• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 10
    • 下载费用:30 金币  

    重庆时时彩号码冷热分析: 基于多类型光谱特征参数协同的矿物类型遥感识别方法.pdf

    关 键 词:
    基于 类型 光谱 特征 参数 协同 矿物 遥感 识别 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201510547254.X

    申请日:

    2015.08.31

    公开号:

    CN105606537A

    公开日:

    2016.05.25

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01N 21/25申请日:20150831|||公开
    IPC分类号: G01N21/25 主分类号: G01N21/25
    申请人: 山东科技大学
    发明人: 明艳芳; 韦晶; 贾臣; 米雪婷; 田信鹏
    地址: 266590 山东省青岛市经济技术开发区前湾港路579号
    优先权:
    专利代理机构: 济南舜源专利事务所有限公司 37205 代理人: 朱玉建
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510547254.X

    授权公告号:

    |||

    法律状态公告日:

    2016.06.22|||2016.05.25

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于多类型光谱特征参数协同的矿物类型遥感识别方法,其包括步骤:a、对高光谱数据进行光谱重建;b、针对不同的高光谱数据,按照不同的采样间隔对典型矿物波谱数据进行波谱重采样;c、首先对高光谱数据和典型矿物波谱进行包络线去除处理,然后再分别提取其多类型光谱特征参数;d、通过最佳指数因子计算不同类型光谱特征参数组合的信息量,确定最佳光谱特征参数组合,基于模式识别方法进行矿物填图实验;e、首先对典型矿物波谱的多类型光谱特征参数进行统计分析,然后参照高光谱数据中矿物端元对应的光谱特征参数值构建研究区矿物类型识别决策树模型,进行矿物填图实验。本发明中的矿物类型遥感识别方法整体矿物识别精度高。

    权利要求书

    1.基于多类型光谱特征参数协同的矿物类型遥感识别方法,其特征在于,包括如下步骤:
    a高光谱数据预处理
    对高光谱数据进行光谱重建;
    b典型矿物波谱处理
    针对不同的高光谱数据,按照不同的采样间隔对典型矿物波谱数据进行波谱重采样;
    c多类型光谱特征参数解算
    首先对高光谱数据和典型矿物波谱进行包络线去除处理,然后再分别提取其多类型光谱
    特征参数;
    d监督分类法矿物填图实验
    通过最佳指数因子计算不同类型光谱特征参数组合的信息量,确定最佳光谱特征参数组
    合,基于模式识别方法进行矿物填图实验;
    e决策树分类法矿物填图实验
    首先对典型矿物波谱的多类型光谱特征参数进行统计分析,然后参照高光谱数据中矿物
    端元对应的光谱特征参数值,构建研究区矿物类型识别决策树模型,进行矿物填图实验。
    2.根据权利要求1所述的基于多类型光谱特征参数协同的矿物类型遥感识别方法,其特
    征在于,光谱重建包括坏线修复、绝对辐亮度值转换、大气校正、条纹去除及光谱平滑处理。
    3.根据权利要求1所述的基于多类型光谱特征参数协同的矿物类型遥感识别方法,其特
    征在于,光谱特征参数包括吸收波谷位置、吸收反射率、吸收深度、吸收宽度、吸收斜率、
    吸收对称度、吸收面积、光谱吸收指数、吸收左肩位置及吸收右肩位置。

    说明书

    基于多类型光谱特征参数协同的矿物类型遥感识别方法

    技术领域

    本发明涉及一种基于多类型光谱特征参数协同的矿物类型遥感识别方法,适用于多种高
    光谱数据的区域矿物填图领域。

    背景技术

    由于高光谱遥感数据具有波段连续、波谱分辨率高的特点,可以在矿物类型识别中发挥
    重要作用,且已经在局部区域矿物填图等工作中得到逐步广泛的应用。利用遥感手段可以从
    广域空间、多时相尺度下实现矿物信息的快速识别和提取,缩短矿物填图时间,提高效率。
    然而由于地表结构复杂、混合像元及大气环境背景影响等因素的限制,致使利用遥感技术进
    行矿物识别的精度不高。因此,研究高精度的矿物信息识别方法具有重要的意义。

    当前的高光谱遥感数据识别矿物类型的方法主要分为两类:

    一类是基于光谱匹配的方法,使用连续的高光谱遥感数据与地表测量的具体类型的矿物
    光谱数据匹配,依据二者匹配的相似性或距离差异确定矿物类型。该方法的限制性主要有两
    个方面:(1)由于受当前技术条件及环境背景、大气参数等因素的影响,即使对高光谱遥感
    数据进行地表反射率的恢复重建等处理,仍然不能完全消除大气对地表真实光谱的影响;(2)
    混合像元对光谱有明显的影响,地表的矿物光谱是测量的纯净矿物光谱信息,而遥感测量的
    是矿物及周围背景要素综合作用的光谱,二者匹配有较大困难。以上因素使得直接用光谱匹
    配技术识别矿物类型存在明显的不确定性。

    另一类是基于特定矿物光谱特征参数的识别方法,不同的矿物类型,在不同的光谱波段
    体现出独特的光谱特征,依据特定类型矿物的光谱特征参数可以识别出该类型的矿物。在矿
    物类型单一的区域,该方法能体现出较高的精度,而在矿物类型复杂的区域,由于矿物的光
    谱特征主要集中在短波红外这一非常窄的波长区域,单一的光谱特征参数很难区分出不同类
    型的矿物。因此,当前技术方法的局限,限制了高光谱遥感技术在矿物类型识别中的应用。

    发明内容

    针对现有技术中存在的上述技术问题,本发明提出一种基于多类型光谱特征参数协同的
    矿物类型遥感识别方法,能够有效提高区域的矿物填图精度。

    为了实现上述目的,本发明采用如下技术方案:

    基于多类型光谱特征参数协同的矿物类型遥感识别方法,包括如下步骤:

    a高光谱数据预处理

    对高光谱数据进行光谱重建;

    光谱重建包括坏线修复、绝对辐亮度值转换、大气校正、条纹去除及光谱平滑处理;

    b典型矿物波谱处理

    针对不同的高光谱数据,按照不同的采样间隔对典型矿物波谱数据进行波谱重采样;

    c多类型光谱特征参数解算

    首先对高光谱数据和典型矿物波谱进行包络线去除处理,然后再分别提取其多类型光谱
    特征参数;

    其中,光谱特征参数包括吸收波谷位置、吸收反射率、吸收深度、吸收宽度、吸收斜率、
    吸收对称度、吸收面积、光谱吸收指数、吸收左肩位置及吸收右肩位置;

    d监督分类法矿物填图实验

    通过最佳指数因子计算不同类型光谱特征参数组合的信息量,确定最佳光谱特征参数组
    合,基于模式识别方法进行矿物填图实验;

    e决策树分类法矿物填图实验

    首先对典型矿物波谱的多类型光谱特征参数进行统计分析,然后参照高光谱数据中矿物
    端元对应的光谱特征参数值,构建研究区矿物类型识别决策树模型,进行矿物填图实验。

    本发明具有如下优点:

    本发明中的矿物类型遥感识别方法是基于多类型光谱特征参数的协同,能够有效降低或
    减弱混合光谱、光谱畸变、大气及复杂环境背景等因素的影响,保持较高的稳定性,具有较
    高的整体矿物识别精度。本发明为高光谱矿物识别提供了一种新思路,可为以后使用高光谱
    遥感手段进行矿物类型识别中不同信息的综合应用提供借鉴。

    附图说明

    图1为本发明实施例中基于多类型光谱特征参数协同的矿物类型遥感识别流程框图;

    图2为本发明实施例中光谱特征参数计算示意图。

    具体实施方式

    下面结合附图以及具体实施方式对本发明作进一步详细说明:

    如图1所示,基于多类型光谱特征参数协同的矿物类型遥感识别方法,包括如下步骤:

    a高光谱数据预处理

    为准确获取地物的真实地表反射率信息,需要对高光谱数据进行光谱重建。光谱重建包
    括坏线修复、绝对辐亮度值转换、大气校正、条纹去除及光谱平滑处理。

    对于AVIRIS数据仅仅需要进行大气校正处理。

    而对于Hyperion高光谱数据,存在如下问题:

    1、由于传感器辐射定标存在问题,导致数据中存在不正常的条带数据,其中,无数据或
    数据值异常的行或列称为坏线;

    2、由于传感器的固有系统噪声造成的规律性条带成为条纹,因此,需要分别进行坏线修
    复和条纹去除;

    3、由于Hyperion数据由两部分光谱仪获取,不同光谱范围的辐射定标值不同,因此,
    需要做绝对辐亮度值转换,而后进行大气校正处理;

    4、经过大气校正后的Hyperion数据,仍存在大量的“毛刺”光谱噪声,反射率变化非常
    明显,因此需要进行光谱平滑处理。

    由此可见,Hyperion高光谱数据的处理流程为坏线修复、绝对辐亮度值转换、大气校正、
    条纹去除及光谱平滑处理。其中,

    1、坏线修复使用HyperionTools处理。

    2、绝对辐亮度值转换及大气校正使用ENVI中的FLAASH大气校正??榇?。

    3、条纹去除使用全局条纹去除法处理,如公式1、2、3所示:

    R'ijk=Ajk*Rijk+Bjk(1)

    A j k = S j k / S j k - - - ( 2 ) ]]>

    B j k = M j k - A j k * M j k - - - ( 3 ) ]]>

    其中,Mjk为影像第k波段第j列像元平均值;

    Sjk为影像第k波段第j列像元值的标准差;

    为参考影像第k波段第j列像元平均值和标准差;

    R'ijk表示影像第k波段第j列第i行的校正值。

    4、然后采用海明窗滤波器(Hamming)对高光谱数据进行光谱平滑处理,如公式4、5
    所示,减少噪声的影响,突出高光谱数据的光谱吸收特性。

    Hamming函数可以时间域可表示为:

    w ( k ) = 0.54 - 0.46 c o s ( 2 π · k N - 1 ) , k = 1 , 2 , ... , N - - - ( 4 ) ]]>

    它的频域特性可以表示为:

    W ( ω ) = 0.54 · W k ( ω ) + 0.23 [ W k ( ω - 2 π N - 1 ) + W k ( ω + 2 π N - 1 ) ] , k = 1 , 2 , ... , N - - - ( 5 ) ]]>

    b典型矿物波谱处理

    USGS(UnitedStatesGeologicalSurvey)波谱库在JPL(JetPropulsionLaboratory)波谱数
    据库的基础上构建,覆盖范围为0.4~2.45μm。

    为了与其他高光谱数据进行光谱匹配分析,需要对其进行光谱重采样处理,如式6所示:

    ρ = Σ λ = 1 N ( β ( λ ) × ρ ( λ ) ) / Σ λ = 1 N β ( λ ) - - - ( 6 ) ]]>

    式中,ρ表示重采样后的光谱,ρ(λ)表示原始光谱,β(λ)表示光谱响应函数。

    针对不同的高光谱数据,按照不同的采样间隔对典型矿物波谱数据进行波谱重采样。

    c多类型光谱特征参数解算

    首先对高光谱数据和典型矿物波谱进行包络线去除处理,然后再分别提取其多类型光谱
    特征参数,如图2示出了本发明中光谱特征参数计算示意图。

    光谱特征参数包括吸收波谷位置P、吸收反射率Rp、吸收宽度W、吸收对称度S、吸收
    深度H、吸收面积A、吸收斜率K、光谱吸收指数SAI、吸收左肩位置S1及吸收右肩位置S2。

    吸收波谷位置P是指吸收谱带的谷底极小值点所对应的波长,即反射率最低处的波长,
    可用λp表示。

    吸收反射率Rp指的是吸收波谷位置P处的反射率值。

    吸收宽度W是吸收波谷两侧肩部的波谱带宽,如公式7所示:

    W=λ2-λ1(7)

    式中,λ1和λ2分别为吸收波谷起始波长和终止波长的反射率;

    吸收对称度S是指过波谷位置垂线的左右两部分的对称程度,等于左(右)肩部距谷底
    的波长宽度与吸收宽度之比,如公式8所示:

    S=(λ2-λp)/W(8)

    吸收深度H指的是在某一波段吸收范围内,极小值点包络线消除后反射率值Rp与1之差
    的绝对值,如公式9所示:

    H=|1-Rp|(9)

    吸收面积A是指吸收带带曲线与两侧肩部连线所围图形的面积,是吸收深度一半处吸收峰
    的宽度与吸收深度的乘积,如公式10所示:

    A=W*H/2(10)

    吸收斜率K定义为吸收谱带左右两侧吸收肩部间连线的斜率,如公式11所示:

    K=(R2-R1)/(λ2-λ1)(11)

    式中,R1和R2分别为吸收左肩和吸收右肩的反射率;

    光谱吸收指数SAI是指“非吸收基线(谱带两肩部的连线)”在谱带的波长位置处的反射强度
    与谱带谷底的反射强度之比,如公式12所示:

    SAI=[W*R1+(1-W)*R2]/Rp(12)

    S1表示吸收谱带左侧的起始波长位置,称为吸收左肩位置,其计算方法为:

    首先取P所在的波长位置作为初始值B,B∈[1,50],然后由吸收波谷位置向左侧逐渐递
    减,直至满足式(13)为止,此时,所在的波长位置即为吸收左肩位置;

    |1-R|=0(13)

    式中,R为第B波段所在波长位置处的反射率;

    S2表示吸收谱带右侧的终止波长位置,称为吸收右肩位置,同样,以P所在的波长位置
    作为初始值B,然后由吸收波谷位置向右侧逐渐递增,直至满足式(13)为止,此时所在的
    波长位置即为吸收右肩位置;

    d监督分类法矿物填图实验

    从众多的光谱特征参数中选择最佳的组合,最大效率的为矿物类型识别提供信息是工作
    的重点?;诟吖馄资莶ǘ渭涞谋曜疾钤酱?,信息量越丰富,波段间的相关系数越小,波
    段间信息的冗余度越小的原理,使用最佳指数因子OIF,如公式14所示,分别计算不同光谱
    特征参数组合的信息量,如表1所示,确定最佳光谱特征参数组合W-S-S2与P-A-S2;而后分
    别进行假彩色合成,以突出影像中的矿物信息;最后使用遥感目视解译手段从图像均匀选取
    各类典型矿物样本,使用监督分类模式识别法进行矿物填图实验。

    O I F = Σ i = 1 3 S i / Σ j = 1 3 | R i j | - - - ( 14 ) ]]>

    表1

    排名
    特征参数1
    特征参数2
    特征参数3
    OIF
    1
    W
    S
    S2
    6529.2054
    2
    P
    A
    S2
    3166.0706
    3
    P
    W
    S2
    1869.8453
    4
    P
    K
    S2
    1658.9195
    5
    W
    H
    S2
    1179.3172

    e决策树分类法矿物填图实验

    首先对USGS波谱库矿物的各类光谱特征参数进行统计与分析,确定各类矿物不同类型
    光谱特征参数的覆盖范围,结合矿物多类型光谱特征参数初步构建研究区矿物识别决策树模
    型,然后对高光谱数据进行最小噪声分离变换和纯净像元指数计算,提取高光谱数据中各类
    典型矿物纯净端元,计算纯净矿物端元多类型特征参数值,进行统计分析,对矿物识别模型
    进行进一步修正,最终得到Cuprite矿区的矿物识别模型,如公式15所示。

    公式15分别示出了矿物明矾石、高岭石、蒙脱石、白云母、方解石、绿泥石、玉髓及高
    岭石与白云母混合物共8种矿物的识别规则。

    明矾石:2150nm<P<2180nm&SAI<1.30&R<0.87&S1<10

    高岭石:2150nm<P<2180nm&R>0.87&H<0.20

    蒙脱石:P>2200nm&H>0.15&A<15&S2<30

    白云母:2190nm<P<2210nm&A>15

    方解石:2330nm<P<2340nm&S2>30(15)

    绿泥石:2320nm<P<2330nm&S2>30

    玉髓:2260nm<P<2280nm&S2<40

    高岭+白云母:2200nm<P<2210nm&S1<10&S2>30

    f精度验证与评价

    选择USGS公布的Clark和Swayze利用AVIRIS数据结合地面调查在Cuprite矿区的矿物
    填图结果作为验证数据,该数据利用Tricorder软件使用波形匹配和最小二乘拟合等技术生成,
    具有较高的准确性和矿物识别精度,已被广泛应用于Cuprite矿区矿物识别结果验证等研究
    中。为了验证方法对矿物类型的识别精度,在配准后的验证数据中分别随机选取上述5类矿
    物验证样本,验证样本与训练样本相互独立,计算混淆矩阵和Kappa系数,对d、e部分的矿
    物填图结果进行精度验证。

    表2为AVIRIS数据监督分类法矿物填图精度验证结果,表3为AVIRIS数据和Hyperion
    数据决策树分类法矿物填图精度验证结果。

    表2


    表3



    验证结果表明:多类型光谱特征参数协同的矿物类型遥感识别方法在矿物类型识别中总
    体能够达到较高的精度;多种光谱特征参数组合的矿物类型识别结果对比表明,在基于监督
    分类方法的矿物填图实验中,P-A-S2光谱特征参数组合提取矿物类型精度最高,整体矿物识
    别精度达到74.68%;在基于决策树分类的矿物填图实验中,对于不同的高光谱数据,均能达
    到较高的整体识别精度;其中,AVIRIS数据的整体精度达到80.77%,Hyperion数据为70.01%,
    不同的矿物类型其识别精度有一定的差异。

    当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说
    明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变
    形形式,均落在本说明书的实质范围之内,理应受到本发明的?;?。

    关于本文
    本文标题:基于多类型光谱特征参数协同的矿物类型遥感识别方法.pdf
    链接地址://www.4mum.com.cn/p-5886218.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 中国福利彩票双色球中奖规则 91彩票群 快乐十分万能7码复式 内蒙古时时彩推荐 河北11选5 这期福彩开奖什么号 十一运夺金 捕鸟达人怎么玩 安徽快三开奖结果昨天 上海15选5 彩票今天3d号码预测专家 麻将怎么打初学教图 千旺彩票安卓 上海哈灵百搭麻将群 黑龙江快乐十分预测 篮彩微信群