用研究的热点之一。
[0003] 自高光谱遥感技术提出以后，探索研究了许多的高光谱遥感识别分类理论与方 法，在岩矿蚀变信息识别领域归纳起来主要有：基于单个诊断性吸收特征参数的方法、基于 光谱整体形态的方法和基于光谱知识模型的方法三大类。基于单个诊断性吸收特征参数的 方法主要有IHS编码与吸收波段图和相对吸收深度图（RBD image)等，由于吸收峰的非对称 性，RBD方法准确性较低；基于光谱整体形态的方法，主要有光谱匹配（SM)、相似指数（SI)、 光谱角识别方法（SAM)、光谱相关系数识别方法（SCM)和交叉相关光谱匹配方法（CCSM)等， 这些方法相对于单个吸收特征参数的方法可靠，但往往由于光谱数据分辨率的影响使光谱 的差异不明显，难以对地物进行准确分类与识别；基于光谱知识模型的方法，如线性混合光 谱分解模型（SMA/SUM)修正的光谱混合分析模型（MSMA)和能量约束最小模型（CEM)等，克 服了前两类方法的缺陷，但更多地依赖光谱物理学知识，由于难以确定特征物理参数或难 以准确描述光谱模型。
【发明内容】
[0004] 本发明的目的在于提供一种高光谱遥感蚀变信息提取方法，该方法具有良好的 稳定性和可靠性，具有批量化和规模化提取蚀变信息能力。
[0005] 实现本发明目的的技术方案：一种高光谱遥感蚀变信息提取方法，该方法具体包 括以下步骤：
[0006] (1)高光谱影像数据预处理，选取决策树规则提取区域；
[0007] (2)野外实测数据预处理，利用光谱聚类分析将蚀变矿物光谱聚类取均值后建立 光谱数据库；
[0008] (3)在上述步骤（1)中得到的决策树规则提取区域上根据样本点集信息，采用 CART数据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系，建立初始决策树判 定规则；
[0009] (4)待识别的蚀变矿物根据矿物基因分子类型划分大类，圈定大类中特征吸收谱 带区间；对比野外实测波谱曲线特征，找出待分类蚀变矿物在特征吸收谱带诊断性波谷波 峰位置，并标记不确定波谷波峰，建立特征吸收峰分类规则；
[0010] (5)将上述步骤（3)中得到的初始决策树判定规则与上述步骤⑷中得到的特征 吸收峰分类规则合并后建立决策树规则，并将决策树规则作为蚀变信息提取规则提取整副 影像蚀变息。 toon] 所述的步骤（1)中对高光谱影像进行预处理包括几何校正、图像增强、图像掩膜、 大气校正预处理，并裁剪出区域作为决策树规则提取区域。
[0012] 所述的步骤（2)中采用可见光一短波红外地面光谱仪（ASD)测量得到野外实测数 据。
[0013] 所述的步骤（2)中野外实测数据进行预处理包括去除水汽吸收、光谱平均、光谱 去噪平滑处理、光谱重采样预处理。
[0014] 所述的步骤⑷中根据矿物基因分子，将待识别的矿物蚀变矿物分为A1-0H、 Mg-〇H、C0广三大类，根据吸收光谱曲线深度的大小来分析相应矿物基因分子特征吸收峰 区间。
[0015] 本发明的有益技术效果在于：（1)本发明基于数据挖掘和波谱诊断特征建立决策 树分类的高光谱影像蚀变信息提取方法，对高光谱影像运用数据挖掘算法建立的蚀变矿物 统计特征与野外实测波谱诊断特征吸收波谷波峰相结合，建立一种决策树算法提取蚀变信 息，圈定成矿靶区。（2)本发明的高光谱遥感蚀变信息提取结果分副跨行带过度平滑，具有 稳定性和可靠性；建立的决策树规则可应用于同一区域不同分副大量高光谱影像，具有批 量化和规模化提取蚀变信息能力。（3)本发明充分利用高光谱图像图谱合一的特点，将当数 据挖掘算法应用于地学研究中，充分挖掘影像信息。（4)采用野外实测的样品光谱数据，t匕 通常利用标准波谱库数据进行分析更有说服力，分层谱系划分特征吸收带，并与数据挖掘 算法一并建立决策树分类规则，从图像信息统计和光谱分析两方面着手建立规则。
【专利附图】
【附图说明】
[0016] 图1为本发明所提供的一种高光谱遥感蚀变信息提取方法的流程图。
【具体实施方式】
[0017] 下面结合附图和实施例对本发明作进一步详细说明。
[0018] 如图1所示，一种高光谱遥感蚀变信息提取方法，该方法具体包括以下步骤：
[0019] (1)高光谱影像数据预处理
[0020] 高光谱遥感具有多光谱遥感所不具备的优势，主要体现在其影像比多光谱影像的 光谱分辨率提高了几十倍，获取方式主要有航天和航空两种方式。高光谱影像数据包括航 空高光谱数据和航天高光谱数据。机载高光谱传感器主要由的空间分辨率很高，具备了高 光谱分辨率和高空间分辨率的特点。CASI/SASI航空成像光谱测量系统总波段数最高达 388个，空间分辨率可以达到亚米级。CASI/SASI数据相对于Hyperion航天高光谱数据具 有更高的空间分辨率，受大气的影响相对较小。
[0021] 采用ENVI或者ERDAS软件对高光谱影像进行几何校正、图像增强、图像掩膜、大气 校正预处理，消除大气和水汽干扰，便于后续信息提取；根据地质图和野外实地踏勘，选择 蚀变程度较强，野外采样点集中，并且没有经过云层遮挡的影像作为决策树规则提取区域。
[0022] (2)野外实测数据预处理
[0023] 在野外选取特征区域，利用可见光一短波红外地面光谱仪（ASD)测量得到光谱曲 线数据。采用ENVI或者ERDAS软件对野外实测数据进行去除水汽吸收、光谱平均、光谱去 噪平滑处理、光谱重采样预处理，便于后续选取诊断性波谱特征；并利用光谱聚类分析将蚀 变矿物光谱聚类取均值后建立光谱数据库。
[0024] (3)在上述步骤⑴中得到的决策树规则提取区域上根据样本点集信息，采用 CART数据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系，建立初始决策树判 定规则。
[0025] 在上述步骤（1)中得到的决策树规则提取区域上，根据上述步骤（2)中数据预处 理后得到的野外测量点坐标和记录的矿物类型，建立矿物类型样本点集，矿物类型样本点 集采用CART数据挖掘算法自动建立蚀变矿物类型与影像各波段灰度值的最佳判定关系， 采用CART数据挖掘算法获取初始决策树规则。
[0026] (4)待识别的蚀变矿物根据矿物基因分子类型划分大类，圈定大类中特征吸收谱 带区间；对比野外实测波谱曲线特征，找出待分类蚀变矿物在特征吸收谱带诊断性波谷波 峰位置，每种矿物分别确定出1-2个波谷波峰位置，并标记不确定波谷波峰，建立特征吸收 峰分类规则。
[0027] 待识别的矿物根据矿物基因分子，可将蚀变矿物分为A1-0H、Mg-〇H、C0广三大类， 分析相应矿物基因分子特征吸收峰区间。利用ENVI软件根据吸收光谱曲线深度的大小来 分析相应矿物基因分子特征吸收峰区间。在矿物基因分子特征吸收峰区间内，对比野外测 量到的波谱曲线预处理后的波形特征，找出待分类物质特征波谷波峰位置，每种矿物分别 标记出1-2个波谷波峰位置，并标记不确定波谷波峰，建立特征吸收峰分类规则，为决策树 分类建立光谱划分基础。
[0028] 波谷波峰语义信息用求导函数Deriv表示，波峰语义信息表示为：一阶导数为0且 二阶导数小于〇(lst_deriv = 0&&2nd_deriv〈0)，波谷信息语义信息表示为：一阶导数为0 且二阶导数大于〇(lst_deriv = 0&&2nd_deriv>0);如波谷波峰信息不明显，可只表示二阶 导数语义信息大于〇或者小于0。
[0029] 如高铝絹云母波谱诊断性特征语义信息表述为：波峰语义信息表示为lSt_deri V =0&&2nd_deriv>0&&(-阶导数为0且二阶导数大于0)，波谷信息语义信息表示为lst_ deriv = 0&&2nd_deriv>0&&(-阶导数为0且二阶导数大于0)，如波谷波峰信息不明显 2nd_deriv〈0 (二阶导数小于 0)。
[0030] (5)将上述步骤（3)中得到的初始决策树判定规则与上述步骤（4)中得到的特征 吸收峰分类规则合并后建立决策树规则，并将决策树规则作为蚀变信息提取规则提取整副 影像蚀变息。
[0031] 上述步骤（3)中采用CART数据挖掘算法建立初始决策树规则，在将该初始决策树 规则与上述步骤（4)中野外实测波特征吸收波谷波峰相结合，建立各矿物的决策树判别规 贝1J，在ENVI软件中进行波段运算时可以通过"并且"关系运算符建立联系。应用建立的各 矿物的决策树判规则对全副高光谱影像或其他分副影像中的各种蚀变矿物进行分类处理， 提取各种矿化蚀变信息。
[0032] 表1波段对应关系
[0033] Band 123456789 10 波段值 /nm 2000 2015 2030 2045 2060 2075 2090 2105 2120 2135 Band 11 12 13 14 15 16 17 18 19 20 波段值 /nm 2150 2165 2180 2195 2210 2225 2240 2255 2270 2285 Band 21 22 23 24 25 26 27 28 波段值 /nm 2300 2115 2330 2345 2360 2375 2390 2405
[0034] 对于某类矿物，特征变量B6、B13、B14、Bll、B8、B14、B24、B19对应的波段范围如 表1所不。值均处于某一范围，这5个波段的米样均值位于（0. 3422,0. 3818)之间，方差大 于0. 1641，并且当特征吸收带位于B14(波）谷、B24(波谷）、B19(波峰）时可判定此类矿 物为高铝絹云母。
[0035] 上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施 例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作 出各种变化。本发明中未作详细描述的内容均可以采用现有技术。
【权利要求】
1. 一种高光谱遥感蚀变信息提取方法，其特征在于，该方法具体包括以下步骤： (1) 高光谱影像数据预处理，选取决策树规则提取区域； (2) 野外实测数据预处理，利用光谱聚类分析将蚀变矿物光谱聚类取均值后建立光谱 数据库； (3) 在上述步骤（1)中得到的决策树规则提取区域上根据样本点集信息，采用CART数 据挖掘算法建立蚀变矿物类型与影像各波段灰度值的判定关系，建立初始决策树判定规 则； (4) 待识别的蚀变矿物根据矿物基因分子类型划分大类，圈定大类中特征吸收谱带区 间；对比野外实测波谱曲线特征，找出待分类蚀变矿物在特征吸收谱带诊断性波谷波峰位 置，并标记不确定波谷波峰，建立特征吸收峰分类规则； (5) 将上述步骤（3)中得到的初始决策树判定规则与上述步骤（4)中得到的特征吸收 峰分类规则合并后建立决策树规则，并将决策树规则作为蚀变信息提取规则提取整副影像 蚀变信息。
2. 根据权利要求1所述的一种高光谱遥感蚀变信息提取方法，其特征在于：所述的步 骤（1)中对高光谱影像进行预处理包括几何校正、图像增强、图像掩膜、大气校正预处理， 并裁剪出区域作为决策树规则提取区域。
3. 根据权利要求2所述的一种高光谱遥感蚀变信息提取方法，其特征在于：所述的步 骤⑵中采用可见光一短波红外地面光谱仪（ASD)测量得到野外实测数据。
4. 根据权利要求3所述的一种高光谱遥感蚀变信息提取方法，其特征在于：所述的步 骤（2)中野外实测数据进行预处理包括去除水汽吸收、光谱平均、光谱去噪平滑处理、光谱 重采样预处理。
5. 根据权利要求4所述的一种高光谱遥感蚀变信息提取方法，其特征在于：所述的步 骤（4)中根据矿物基因分子，将待识别的矿物蚀变矿物分为Al-OH、Mg-OH、C0广三大类，根 据吸收光谱曲线深度的大小来分析相应矿物基因分子特征吸收峰区间。
【文档编号】G06F17/30GK104050252SQ201410260818
【公开日】2014年9月17日 申请日期:2014年6月12日 优先权日:2014年6月12日
【发明者】叶发旺, 张川, 刘洪成 申请人:核工业北京地质研究院