1、 成像光譜巖礦識別方法技術(shù)研究高光譜遙感是在多光譜遙感基礎(chǔ)上發(fā)展起來的光譜測量技術(shù)。有非成像和成像之分，其中非成像測量技術(shù)包括地面光譜與航空光譜測量;成像測量技術(shù)包括機載、星載成像光譜遙感測量。通常所說的高光譜遙感技術(shù)是指成像光譜技術(shù)。該技術(shù)把實驗室樣品、地面目標(biāo)的精細(xì)光譜測量技術(shù)融合到航空、航天遙感成像技術(shù)中，形成成像光譜遙感對地觀測技術(shù)。它具有圖像一精細(xì)光譜合二為一的特點，具有從空間上大尺度探測和分析巖礦目標(biāo)精細(xì)光譜特征的能力，從而使遙感技術(shù)直接識別巖礦地質(zhì)體中礦物的存在、礦物的豐度和礦物的成分分布變?yōu)榭赡堋?0世紀(jì)80年代發(fā)展起來的成像光譜技術(shù)，是現(xiàn)代遙感技術(shù)發(fā)展的前沿之一，并成為研究熱

2、點。1 成像光譜數(shù)據(jù)的預(yù)處理成像光譜數(shù)據(jù)處理的主要內(nèi)容包括:(1)光譜的定標(biāo)、大氣校正和光譜重建，依此實現(xiàn)成像光譜信息的圖像光譜轉(zhuǎn)換；這是進(jìn)行相應(yīng)地物識別和鑒定的關(guān)鍵。(2)幾何校正和地理編碼，以滿足定位成圖的要求。目前成像光譜的輻射校正普遍使用的方法是基于地面光譜與圖像數(shù)據(jù)的經(jīng)驗線形模型，但該模型難以消除加性因子的影響，另一方面，從機載成像光譜應(yīng)用技術(shù)產(chǎn)業(yè)化的角度來說，開展地面同步光譜觀測，實施起來需要投入大量的人力資源，并且對于一些難度到達(dá)地區(qū)，也無法實施同步光譜觀測。因此，發(fā)展和開發(fā)較適合的模型與方法尤為重要。輻射傳輸模型是基于大氣傳輸理論的反演模型，如6S、LOWTRAN和MODTRA

3、N等算法復(fù)雜，涉及的大氣實測參數(shù)多，同時受一些條件的限制而未能廣泛加以應(yīng)用。但是隨著成像光譜波段設(shè)置的合理化以及檢測器通道信噪比的提高，所提供的大氣水氣吸收波段數(shù)據(jù)與輻射校正模型相結(jié)合可直接運用到對成像光譜數(shù)據(jù)的大氣校正，這極大地簡化了參數(shù)的設(shè)置，節(jié)省了地面光譜同步測試的人力與物力，其校正的精度也完全能滿足對礦物識別的需求。另一方面，在航空成像光譜數(shù)據(jù)獲取中，由于飛行平臺姿態(tài)的非穩(wěn)定，存在嚴(yán)重的幾何畸變，歪曲甚至混淆了信息在空間的表達(dá)，制約著成像光譜的實際應(yīng)用。利用航空飛行平臺上飛行參數(shù)，比如傳感器掃描儀工作姿態(tài)參數(shù)、同步GPS、慣性導(dǎo)航測量參數(shù)等進(jìn)行幾何畸變校正刻不容緩，是急待解決的機載成像

4、光譜技術(shù)應(yīng)用工程問題之一，同時這也是目前在航天和航空遙感數(shù)據(jù)幾何校正與地理編碼方面研究的一個重點。1.1 成像光譜數(shù)據(jù)的輻射糾正、定標(biāo)和光譜重建成像光譜圖像數(shù)據(jù)(即原始數(shù)據(jù))是地物光譜反射輻射信息與大氣輻射傳輸效應(yīng)、地形效應(yīng)、感器掃描系統(tǒng)等多種因素影響的結(jié)果，其像元光是這些因素相互作用的綜合反映。成像光譜對地物的識別依賴于地物精細(xì)的光譜特征，為了從像中獲取地物真實的光譜特征，必須進(jìn)行相關(guān)數(shù)據(jù)的定標(biāo)與大氣校正，以消除與地物光譜輻射征等無關(guān)因素的影響。2 巖礦光譜信息提取識別技術(shù)方法2.1成像光譜礦物識別技術(shù)目前，基于成像光譜數(shù)據(jù)巖礦蝕變信息識別與提取的方法主要有 (l)基于光譜波形參數(shù)，(2)基

5、于光譜相似性測度，(3)基于混合光譜模型，(4)基于地質(zhì)統(tǒng)計規(guī)律，(5)基于光譜知識的智能識別等。一、光譜波形參數(shù)提取與蝕變識別的技術(shù)方法巖石礦物單個診斷性吸收特征峰可以用吸收波段位置()、吸收深度(H)、吸收寬度(W)、吸收面積(A)、吸收對稱性(d)、吸收的數(shù)目(n)和排序參數(shù)作一完整地表征(陳述彭等，1998)。根據(jù)端元礦物的單個診斷性吸收波形，從成像光譜數(shù)據(jù)中提取并增強這些參數(shù)信息，可直接用于識別巖礦類型。如IHS編碼與吸收波段圖(Kruse，1988)是利用連續(xù)統(tǒng)去除后的光譜圖像，定義出波段吸收中心位置圖像，波段深度圖像以及波段半極值寬度(FWHM)圖像，并分別賦予HSI空間的明度(

6、H)、強度 (I)和飽和度(S)，然后逆變換到RGB色度空間。二、基于相似性測度的識別技術(shù)方法成像光譜最大的優(yōu)勢在于利用有限細(xì)分的光譜波段，去再現(xiàn)像元對應(yīng)物的光譜曲線。這樣，利用整個光譜曲線進(jìn)行礦物匹配識別，可以在一定程度上改善單個波形的不確定性影響(如光譜漂移、變異等)，提高識別的精度(甘甫平等，2000)?；谡麄€波形的識別技術(shù)方法是在參考光譜與像元光譜組成的二維空間中，合理地選擇測度函數(shù)度量標(biāo)準(zhǔn)光譜或?qū)崪y光譜與圖像光譜的相似程度。例如，光譜角識別方法SAM(王志剛，1993;Speetarl Angle Mapper)(Ben一Dor，re tal，1995:Crosta，et al，1

7、998:Dkare，et al，1995:YOhas，et al，1992)和光譜匹配SM(speetral Matehing) (Buahgetal，1998)，利用巖礦光譜矢量的歐氏距離測度函數(shù)，即求圖像像元光譜與參考光譜在光譜空間中的差異大小。距離愈小，表示圖像端元光譜或待識別的端元光譜與來自實驗室或野外實測的參考光譜之間擬合程度愈高。三、基于光譜知識模型的識別的技術(shù)方法基于光譜知識模型識別的技術(shù)方法是建立在一定的光學(xué)、光譜學(xué)、巖礦結(jié)晶學(xué)和數(shù)學(xué)理論之上的信號處理技術(shù)方法。它不僅能夠克服利用單一譜形識別所存在的缺陷，而且從地物光譜學(xué)原理入手、從本質(zhì)上理解認(rèn)識巖礦光譜的物理機制與物理過程，建

8、立光譜數(shù)學(xué)物理模型，識別并定量提取巖礦信息。這在一定程度上能精確地量化地表物質(zhì)的組成以及深入地描述地物組成的物理特性，以進(jìn)一步探測地物所蘊藏的成生環(huán)境本質(zhì)。例如，建立在Hpake(1981)光譜雙向反射理論基礎(chǔ)之上的線性混合光譜分解模型，可以根據(jù)不同地物或者不同像元光譜反射率響應(yīng)的差異，構(gòu)造光譜線性分解模型，從而識別地物，量化地物成分，挖掘地物成生環(huán)境信息。四、基于地質(zhì)統(tǒng)計特征的分類識別方法該類方法是基于地物在圖像上的統(tǒng)計分布規(guī)律，建立地質(zhì)模型進(jìn)行圖像分類識別。比較典型的有：概率模型，幾何光學(xué)模型，隨機幾何模型以及非參數(shù)地質(zhì)統(tǒng)計模型五、基于光譜知識的智能識別方法傳統(tǒng)的以及上述的成像光譜識別方法

9、利弊共存。對于高維與超大容量的成像光譜數(shù)據(jù)以及大量的實驗室光譜研究結(jié)果等迫切要求新的高效的遙感定量分析技術(shù)。因此，專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊識別等基于光譜知識的智能識別應(yīng)運而生。神經(jīng)網(wǎng)絡(luò)技術(shù)是應(yīng)用最廣泛的識別技術(shù)(Gong，1996;Jimenez，et al，1998;Benediktsson，et al，1995:Garci-aHaro，et al，1998)。Goetting和Lyon(1986)建立一個試驗性專家系統(tǒng);Kruse等(1993)建立了基于知識的成像光譜礦物自動匹配制圖系統(tǒng)。以DemPster-Shafer證據(jù)理論為基礎(chǔ)格架的證據(jù)推理方法也得到了一定程度的應(yīng)用?；诠庾V知

10、識的智能識別技術(shù)方法與系統(tǒng)將是成像光遙感地物信息識別、提取與量化以及實用化的最佳選擇與發(fā)展方向，極具潛力。2.2 礦物識別方法和工作流程目前，礦物識別制圖的方法是特征譜帶識別和基于相似性測度的識別:(1)利用巖石礦物的特征譜帶構(gòu)造識別技術(shù)，該方法相對直觀，簡單可行，但是單一的特征往往造成巖石礦物的錯誤識別，其精度難以達(dá)到工程化應(yīng)用的需求，同時對成像光譜數(shù)據(jù)的信噪比、光譜重建的精度要求較高。(2)從巖石礦物光譜的整體特征出發(fā)，與成像光譜視反射率數(shù)據(jù)進(jìn)行整體匹配、擬合或構(gòu)造模型進(jìn)行分解。這也是目前研究的重點，能有效地避免因巖石礦物光譜漂移或光譜變異而造成的單個光譜特征的不匹配，并能綜合利用弱的光譜

11、信息，避免局部性特征(如單一特征構(gòu)建的識別方法)造成識別的混淆，識別的精度高。對于成像光譜上百個波段而言，尤其在目前無論是航空成像光譜數(shù)據(jù)(如AVlUlS、CASI、HyMap等)還是在軌的航天成像光譜數(shù)據(jù)，如Hyperion航帶都普遍比較窄，一般在3-10km，給大面積應(yīng)用帶來很多不便，增加了大面積數(shù)據(jù)處理的難度，并使工作量在目前微機配置的條件下成倍增加。因此，無論是從巖石礦物光譜的局域特征還是整體特征開展對礦物的識別，在保證識別精度要求的條件下進(jìn)行工程化的處理，必須探索新的技術(shù)流程。在對成像光譜數(shù)據(jù)特征與識別方法的比較研究中，結(jié)合工作實際以及進(jìn)行工程化處理的初步要求，在確保識別精度的條件下

12、，設(shè)計出標(biāo)準(zhǔn)數(shù)據(jù)庫光譜+光譜-特征域轉(zhuǎn)換+礦物識別方法的技術(shù)流程。該流程的主要作用：直接開展蝕變礦物的識別與信息提取。在對試驗區(qū)巖石類型、構(gòu)造、熱液活動以及礦產(chǎn)綜合研究的基礎(chǔ)之上，提煉與礦化關(guān)系密切的蝕變礦物，利用標(biāo)準(zhǔn)庫的光譜或野外實測光譜作為參考光譜。進(jìn)行光譜域與特征域的轉(zhuǎn)換，實現(xiàn)數(shù)據(jù)減維與數(shù)據(jù)壓縮，降低工作量，提高工作效率。成像光譜數(shù)據(jù)波段上百，不同的航帶寬度與記錄長度使單次處理的數(shù)據(jù)量達(dá)1Gbytes，中間過渡文件單航帶可達(dá)10Gbytes;在以前的處理中常常將航帶分割成較小的區(qū)域進(jìn)行處理后再進(jìn)行拼接，利用MNF技術(shù)可以將整個光譜域空間轉(zhuǎn)換到特征域空間，消除原有光譜向量間各分量之間的相關(guān)

13、性，從而去掉信息量較少噪聲較高的向量，使數(shù)據(jù)處理從成百的光譜域集中到去噪的特征域中進(jìn)行，減低數(shù)據(jù)量，縮短數(shù)據(jù)處理時間，提高數(shù)據(jù)處理的效率。特征分離，增加不同礦物的可分性，提高礦物識別的精度在成像光譜數(shù)據(jù)MNF變換并剔除噪聲波段的特征域空間中，不同的波段被賦予了不同的物理或數(shù)學(xué)意義，地物的光譜特征在特征域發(fā)生分離，地物的細(xì)微特征得到放大，增加了數(shù)據(jù)的可分性。一、光譜特征域轉(zhuǎn)換光譜分辨率的提高，一方面提高了數(shù)據(jù)的分類識別的精度以及應(yīng)用能力，另一方面，增加了據(jù)的容量，也使數(shù)據(jù)高冗余高相關(guān)。有效的數(shù)據(jù)壓縮與特征提取勢在必行。一般地，利用傳統(tǒng)的主成分變換進(jìn)行相應(yīng)的變化，衍生出一系列的成像光譜數(shù)據(jù)壓縮與特

14、征提取方法，如MNF變換，NAPC(Lee，etal.，1990)、分塊主成分變換(Jia，et al.，2008)，以及基于主成分的對應(yīng)分析等。空間自相關(guān)特征提取、空間投影(Hasrnayi，et al.，1994)和高維數(shù)據(jù)二階特征分析(Lee，et al.，1993;Haertel.，et al.，1999)也得到相應(yīng)的重視。利用非線形的小波、分形特征(Qiu et al.，1999)也在研究之中。主成分分析（PCA)是根據(jù)圖像的統(tǒng)計特征確定變換矩陣對多維(多波段)圖像進(jìn)行正交線性換，使變換后新的組分圖像互不相關(guān)，并且把多個波段中有用信息盡可能地集中到少數(shù)幾個組圖像中。一般地，隨著主成分

15、階次的提高，信噪比逐漸減小。但在波段較多時并不全符合這一規(guī)律。為改善主成分在高光譜維中的數(shù)據(jù)處理能力，相應(yīng)地利用最大噪聲組分變換(MNF)的方法。該方法是利用圖像的噪聲組分矩陣的特征量對圖像進(jìn)行變換，使按特征值由大到小排序的變換分量所包含的噪聲成分逐漸減小，而圖像量順次提高。MNF相當(dāng)于所有波段聲方差都相等時的主成分分析，因此可分為兩步實現(xiàn)，第一步先將圖像變換到一個新的坐標(biāo)系，使變換后圖像噪聲的協(xié)方差矩陣為單位陣;第二步再對變換后的圖像施行主成分變換。此改的算法稱為“噪聲調(diào)節(jié)主成分變換（NAPC)”。二、特征分離在MNF變換后的特征域中不同波段具有不同物理與數(shù)學(xué)意義。比如變換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變換中，通過信號與噪聲分離，使信息更加集中于有限的特征集中，一些微弱信息則在去噪轉(zhuǎn)化中被增強。同時在MNF轉(zhuǎn)換過程中，使光譜特征向類特征向量集匯聚，增強分類信息。三、礦物識別礦物識別主要選用光譜相似性測度的方法?；谡麄€譜形特征的相似性概率的大小，能有效地避免因巖石礦物光譜漂移或光譜變異而造成的單個光譜特征的不匹配，并能綜合利用弱的光譜信息。基于整個光譜形特征的識別方法主要有光譜角技術(shù)、光譜匹配濾波、光譜擬合與線形分解等。利用大氣校正后的重建光譜數(shù)據(jù)，可選擇性地利用上述礦物識別技術(shù)開展端元礦物的識別。光譜角方法可直接選擇端元礦物進(jìn)行匹配，最終

17、生成二值圖像，簡單易行，在閩值合理可靠的前提下能夠獲取較高的識別精度。在成像光譜巖礦地質(zhì)信息識別與提取方法中，光譜角技術(shù)是一種較好的方法之一(王志剛，1993；劉慶生，1999)。光譜角識別方法是在由光譜組成的多維光譜矢量空間，利用一個巖礦矢量的角度測度函數(shù)()求解巖礦參考光譜端元矢量()與圖像像元光譜矢量(t)的相似性測度，即：=arccos這里，為光譜向量的模。參考端元光譜可來自實驗室、野外測量或己知類別的圖像像元光譜。介于0到/2，其值愈小，二者相似度愈高，識別與提取的信息愈可靠。通過合理的閾值選擇，獲取礦化蝕變信息的二值圖像。四 閾值的選擇與航帶間信息的銜接無論是光譜角技術(shù)還是光譜匹配以及混合光譜分解，都存在對非礦物信息的分割，因此閾值的選擇是一個必須面臨的重要問