成像光谱岩矿识别方法技术研究

1、 成像光谱岩矿识别方法技术研究高光谱遥感是在多光谱遥感基础上发展起来的光谱测量技术。有非成像和成像之分，其中非成像测量技术包括地面光谱与航空光谱测量;成像测量技术包括机载、星载成像光谱遥感测量。通常所说的高光谱遥感技术是指成像光谱技术。该技术把实验室样品、地面目标的精细光谱测量技术融合到航空、航天遥感成像技术中，形成成像光谱遥感对地观测技术。它具有图像一精细光谱合二为一的特点，具有从空间上大尺度探测和分析岩矿目标精细光谱特征的能力，从而使遥感技术直接识别岩矿地质体中矿物的存在、矿物的丰度和矿物的成分分布变为可能。20世纪80年代发展起来的成像光谱技术，是现代遥感技术发展的前沿之一，并成为研究热

2、点。1 成像光谱数据的预处理成像光谱数据处理的主要内容包括:(1)光谱的定标、大气校正和光谱重建，依此实现成像光谱信息的图像光谱转换；这是进行相应地物识别和鉴定的关键。(2)几何校正和地理编码，以满足定位成图的要求。目前成像光谱的辐射校正普遍使用的方法是基于地面光谱与图像数据的经验线形模型，但该模型难以消除加性因子的影响，另一方面，从机载成像光谱应用技术产业化的角度来说，开展地面同步光谱观测，实施起来需要投入大量的人力资源，并且对于一些难度到达地区，也无法实施同步光谱观测。因此，发展和开发较适合的模型与方法尤为重要。辐射传输模型是基于大气传输理论的反演模型，如6S、LOWTRAN和MODTRA

3、N等算法复杂，涉及的大气实测参数多，同时受一些条件的限制而未能广泛加以应用。但是随着成像光谱波段设置的合理化以及检测器通道信噪比的提高，所提供的大气水气吸收波段数据与辐射校正模型相结合可直接运用到对成像光谱数据的大气校正，这极大地简化了参数的设置，节省了地面光谱同步测试的人力与物力，其校正的精度也完全能满足对矿物识别的需求。另一方面，在航空成像光谱数据获取中，由于飞行平台姿态的非稳定，存在严重的几何畸变，歪曲甚至混淆了信息在空间的表达，制约着成像光谱的实际应用。利用航空飞行平台上飞行参数，比如传感器扫描仪工作姿态参数、同步GPS、惯性导航测量参数等进行几何畸变校正刻不容缓，是急待解决的机载成像

4、光谱技术应用工程问题之一，同时这也是目前在航天和航空遥感数据几何校正与地理编码方面研究的一个重点。1.1 成像光谱数据的辐射纠正、定标和光谱重建成像光谱图像数据(即原始数据)是地物光谱反射辐射信息与大气辐射传输效应、地形效应、感器扫描系统等多种因素影响的结果，其像元光是这些因素相互作用的综合反映。成像光谱对地物的识别依赖于地物精细的光谱特征，为了从像中获取地物真实的光谱特征，必须进行相关数据的定标与大气校正，以消除与地物光谱辐射征等无关因素的影响。2 岩矿光谱信息提取识别技术方法2.1成像光谱矿物识别技术目前，基于成像光谱数据岩矿蚀变信息识别与提取的方法主要有 (l)基于光谱波形参数，(2)基

5、于光谱相似性测度，(3)基于混合光谱模型，(4)基于地质统计规律，(5)基于光谱知识的智能识别等。一、光谱波形参数提取与蚀变识别的技术方法岩石矿物单个诊断性吸收特征峰可以用吸收波段位置()、吸收深度(H)、吸收宽度(W)、吸收面积(A)、吸收对称性(d)、吸收的数目(n)和排序参数作一完整地表征(陈述彭等，1998)。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如IHS编码与吸收波段图(Kruse，1988)是利用连续统去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像以及波段半极值宽度(FWHM)图像，并分别赋予HSI空间的明度(

6、H)、强度 (I)和饱和度(S)，然后逆变换到RGB色度空间。二、基于相似性测度的识别技术方法成像光谱最大的优势在于利用有限细分的光谱波段，去再现像元对应物的光谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响(如光谱漂移、变异等)，提高识别的精度(甘甫平等，2000)。基于整个波形的识别技术方法是在参考光谱与像元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。例如，光谱角识别方法SAM(王志刚，1993;Speetarl Angle Mapper)(Ben一Dor，re tal，1995:Crosta，et al，1

7、998:Dkare，et al，1995:YOhas，et al，1992)和光谱匹配SM(speetral Matehing) (Buahgetal，1998)，利用岩矿光谱矢量的欧氏距离测度函数，即求图像像元光谱与参考光谱在光谱空间中的差异大小。距离愈小，表示图像端元光谱或待识别的端元光谱与来自实验室或野外实测的参考光谱之间拟合程度愈高。三、基于光谱知识模型的识别的技术方法基于光谱知识模型识别的技术方法是建立在一定的光学、光谱学、岩矿结晶学和数学理论之上的信号处理技术方法。它不仅能够克服利用单一谱形识别所存在的缺陷，而且从地物光谱学原理入手、从本质上理解认识岩矿光谱的物理机制与物理过程，建

8、立光谱数学物理模型，识别并定量提取岩矿信息。这在一定程度上能精确地量化地表物质的组成以及深入地描述地物组成的物理特性，以进一步探测地物所蕴藏的成生环境本质。例如，建立在Hpake(1981)光谱双向反射理论基础之上的线性混合光谱分解模型，可以根据不同地物或者不同像元光谱反射率响应的差异，构造光谱线性分解模型，从而识别地物，量化地物成分，挖掘地物成生环境信息。四、基于地质统计特征的分类识别方法该类方法是基于地物在图像上的统计分布规律，建立地质模型进行图像分类识别。比较典型的有：概率模型，几何光学模型，随机几何模型以及非参数地质统计模型五、基于光谱知识的智能识别方法传统的以及上述的成像光谱识别方法

9、利弊共存。对于高维与超大容量的成像光谱数据以及大量的实验室光谱研究结果等迫切要求新的高效的遥感定量分析技术。因此，专家系统、人工神经网络、模糊识别等基于光谱知识的智能识别应运而生。神经网络技术是应用最广泛的识别技术(Gong，1996;Jimenez，et al，1998;Benediktsson，et al，1995:Garci-aHaro，et al，1998)。Goetting和Lyon(1986)建立一个试验性专家系统;Kruse等(1993)建立了基于知识的成像光谱矿物自动匹配制图系统。以DemPster-Shafer证据理论为基础格架的证据推理方法也得到了一定程度的应用。基于光谱知

10、识的智能识别技术方法与系统将是成像光遥感地物信息识别、提取与量化以及实用化的最佳选择与发展方向，极具潜力。2.2 矿物识别方法和工作流程目前，矿物识别制图的方法是特征谱带识别和基于相似性测度的识别:(1)利用岩石矿物的特征谱带构造识别技术，该方法相对直观，简单可行，但是单一的特征往往造成岩石矿物的错误识别，其精度难以达到工程化应用的需求，同时对成像光谱数据的信噪比、光谱重建的精度要求较高。(2)从岩石矿物光谱的整体特征出发，与成像光谱视反射率数据进行整体匹配、拟合或构造模型进行分解。这也是目前研究的重点，能有效地避免因岩石矿物光谱漂移或光谱变异而造成的单个光谱特征的不匹配，并能综合利用弱的光谱

11、信息，避免局部性特征(如单一特征构建的识别方法)造成识别的混淆，识别的精度高。对于成像光谱上百个波段而言，尤其在目前无论是航空成像光谱数据(如AVlUlS、CASI、HyMap等)还是在轨的航天成像光谱数据，如Hyperion航带都普遍比较窄，一般在3-10km，给大面积应用带来很多不便，增加了大面积数据处理的难度，并使工作量在目前微机配置的条件下成倍增加。因此，无论是从岩石矿物光谱的局域特征还是整体特征开展对矿物的识别，在保证识别精度要求的条件下进行工程化的处理，必须探索新的技术流程。在对成像光谱数据特征与识别方法的比较研究中，结合工作实际以及进行工程化处理的初步要求，在确保识别精度的条件下

12、，设计出标准数据库光谱+光谱-特征域转换+矿物识别方法的技术流程。该流程的主要作用：直接开展蚀变矿物的识别与信息提取。在对试验区岩石类型、构造、热液活动以及矿产综合研究的基础之上，提炼与矿化关系密切的蚀变矿物，利用标准库的光谱或野外实测光谱作为参考光谱。进行光谱域与特征域的转换，实现数据减维与数据压缩，降低工作量，提高工作效率。成像光谱数据波段上百，不同的航带宽度与记录长度使单次处理的数据量达1Gbytes，中间过渡文件单航带可达10Gbytes;在以前的处理中常常将航带分割成较小的区域进行处理后再进行拼接，利用MNF技术可以将整个光谱域空间转换到特征域空间，消除原有光谱向量间各分量之间的相关

13、性，从而去掉信息量较少噪声较高的向量，使数据处理从成百的光谱域集中到去噪的特征域中进行，减低数据量，缩短数据处理时间，提高数据处理的效率。特征分离，增加不同矿物的可分性，提高矿物识别的精度在成像光谱数据MNF变换并剔除噪声波段的特征域空间中，不同的波段被赋予了不同的物理或数学意义，地物的光谱特征在特征域发生分离，地物的细微特征得到放大，增加了数据的可分性。一、光谱特征域转换光谱分辨率的提高，一方面提高了数据的分类识别的精度以及应用能力，另一方面，增加了据的容量，也使数据高冗余高相关。有效的数据压缩与特征提取势在必行。一般地，利用传统的主成分变换进行相应的变化，衍生出一系列的成像光谱数据压缩与特

14、征提取方法，如MNF变换，NAPC(Lee，etal.，1990)、分块主成分变换(Jia，et al.，2008)，以及基于主成分的对应分析等。空间自相关特征提取、空间投影(Hasrnayi，et al.，1994)和高维数据二阶特征分析(Lee，et al.，1993;Haertel.，et al.，1999)也得到相应的重视。利用非线形的小波、分形特征(Qiu et al.，1999)也在研究之中。主成分分析（PCA)是根据图像的统计特征确定变换矩阵对多维(多波段)图像进行正交线性换，使变换后新的组分图像互不相关，并且把多个波段中有用信息尽可能地集中到少数几个组图像中。一般地，随着主成分

15、阶次的提高，信噪比逐渐减小。但在波段较多时并不全符合这一规律。为改善主成分在高光谱维中的数据处理能力，相应地利用最大噪声组分变换(MNF)的方法。该方法是利用图像的噪声组分矩阵的特征量对图像进行变换，使按特征值由大到小排序的变换分量所包含的噪声成分逐渐减小，而图像量顺次提高。MNF相当于所有波段声方差都相等时的主成分分析，因此可分为两步实现，第一步先将图像变换到一个新的坐标系，使变换后图像噪声的协方差矩阵为单位阵;第二步再对变换后的图像施行主成分变换。此改的算法称为“噪声调节主成分变换（NAPC)”。二、特征分离在MNF变换后的特征域中不同波段具有不同物理与数学意义。比如变换后的第一波段表示地

16、物的亮度信息，第7波段或8波段表示地形信息。在MNF变换中，通过信号与噪声分离，使信息更加集中于有限的特征集中，一些微弱信息则在去噪转化中被增强。同时在MNF转换过程中，使光谱特征向类特征向量集汇聚，增强分类信息。三、矿物识别矿物识别主要选用光谱相似性测度的方法。基于整个谱形特征的相似性概率的大小，能有效地避免因岩石矿物光谱漂移或光谱变异而造成的单个光谱特征的不匹配，并能综合利用弱的光谱信息。基于整个光谱形特征的识别方法主要有光谱角技术、光谱匹配滤波、光谱拟合与线形分解等。利用大气校正后的重建光谱数据，可选择性地利用上述矿物识别技术开展端元矿物的识别。光谱角方法可直接选择端元矿物进行匹配，最终

17、生成二值图像，简单易行，在闽值合理可靠的前提下能够获取较高的识别精度。在成像光谱岩矿地质信息识别与提取方法中，光谱角技术是一种较好的方法之一(王志刚，1993；刘庆生，1999)。光谱角识别方法是在由光谱组成的多维光谱矢量空间，利用一个岩矿矢量的角度测度函数()求解岩矿参考光谱端元矢量()与图像像元光谱矢量(t)的相似性测度，即：=arccos这里，为光谱向量的模。参考端元光谱可来自实验室、野外测量或己知类别的图像像元光谱。介于0到/2，其值愈小，二者相似度愈高，识别与提取的信息愈可靠。通过合理的阈值选择，获取矿化蚀变信息的二值图像。四 阈值的选择与航带间信息的衔接无论是光谱角技术还是光谱匹配以及混合光谱分解，都存在对非矿物信息的分割，因此阈值的选择是一个必须面临的重要问