一种批量化与自动化的高光谱遥感矿物填图方法

摘要

一种批量化与自动化的高光谱遥感矿物填图方法，它有七大步骤：步骤一、光谱数据读入；步骤二、光谱波段截取；步骤三、光谱连续统去除；步骤四、影像光谱吸收深度计算；步骤五、影像光谱的标准化；步骤六、影像光谱与参考光谱相似度计算；步骤七、根据步骤五与步骤六的计算结果提取矿物异常。该方法无需从高光谱遥感数据中提取参考光谱并进行人工判读，所有数据的处理采用相同的参考光谱，便于实现数据的批量化与自动化处理，矿物异常提取时综合利用了光谱相似度与特征参量，提高了矿物识别的可靠性与准确度。本发明在高光谱遥感地质勘查工程化应用领域里具有实用价值和广阔的应用前景。

说明书

技术领域

本发明涉及一种批量化与自动化的高光谱遥感矿物填图方法，属于高光谱 遥感矿物识别技术领域，它适用于对高光谱遥感地质勘查中大量数据进行批量 化与自动化处理，并提取矿物种类，半定量估算矿物含量。

背景技术

高光谱遥感具有图谱合一的特点，在地质勘查中应用广泛，可根据矿物的 精细光谱特征进行矿物信息的识别。常用的识别方法有三类：基于光谱专家知 识的方法、基于光谱相似度的方法、基于光谱分解的方法。

基于光谱专家知识的方法的基本思路是，综合各种光谱专家知识（光谱吸 收特征位置、深度、面积等），建立矿物识别的决策树从而完成矿物的识别，代 表性的方法是“高光谱矿物分层谱系识别方法”（已获得国家发明专利，专利公 开号为CN1595203）；基于光谱相似度的方法的基本思路是，基于各种光谱相 似性算法（光谱角、匹配滤波等），将待识别矿物的光谱与参考光谱进行直接对 比，相似度最高的矿物即被认为是待识别的矿物，参考光谱可取自标准矿物光 谱库（常用的为美国地质调查局－USGS发布的矿物光谱库），但由于影像光谱 与标准矿物光谱库测试条件（光照等）差异甚大，识别准确度往往较低，实际 应用中参考光谱一般采用基于循环迭代方法的提取算法（常用的有纯像元指数 法）从影像光谱中提取，并对提取的光谱进行人工判读。上述两类方法实现过 程中需要较多的人工参与，难以支撑工程化应用中大量数据的批量化与自动化 处理。基于光谱分解的方法中的代表性的方法是“一种高光谱遥感矿物含量定 量反演方法”（已获得国家发明专利，专利号为ZL200910143190.1），实现过 程中人工参与较少，适合于批量化与自动化处理，同时提高了矿物识别的定量 化程度，但运算速度较慢，且参考光谱数目不可大于波段数，应用中存在一定 的局限。

发明内容

本发明的目的是，针对现有方法人工参与多、运算步骤多，难以适应工程 化应用的问题，提出了一种批量化与自动化的高光谱遥感矿物填图方法，它是 一种综合运用光谱相似度与特征参量的高光谱遥感矿物填图方法。光谱相似度 计算前首先对影像光谱进行去壳、标准化，抑制影像光谱与参考光谱测试条件 差异对光谱特征的影响，参考光谱直接取自标准矿物光谱库，无需利用循环迭 代方法从影像中提取，减少了运算步骤与人工的参与，从而实现了大量大量数 据的批量化与自动化处理。

技术解决方案

本发明的技术解决方案见附图1，包括以下七个步骤：

（1）光谱数据读入；

（2）光谱波段截取；

（3）光谱连续统去除；

（4）影像光谱吸收深度计算；

（5）影像光谱的标准化；

（6）影像光谱与参考光谱相似度计算；

（7）根据步骤五与步骤六的计算结果提取矿物异常。

步骤一：光谱数据读入

这些光谱数据包括高光谱遥感数据与参考光谱数据，其中高光谱遥感数据 是通过机载或星载高光谱传感器获取的，参考光谱数据来自于标准矿物光谱库 （常用的为美国地质调查局－USGS发布的矿物光谱库）。

步骤二：光谱波段截取

其截取方法为，截取接近700—1300nm谱段的光谱识别褐铁矿、针铁矿、 赤铁矿、黄钾铁钒，截取接近2100—2320nm谱段的光谱识别白云母、蒙脱石、 高岭石、地开石、石膏、明矾石、黄钾铁钒，叶腊石，截取接近2200—2400m 谱段的光谱识别绿泥石、绿帘石、角闪石、滑石、蛇纹石、方解石、白云石。

步骤三：光谱连续统去除

其实现方法为，光谱连续统去除（Continum Removal）是一种用于分离光 谱吸收特征的光谱分析方法，广泛应用高光谱遥感中去除背景影响并分离某些 特定物质的吸收特征。连续统被定义为反射光谱曲线中反射峰之间的线性连接 部分，连接折线在反射光谱峰值处的外角大于180度。光谱连续统去除即以反 射光谱除以连续统光谱,如下公式所示。

$R_{\mathrm{cr}}=\frac{R}{R_c}$

其中，R_cr为连续统去除后的吸收光谱，R吸收光谱，R_c为吸收光谱的连续 统。经过连续统去除之后，端点处反射率为1，端点之间反射率均小于1。影像 光谱与参考光谱均需进行连续统去除。

步骤四：影像光谱吸收深度计算

其计算方法为，在经过波段截取、连续统去除的光谱上，寻找最小值，并 利用数字“1”减去该“最小值”。

步骤五：影像光谱的标准化

其计算方法为，以参考光谱标准，对影像光谱进行标准化，以抑制因测试 条件差异对光谱相似度计算造成的影响。标准化系数计算公式如下所示。

$k=(R_{\mathrm{cr},\min }^m-R_{\mathrm{cr},\min })/(1-R_{\mathrm{cr},\min })$

其中，k为标准化系数，为参考光谱经过去连续统后的最小值， R_cr,min为对应波段上去连续统后的影像光谱的值。影像光谱标准化计 算公式如下所示。

$R_{\mathrm{cr}}^m=(R_{\mathrm{cr}}+k)/(1.0+k)$

其中，k为标准化系数，为标准化后的影像光谱，R_cr为标准化前的 影像光谱。

步骤六：影像光谱与参考光谱相似度计算

其计算方法为，步骤四计算的影像光谱吸收深度除以标准化后的影像光谱 与去连续统后的参考光谱。计算公式如下所示。

$S=\left(\mathrm{Depth}\right)/\left(\underset{b=1}{\overset{N}{\Sigma }}(R_{\mathrm{cr},b}^m-R_{\mathrm{cr},b}^r)\right)$

其中，S为相似度，Depth为步骤四计算的影像光谱吸收深度，b为波段 编号，N为参与计算的波段总数，为某波段上经标准化后的影像光谱值， 为某波段上经去连续统后的参考光谱值。

步骤七：根据步骤五与步骤六的计算结果提取矿物异常；

设定相似度阈值，认为大于阈值的像元即为目标矿物，大于阈值的像元的 影像光谱吸收深度（步骤四计算结果）即为目标矿物的相对丰度。若一个工作 区有多景/航带数据，可在镶嵌后设定阈值，也可之前设定阈值。

（四）附图说明

附图1为本发明的流程图；

（五）具体实施方式

见附图1，为了更好的说明本发明的方法与步骤，利用某地区AVIRIS机载 高光谱数据为例，进行了矿物填图试验。

（1）试验所用的设备为图形工作站，规格型号为Dell Precision4700，操 作系统为WindowsXP（64位），CPU为2.66GHz，内容为32GB，硬盘为1T。

（2）具体步骤如下：

步骤一，读入美国Cuprite地区AVIRIS高光谱遥感数据以及参考光谱数据。 AVIRIS高光谱遥感数据长×宽为400×350个像元，谱段范围为1990.8— 2479nm，波段数为50。参考光谱数据取自USGS矿物光谱库，包括高铝白云 母（吸收位置为2200.8nm）、中铝白云母（吸收位置为2210.8nm）、低铝白云 母（吸收位置为2220.8nm）、高岭石、埃洛石、地开石、蒙脱石、石膏、明矾 石、黄钾铁钒、绿泥石、绿帘石、方解石、白云石、蛇纹石、角闪石；

步骤二，截取2101—2320.3nm波段数据识别高铝白云母（吸收位置为 2200.8nm）、中铝白云母（吸收位置为2210.8nm）、低铝白云母（吸收位置为 2220.8nm）、高岭石、埃洛石、地开石、蒙脱石、石膏、明矾石、黄钾铁钒， 截取2200.8—2409.6nm波段数据识别绿泥石、绿帘石、方解石、白云石、蛇 纹石、角闪石；

步骤三，光谱连续统去除；

连续统被定义为反射光谱曲线中反射峰之间的线性连接部分，连接折线在 反射光谱峰值处的外角大于180度。光谱连续统去除即以反射光谱除以连续统 光谱,如下公式所示。

$R_{\mathrm{cr}}=\frac{R}{R_c}$

其中，R_cr为连续统去除后的吸收光谱，R吸收光谱，R_c为吸收光谱的连续 统。经过连续统去除之后，端点处反射率为1，端点之间反射率均小于1。影像 光谱与参考光谱均需进行连续统去除。

步骤四，影像光谱吸收深度计算；

计算方法为，在经过波段截取、连续统去除的光谱上，寻找最小值，并利 用数字“1”减去该“最小值”。

步骤五，影像光谱的标准化；

计算方法为，以参考光谱标准，对影像光谱进行标准化，以抑制因测试条 件差异对光谱相似度计算造成的影响。标准化系数计算公式如下所示。

$k=(R_{\mathrm{cr},\min }^m-R_{\mathrm{cr},\min })/(1-R_{\mathrm{cr},\min })$

其中，k为标准化系数，为参考光谱经过去连续统后的最小值， R_cr,min为对应波段上去连续统后的影像光谱的值。影像光谱标准化计 算公式如下所示。

$R_{\mathrm{cr}}^m=(R_{\mathrm{cr}}+k)/(1.0+k)$

其中，k为标准化系数，为标准化后的影像光谱，R_cr为标准化前的 影像光谱。

步骤六，影像光谱与参考光谱相似度计算；

计算方法为，步骤四计算的影像光谱吸收深度除以标准化后的影像光谱与 去连续统后的参考光谱。计算公式如下所示。

$S=\left(\mathrm{Depth}\right)/\left(\underset{b=1}{\overset{N}{\Sigma }}(R_{\mathrm{cr},b}^m-R_{\mathrm{cr},b}^r)\right)$

其中，S为相似度，Depth为步骤四计算的影像光谱吸收深度，b为波段 编号，N为参与计算的波段总数，为某波段上经标准化后的影像光谱值， 为某波段上经去连续统后的参考光谱值。

步骤七，设定相似度阈值，认为大于阈值的像元即为目标矿物，大于阈值 的像元的影像光谱吸收深度（步骤四计算结果）即为目标矿物的相对丰度。在 试验区，识别出了高铝白云母（吸收位置为2200.8nm）、中铝白云母（吸收位 置为2210.8nm）、低铝白云母（吸收位置为2220.8nm）、高岭石、埃洛石、地 开石、明矾石、黄钾铁钒、方解石等八种矿物。