遥感岩矿信息提取基础与技术方法研究

在遥感地质应用中 ,对岩矿光谱和空间分布精细特征的探测是高空间与高光谱分辨率遥感的优势所在。随着传感器性能的改进 ,尤其是光谱分辨率的提高 ,改善了信息识别与提取的技术环境。本文从分析岩矿的光谱特征与遥感光谱识别规则出发 ,根据不同类型遥感数据的光谱特征 ,尤其是成像光谱数据丰富的光谱信息 ,研究不同尺度下遥感岩矿识别技术 ,建立相应的遥感应用模型 ,讨论了遥感技术集成。具体研究内容有 :(1)分析与总结遥感光谱识别规则。分别从矿物离子、矿物蚀变类型和蚀变矿物组合 3个层次分析了岩矿作用过程中矿物特征光谱的变化与变异…     

藏东罗布莎蛇绿岩遥感岩矿信息提取方法研究

为研究如何利用遥感技术进行蛇绿岩岩矿信息识别和提取,以藏东罗布莎蛇绿岩为例,基于ETM和ASTER遥感数据,分别采用比值法和主成分分析法提取羟基类(蛇纹石、绿泥石)和铁染类(磁铁矿、橄榄石)矿物信息;利用纯净像元指数法(pure pixel index,PPI)提取端元波谱,结合地面已知岩性信息,分别采用光谱角分类法(spectral angle mapping,SAM)和波谱特征拟合法(spectral feature fitting,SFF)识别纯橄岩和橄榄岩,研究了罗布莎蛇绿岩及其主要蚀变矿物的空间分布特征.经过对比分析可知,用多种方法、多种数据提取的岩矿信息可以相互验证;提取出的纯橄岩和橄榄岩与所提取的羟基类和铁染类蚀变遥感异常信息有较好的空间重叠,且与地面调查结果基本吻合.研究表明,该方法用于蛇绿岩遥感岩矿信息提取是可行的,并取得较好的地质效果.     

成像光谱遥感技术及其图像光谱信息提取的分析研究

成像光谱技术是80年代发展起来的最新遥感方法。本文对其原理、理论基础及图像光谱信息提取的方法进行了探讨,并在红外细分光谱(FIMS)金矿蚀变带信息提取分析研究的基础上,通过对可见光细分19波段AMSS、澳大利亚的24波段GEOSCAN、MKII AMSS及美国GER64通道成像光谱数据的初步处理,发展和形成了一些针对超多波段成像光谱数据的图像处理和分析及光谱信息提取的方法。 成像光谱信息提取的方法,主要包括图像光谱反射率转换技术、图像光谱曲线显示、光谱特征参数测度(光谱吸收特征的波长位置、宽度、深度)、图像地物光谱曲线与地物光谱数据库的信息匹配以及地物光谱识别专家系统。本文以红外细分光谱图像在金矿蚀变带信息提取分析中的应用为例,讨论了成像光谱图像的一种处理分析技术及其发展前景。     

结合HSV和小波包变换的高光谱影像融合及信息识别研究

传统的HSV变换融合法是一种十分常见的遥感图像融合方法,该方法虽然可以提高图像的空间分辨率但会导致光谱信息的严重丢失,不适用于对高光谱影像的融合。而小波包变换是一种优于小波变换的多尺度多分辨率变换方法,基于小波包变换的图像融合技术允许对不同频带的图像采用不同的融合规则从而很好地保留图像的频谱信息。本文采用一种将HSV变换与小波包变换（Wavelet packet transform,WPT）相结合的融合方法对高空间分辨率影像和高光谱影像进行融合并对融合结果进行二进制编码监督分类,最后与传统的PCA变换融合法及Gram-Schmidt融合法在图像信息和光谱特征两个方面进行比较。结果表明,本文所采用的方法不仅可以提高融合图像的空间分辨率,并在地物的波谱特征保持和信息识别方面效果良好。     

高光谱遥感信息提取与地质应用前景——以青藏高原为试验区

高光谱遥感是一门正在兴起的极具发展潜力的应用科学技术,能直接快速地识别岩矿组成、丰度及其分布;高光谱图像丰富的空间信息也包含一定的地质构造信息。目前,光谱分解模型和修正的高斯模型在岩矿信息定量研究中极具潜力;对纹理信息的提取侧重于空域的灰度剪切与有效平均梯度相结合及频域空间内的小波包等技术。根据目前高光谱遥感信息的地质应用,总结出高光谱地质应用的技术流程。在此基础之上,以青藏高原为例,阐述了高光谱遥感的地质应用前景。最后,对高光谱遥感技术存在的问题进行了一定的评述。     

高光谱遥感图像的空间邻域指数

通过高光谱遥感图像空间邻域内光谱特征的变化,研究了邻域光谱度量指数;根据邻域内端元光谱特征的变化,提出了邻域独立端元指数提取图像的空间维细节信息。通过真实高光谱遥感图像检验,两类邻域指数能够较好地提取高光谱遥感图像中的细节,为进一步结合空间维、光谱维特征的高精度目标探测与识别创造了有利条件。     

绢云母的光谱特征变异分析及成像光谱地质成因信息提取

鉴于绢云母(和白云母)类粘土矿物对于研究与矿化紧密相关的中低温热液蚀变机制、与温压有关的地质成因过程等的重要意义,开展了绢云母的岩矿光谱特征变异分析和成像光谱矿物识别,并对岩石、矿物的试验室光谱和影像光谱所反映的地质成因信息的提取进行探讨。     

面向高光谱遥感影像的分类方法研究

20世纪80年代初期出现的高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起。高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好地进行地面目标的分类识别,然而其复杂的高维数据结构也对传统的遥感影像分类方法提出挑战。提出很多针对高光谱遥感影像的分类方法,对其进行研究。     

基于非线性判别分析的高光谱影像特征提取

高光谱遥感影像丰富的光谱信息有利于深入挖掘目标的理化特性,精细识别不同目标间的细微差异。为了提高影像分类识别的精度与速度需要对光谱信息进行特征提取。基于核函数的判别分析能够在数据中提取非线性特征,本文将其应用到高光谱影像分类的特征提取中,并进行了最小距离分类实验取得理想结果。     

协同处理方式在遥感蚀变异常成因分析中的应用——以北山方山口地区为例

遥感蚀变异常是重要的示矿指标。但以往研究对遥感蚀变异常的地质成因及其示矿意义探讨不足,导致对遥感蚀变异常的分析往往具有多解性,影响了遥感蚀变异常在地质找矿中的先导作用。为此建立了能定量解释遥感蚀变异常地质成因和示矿意义的多源数据、多方法协同处理方式。该方式基于不同光谱分辨率和空间分辨率的多源遥感数据,采用光谱分析与岩矿测试相融合的方法分析不同尺度(不同矿物类型、不同成矿类型、不同地质剖面、不同空间区域)遥感蚀变异常的特征,即利用多光谱遥感宏观分析遥感蚀变异常区域分布特征;利用高光谱遥感分解典型地质体的遥感蚀变异常信息发育模式;利用X射线衍射分析、岩矿鉴定和光谱解算准确鉴别蚀变矿物类型并解释其地质成因与示矿意义。通过对北山方山口地区的测试,发现遥感蚀变异常的类型与地表发育的蚀变矿物类型基本一致,且不同成矿类型矿床的围岩蚀变可以被特定的遥感蚀变矿物信息组合有效反映,据此规律进行遥感蚀变异常查证,新发现多处矿化线索,较好地实现了遥感信息向地质信息的转化应用。研究表明,本研究中提出的多源数据、多方法协同处理的方式可有效克服单一数据源或单一方法分析结果的不完备性,提高遥感蚀变异常在地质应用中的可信度。     

结合深度学习的高光谱与多源遥感数据融合分类

高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR（Light Detection and Ranging ）数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN（Convolutional Neural Network）和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。     

成像光谱数据在城市遥感中的应用研究

采用高空间分辨率的航片与高光谱数据对城市进行遥感研究。利用高空间分辨率数据丰富的空间信息,以及高光谱分辨率数据丰富的光谱信息,提出了基于图像边缘检测和光谱分析的新型高光谱遥感图像分类方法,对城市地物覆盖以图斑为单位进行分类。从而证明对复杂的城市环境进行遥感研究,这种方法是有效的。     

基于背景建模与异常判别的高光谱目标探测研究

高光谱遥感图像在采集过程中既获得了场景空间分布信息,又以近似连续的方式记录地物的光谱信息.高光谱目标探测研究正是利用了数据光谱分辨率高、细微特征表达精确的优势,根据不同地物间的诊断性信息进行探测.近些年,机器学习与优化分析理论的发展为高光谱图像处理增添新的活力.本文从高光谱遥感图像目标探测基本理论及发展难点切入,针对光...     

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。     

多/高光谱遥感图像的投影和小波融合算法

将高光谱图像与高空间分辨率图像融合后,由于融合图像空间分辨率提高,改变了混合像元内地物组分比例,像元光谱信息较原高光谱图像光谱信息会出现“失真”现象。针对这种情况,考虑混合像元内成分变化进行图像融合,首先利用投影方法模拟多光谱图像得到高光谱图像,并将模拟高光谱图像与原高光谱图像利用小波方法进行融合,融合图像不仅增强了空间信息,而且对光谱信息进行一定的修正,从而提高了环境异常探测等一系列应用的精度。利用Hyperion图像和SPOT-5图像进行融合实验,融合图像能够识别出87.2%目标区域。     

基于分辨率融合的多尺度遥感影像分类技术研究

影响遥感图像分类效果的主要因素之一是影像的空间分辨率。本文将Quickbird多光谱影像与高分辨率全色影像相融合,在保留了光谱信息的同时提高了影像分辨率。然后对融合后的影像进行多尺度分割,并运用地物的光谱统计特征、形状、纹理、类间关系等因素进行相关信息的提取。采用面向对象的模糊分类方法对试验区影像进行分类,最后对结果进行了精度评价。试验表明这种方法具有较高的精度。     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。     

基于Hyperion影像的涩北气田油气信息提取

 对柴达木地区涩北气田地质地理环境下的蚀变矿物进行分析，结合卫星高光谱遥感数据Hyperion的图谱，对已知气田区与背景区光谱特征进行相关分析，确定了932.64~1 346.25 nm与2 002.06~2 385.5 nm为油气信息识别的有利波长范围； 利用光谱角制图（SAM）技术提取了涩北气田油气的空间分布信息和台吉乃尔含气构造等远景区，为高光谱遥感油气勘探提供了有效技术方法与途径。     

Hyperion高光谱数据在福建钟腾铜钼矿区的应用研究

以福建平和钟腾铜钼矿区为例,简要介绍了Hyperion高光谱数据处理技术,探讨了基于特征谱带的光谱微分及基于完全波形特征的光谱匹配等遥感矿物识别方法,初步识别出该矿区的绢英岩,并为地质资料、野外踏勘以及岩矿鉴定所证实.旨在交流基于高光谱遥感数据的岩矿信息提取方法技术,对高植被覆盖区的遥感技术应用进行探索.     

高光谱遥感影像的广义判别分析特征提取

高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势.针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术.将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关.通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高.