高光谱遥感蚀变矿物信息提取研究综述北大核心CSCD

蚀变围岩是热液矿床形成的重要标志之一,围岩蚀变会产生蚀变矿物,其与围岩中的矿物在颜色、结构、化学成分等方面具有明显差异,这些差异可导致蚀变矿物在特定波长区间产生诊断性波谱特征。通常高光谱遥感指的是光谱分辨率在5~15 nm的成像遥感,而绝大多数蚀变矿物的诊断性波谱宽度在20~40 nm,因此利用高光谱遥感技术可以快速地提取蚀变矿物信息,依据蚀变矿物组合及分布特征,划分蚀变分带、圈定矿化异常等具有重要的找矿意义。文章基于现有研究成果,系统总结了典型蚀变矿物的波谱特征、高光谱遥感技术的发展历史、蚀变矿物信息提取方法、不同地表覆盖类型对蚀变矿物信息提取的影响以及蚀变矿物信息提取在不同矿床类型下找矿的应用,最后指出了高光谱蚀变矿物信息提取研究中存在的问题以及未来发展方向。     

基于光谱匹配滤波的蚀变信息提取

从遥感图象中提取出围岩蚀变信息，一直是资源遥感应用与评价的重点与难点．在光谱一空间匹配滤波的基础上，发展了基于光谱匹配的蚀变信息提取方法．该方法在0-均值空间，以标准光谱数据库中的矿物光谱为参考光谱矢量，根据图象像元与参考光谱矢量的匹配程度，建立滤波检测器，从光谱匹配的角度进行滤波以及合理的阈值化处理，分割出蚀变信息．以新疆东天山某金矿床和西藏冈底斯某铜矿带的ETM^ 数据为例，从图象背景中提取出与各自矿化相关的蚀变信息，部分蚀变组合分布信息与矿床位置吻合，从而反映该方法通用性较好．     

多光谱蚀变遥感异常提取方法研究

围岩蚀变是热液成矿作用发生过程的一个重要标志.国内外学者为了利用遥感技术提取围岩蚀变信息,开展了多种图像处理方法研究,如主分量阀值分析法、光谱角法、混合像元分解法、高植被覆盖区矿化蚀变信息提取等.本文综述了在地表覆盖类型不同、地表覆盖程度不同的背景下,特别是植被覆盖严重地区的蚀变遥感异常提取的理论依据及异常提取方法的研究现状,并对多光谱蚀变遥感异常提取的发展前景提出一些设想.     

多光谱蚀变遥感异常提取方法研究

围岩蚀变是热液成矿作用发生过程的一个重要标志。国内外学者为了利用遥感技术提取围岩蚀变信息,开展了多种图像处理方法研究,如主分量阀值分析法、光谱角法、混合像元分解法、高植被覆盖区岩石矿化蚀变信息提取等。本文综述了在地表覆盖类型不同、地表覆盖程度不同的背景下,特别是植被覆盖严重地区的蚀变遥感异常提取的理论依据及异常提取方法研究现状,并对多光谱蚀变遥感异常提取的发展前景提出一些设想。     

植被覆盖区高光谱蚀变矿物填图

根据典型蚀变矿物诊断性波谱特征,在基岩裸露区利用高光谱遥感技术进行蚀变填图研究取得极大的成功。然而,在植被覆盖严重区,利用高光谱技术进行蚀变矿物填图研究成果较为罕见。本文利用河北省承德市大营子地区Hyperion数据为例,在植被覆盖度大于70％地区,基于综合光谱信息模型,把蚀变矿物信息与背景信息置于相同参考水平理念的基础上,开展了典型蚀变矿物填图研究,蚀变矿物填图结果与野外检查结果吻合较好。最后,根据蚀变矿物组合特征,并结合遥感地质解译结果及地质资料,圈定了找矿有利地段。     

遥感蚀变信息提取中的干扰因素研究与消除对策

把"背景"、"干扰"与"蚀变异常"作为遥感蚀变信息检测与提取中的3个主要研究对象,并在光谱点阵空间(重点剖析二维散点图)中研究它们的几何结构特征与空间关系,以此探求"干扰"因素的空间定位与检测,最后在此基础上提出对干扰因素的消除对策与技术方案。     

基于MNF和SVM的高光谱遥感影像分类研究

通过分析高光谱遥感影像分类的现状及遇到的困难,以OMIS1高光谱数据为实验数据,提出了基于最小噪声分离(Minimum Noise Fraction-MNF)变换和支持向量机(Support Vector Machine-SVM)的高光谱遥感影像分类方法。分类实验结果表明:与传统的最大似然分类法(Maxi mum Likelihood Classification-MLC)比较,该方法克服了Hughes现象,分类速度得以提高,总体分类精度达到94.85%,从而表明了该方法用于高光谱遥感影像分类的实用性和优越性。     

矿化蚀变信息的遥感提取方法综述

金属矿床通常伴随近矿围岩蚀变，因此矿化蚀变信息的提取对于找矿具有十分重要的意义。本文介绍了国内外利用遥感数据提取矿化蚀变信息的研究历史、现状及几种常用的方法，如比值变换，主成分分析，光谱角填图，对应分析法．Gramschmidt投影方法，混合像元分解法和MPH技术，详细介绍了这些方法的核心技术及成功实例。最后将这些方法做了对比分析，指出了每种方法的针对性及优缺点。     

二维相关彩色编码技术在遥感蚀变信息提取中的应用

通过对"背景"、"干扰"与"异常"在二维散点图的空间结构分析,选取最优提取蚀变信息的波段组合。结合"遥感蚀变信息多层次分离提取"模型,主要采用二维相关彩色编码技术与Mask技术逐步去除干扰信息,实现蚀变异常二次提取,使得矿化蚀变信息一步步分离提取出来。实践证明此方法在解决地物混合复杂的地区的遥感蚀变信息提取中具有良好的效果。     

金矿蚀变信息提取中的主成份分析

主成份分析在蚀变信息提取中是一种最基本而又非常有效的图像处理方法，在图像处理实践中，因应用目的之不同而有各自的运用技巧。在金矿蚀变信息提取中运用了全波段主成份分析、选择主成份分析、直接主成份分析与植被掩膜等方法，并在图像处理中取得了较好的应用效果     

一种新的多类支持向量机算法

提出了一种新的多类支持向量机算法OC-K-SVM.对k类分类问题,该方法构造了k个分类器,每一个分类器只对一类样本进行训练.使用Benchmark的数据集进行了初步的实验,实验结果验证了算法的有效性.     

基于SVM的公安情报自动分类系统的研究与设计

依据公安情报文本中不同位置的词条对区分文本类别的贡献显著不同的特点,引入位置权重系数,改进了经典的文本特征权重计算方法（TF-IDF）,使文本的权重能够更加全面地反映文本的类别信息。根据公安情报分类系统的需求,设计了基于支持向量机（SVM）的公安情报分类系统,该系统不仅能够实现情报文本的自动分类,而且能够保留在情报文本分类的不同阶段语料的特征信息,为情报信息的进一步加工处理提供支持,同时系统中各模块间采用松耦合的方式衔接,提高了系统的适应性和灵活性。通过实验验证了系统设计的合理性和有效性。     

基于启发式信息的支持向量机规则抽取

提出一种基于启发式信息的支持向量机规则抽取方法,解决了规则抽取中处理连续属性困难的问题。将支持向量回归（SVR）分类超曲面位置和形状特征作为启发式信息指导属性选择和属性区间的合理分割,然后给出了分类规则抽取的具体算法。通过UCI中多个数据集进行测试,证明与其他规则抽取方法相比,该方法显著提高了分类规则抽取的效率,尤其对复杂的分类问题。     

支持向量机分类器遥感图像分类研究

SVM分类器核函数的选择以及参数的设置直接影响系统的泛化能力和运行速度。引入交叉验证技术和栅格搜索技术,对径向基核、多项式核和Sigmoid核函数应用于图像多类别分类的性能进行理论推导、测试及分析,求得三种核函数应用于SVM分类器的性能,并证明了栅格搜索寻找最优参数的有效性。最后通过对TM 6波段BSQ格式遥感图像进行分类对比证明了SVM分类器核函数用于TM图像分类的可行性及高效性。     

遥感图像森林林型SVM分类的多特征选择

为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。     

基于可变模板和支持向量机的人体检测

随着图像处理技术和模式识别技术的发展，人体检测在监控系统、驾驶员辅助系统、图像索引等领域已得到广泛应用。针对静态图像中站姿人体检测问题，提出了一种新的特征选取方法，并应用可变模板和支持向量机相结实现对图像中的人体检测和定位。通过对图像进行轮廓提取和网格划分，选择水平方向和垂直方向上的特征组成图像的特征向量，然后使用搜集到的样本特征向量对模型进行训练，用可变模板搜索待检测图像，根据检测区域的特征和训练好的模型对图像进行分类。实验结果表明，该方法可以快速准确地检测出多种背景图像中的站姿人体,正确分类率达92%以上。     

基于边缘与SVM的车牌自动定位与提取

提出了一种将边缘与SVM相结合的车牌定位与提取的方法。首先根据字符的边界特征进行粗筛选,获得几个车牌候选区;然后使用SVM分类器进行字符与非字符分类;最后根据车牌特征实现定位与提取。实验表明,该方法取得了良好的效果。     

基于支持向量机的人眼检测

人眼检测是计算机人脸识别的重要部分。复杂环境下人眼定位容易受到光照以及人不同姿态的影响。为了解决复杂环境下的人眼定位问题,采用基于支持向量机的人眼检测算法,首先对复杂环境下采集的不同人的人眼样本进行灰度化均衡以及小波变换,将变换结果表示成向量形式,运用序贯最小优化算法进行训练,得到一组支持向量,然后遍历待检测人脸图利用支持向量所构成的分类器进行人眼初检,最后根据先验知识完成信息融合,最终标定人眼。实验结果表明,该算法对各种复杂环境下的含人眼图像有普遍的适应性和有效性。     

基于光谱角分类器遥感影像的自动分类和精度分析研究

遥感影像是地球表面一定区域景观和覆盖的客观记录和形象显示。选择黑河弱水流域作为自动分类的典型研究区,利用该区域的Landsat 7ETM+遥感影像结合地面实况调查数据,寻找土地利用/覆盖类型自动分类的训练样本,运用光谱角分类方法对ETM+图像进行自动分类。通过分类图像与地面真实样本数据对比分析,获得适用于荒漠地表遥感影像自动分类的可行性方法,并且进一步讨论了混淆矩阵计算的分类误差,研究了以Kappa分析为基础的精度评价。     

基于最大信息系数的ReliefF和支持向量机交互的自动特征选择算法

为解决特征选择ReliefF算法在利用欧氏距离选取近邻样本过程中,算法稳定性差以及选取的特征子集分类准确率低的问题,提出了一种利用最大信息系数（MIC）作为近邻样本选择标准的MICReliefF算法;同时,以支持向量机（SVM）模型的分类准确率作为评价指标,并多次寻优,以自动确定其最优特征子集,从而实现MICReliefF算法与分类模型的交互优化,即MICReliefF-SVM自动特征选择算法。在多个UCI公开数据集上对MICReliefF-SVM算法的性能进行了验证。实验结果表明,MICReliefF-SVM自动特征选择算法不仅可以筛除更多的冗余特征,而且可以选择出具有良好稳定性和泛化能力的特征子集。与随机森林（RF）、最大相关最小冗余（mRMR）、相关性特征选择（CFS）等经典的特征选择算法相比,MICReliefF-SVM算法具有更高的分类准确率。