CN104574283A - 一种用于叶蜡石信息提取的高光谱影像处理方法 - Google Patents

一种用于叶蜡石信息提取的高光谱影像处理方法 Download PDF

Info

Publication number
CN104574283A
CN104574283A CN201310503075.7A CN201310503075A CN104574283A CN 104574283 A CN104574283 A CN 104574283A CN 201310503075 A CN201310503075 A CN 201310503075A CN 104574283 A CN104574283 A CN 104574283A
Authority
CN
China
Prior art keywords
pyrophyllite
information extraction
hyperspectral image
image
wave bands
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310503075.7A
Other languages
English (en)
Other versions
CN104574283B (zh
Inventor
杨燕杰
赵英俊
崔欣
秦凯
高仉生
周觅
孙雨
宫宝昌
钱坤
杨国防
崔建勇
刘汉斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201310503075.7A priority Critical patent/CN104574283B/zh
Publication of CN104574283A publication Critical patent/CN104574283A/zh
Application granted granted Critical
Publication of CN104574283B publication Critical patent/CN104574283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明属于高光谱影像处理方法,特别是涉及一种用于叶蜡石信息提取的高光谱影像处理方法。它包括:步骤一,预处理;步骤二:采样,对波段在2045nm,2075nm,2090nm,2105nm,2165nm,2195nm,2240nm,2315nm,2330nm,2375nm,2390nm的图像采样;步骤三:判断,和步骤四:计算。本发明本方法的效果在于:只用了11个波段,比如SASI全波段高光谱影像有101个波段,用这种方法处理数据量可以减少89%,并且由于是计算机自动一步提取,减少了主成分变换、端元波谱的选择等操作步骤,运算速度可以提高了9倍以上。由于去除了大部分对信息提取关系不大的波段,减少其他物质或噪声对其光谱的干扰,提高了信息提取的精度。对高光谱影像数据中叶蜡石信息的快速提取具有较好的作用和意义。

Description

一种用于叶蜡石信息提取的高光谱影像处理方法
技术领域
本发明属于高光谱影像处理方法,特别是涉及一种用于叶蜡石信息提取的高光谱影像处理方法。
背景技术
当前的高光谱遥感影像的叶蜡石信息提取方法主要是光谱全波段匹配或是部分连续波段的光谱匹配,具体算法有光谱角、混合解调滤波等,由于地表的物质组成很少是由单一矿物组成的,这些方法在信息提取的过程易受其他地物波谱或噪声的影响,提取信息精度相对较低。其次现有的光谱提取方法人工操作步骤多,增加了人为判断误差。第三是高光谱数据波段多,数据量大,现有的方法处理时间长,降低了数据处理的速度和应用规模。因此,如何在叶蜡石信息提取的过程中减少其他地物或噪声的影响、人工操作步骤和处理数据量,成为当前高光谱遥感影像处理的前沿之一。
发明内容
本发明要解决的技术问题是提供一种降低其他地物或噪声的影响,减少了处理的数据量的用于叶蜡石信息提取的高光谱影像处理方法。通过对高光谱影像重采样,提取特定波段,进行一系列判断和计算,计算出影像范围内的不同区域叶蜡石的丰度值。
为解决上述技术问题,本发明提供一种用于叶蜡石信息提取的高光谱影像处理方法,依次包括:
步骤一,预处理
获取高光谱影像;对高光谱影像的进行预处理,进行大气校正,获取地面反射率的影像数据;
步骤二:采样
对步骤一得到的影像数据进行采样,对波段在2045nm,2075nm,2090nm,2105nm,2165nm,2195nm,2240nm,2315nm,2330nm,2375nm,2390nm的图像采样,并依次记录为b1~b11,即b1为波段2045nm的采样数据,b2为波段2075nm的采样数据,以此类推;
步骤三:判断
按进行下面一系列判断,并记录结果
a1=(b1大于b2);
a2=(b3小于b4);
a3=(b4大于b5);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b8小于b9);
a7=(b10大于b11);
上述判断是针对每次判断图像的相应像元进行判断的;
本步骤结束后得到a1~a7,共7个矩阵;
步骤四:计算
用下述公式进行计算b12
b12=b1+2*b4+b6+b7+b9+b10-b2-b3-2*b5-2*b8-b11
所述的*表示相乘;
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*a7*b12
上述所有计算均为相应像元计算。
本发明本方法的效果在于:只用了11个波段,比如SASI全波段高光谱影像有101个波段,用这种方法处理数据量可以减少89%,并且由于是计算机自动一步提取,减少了主成分变换、端元波谱的选择等操作步骤,运算速度可以提高了9倍以上。由于去除了大部分对信息提取关系不大的波段,减少其他物质或噪声对其光谱的干扰,提高了信息提取的精度。对高光谱影像数据中叶蜡石信息的快速提取具有较好的作用和意义。
具体实施方式
本发明依次包括下述步骤:
步骤一,预处理
获取高光谱影像;对高光谱影像的进行预处理,进行大气校正,获取地面反射率的影像数据;
本步骤所述的进行大气校正是本领域公知的处理方法。
步骤二:采样
对步骤一得到的影像数据进行采样,对波段在2045nm,2075nm,2090nm,2105nm,2165nm,2195nm,2240nm,2315nm,2330nm,2375nm,2390nm的图像采样,并依次记录为b1~b11,即b1为波段2045nm的采样数据,b2为波段2075nm的采样数据,以此类推。每次采样得到的都是一幅灰度图,图中每一个像元的值都是其灰度值,即b1为一幅灰度图,b1图像的(1,1)点的值为灰度值,其余点依此类推,其余采样图也依次类推。
步骤三:判断
按进行下面一系列判断,并记录结果
a1=(b1大于b2);
a2=(b3小于b4);
a3=(b4大于b5);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b8小于b9);
a7=(b10大于b11);
上述判断是针对每次判断图像的相应像元进行判断的,以a1=(b1大于b2)为例,取b1图像的某像元(例如(1,1)点)的灰度值,与b2图像的相应像元(当b1图像取(1,1)点,则b2图像也必须取(1,1)点)的灰度值,然后根据判断规则“b1大于b2”判断,当判断结果为“是”时,记录判断结果为1,否则记录结果为0。因此当a1=(b1大于b2)判断完毕时,得到的a1是与b1矩阵相同大小的矩阵,其中每个点的值是根据判断规则得到的判断结果(即每个点的值是0或1)。
其它判断也按照类似的规则进行。本步骤结束后得到a1~a7,共7个矩阵。
步骤四:计算
用下述公式进行计算b12
b12=b1+2*b4+b6+b7+b9+b10-b2-b3-2*b5-2*b8-b11
所述的*表示相乘。
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*a7*b12
上述所有计算均为相应像元计算,即使用不同图像的相应像元计算。以b12=b1+2*b4+b6+b7+b9+b10-b2-b3-2*b5-2*b8-b11公式为例,当计算点(x,y)时,取b1、b4、b6、b7、b9、b10、b2、b3、b5、b8、b11的点(x,y)的灰度值参与计算,得到的结果是b17的点(x,y)的值。又例如a0=a1*a2*a3*a4*a5*a6*a7*b12,当计算点(x,y)时,取a1、a2、a3、a4、a5、a6、a7、b12的点(x,y)的值参与计算,得到的结果是a0的点(x,y)的值。
计算得到的a0就是叶蜡石信息的丰度图,即图像中某区域的数值越大表示该区域叶蜡石的丰度越高。

Claims (1)

1.一种用于叶蜡石信息提取的高光谱影像处理方法,其特征在于:包括下述步骤
步骤一,预处理
获取高光谱影像;对高光谱影像的进行预处理,进行大气校正,获取地面反射率的影像数据;
步骤二:采样
对步骤一得到的影像数据进行采样,对波段在2045nm,2075nm,2090nm,2105nm,2165nm,2195nm,2240nm,2315nm,2330nm,2375nm,2390nm的图像采样,并依次记录为b1~b11,即b1为波段2045nm的采样数据,b2为波段2075nm的采样数据,以此类推;
步骤三:判断
按进行下面一系列判断,并记录结果
a1=(b1大于b2);
a2=(b3小于b4);
a3=(b4大于b5);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b8小于b9);
a7=(b10大于b11);
上述判断是针对每次判断图像的相应像元进行判断的;
本步骤结束后得到a1~a7,共7个矩阵;
步骤四:计算
用下述公式进行计算b12
b12=b1+2*b4+b6+b7+b9+b10-b2-b3-2*b5-2*b8-b11
所述的*表示相乘;
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*a7*b12
上述所有计算均为相应像元计算。
CN201310503075.7A 2013-10-23 2013-10-23 一种用于叶蜡石信息提取的高光谱影像处理方法 Active CN104574283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310503075.7A CN104574283B (zh) 2013-10-23 2013-10-23 一种用于叶蜡石信息提取的高光谱影像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310503075.7A CN104574283B (zh) 2013-10-23 2013-10-23 一种用于叶蜡石信息提取的高光谱影像处理方法

Publications (2)

Publication Number Publication Date
CN104574283A true CN104574283A (zh) 2015-04-29
CN104574283B CN104574283B (zh) 2018-07-27

Family

ID=53090266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310503075.7A Active CN104574283B (zh) 2013-10-23 2013-10-23 一种用于叶蜡石信息提取的高光谱影像处理方法

Country Status (1)

Country Link
CN (1) CN104574283B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845326A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 一种基于航空高光谱遥感数据的冰川识别方法
CN111157459A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种用于矿物信息提取的高光谱影像处理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636778B (zh) * 2012-02-21 2013-11-06 核工业北京地质研究院 一种适用于高光谱影像的信息提取方法
CN103175801B (zh) * 2013-03-14 2015-06-24 中国国土资源航空物探遥感中心 一种批量化与自动化的高光谱遥感矿物填图方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845326A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 一种基于航空高光谱遥感数据的冰川识别方法
CN106845326B (zh) * 2015-12-04 2020-10-23 核工业北京地质研究院 一种基于航空高光谱遥感数据的冰川识别方法
CN111157459A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种用于矿物信息提取的高光谱影像处理方法

Also Published As

Publication number Publication date
CN104574283B (zh) 2018-07-27

Similar Documents

Publication Publication Date Title
Aldana-Jague et al. UAS-based soil carbon mapping using VIS-NIR (480–1000 nm) multi-spectral imaging: Potential and limitations
Fu et al. Winter wheat biomass estimation based on spectral indices, band depth analysis and partial least squares regression using hyperspectral measurements
CN103903225A (zh) 一种用于白云石信息提取的高光谱影像处理方法
Quan et al. Tree species classification in a typical natural secondary forest using UAV-borne LiDAR and hyperspectral data
CN103900964A (zh) 一种用于白云母信息提取的高光谱影像处理方法
CN110456352B (zh) 一种基于相干系数阈值的冰川识别方法
CN103914692B (zh) 一种用于煤矿周围地表水系的遥感识别方法
CN103900966A (zh) 一种用于绿帘石信息提取的高光谱影像处理方法
CN103900965A (zh) 一种用于方解石信息提取的高光谱影像处理方法
Liu et al. The FIRST model: Spatiotemporal fusion incorrporting spectral autocorrelation
CN103901497B (zh) 一种用于伊利石信息提取的高光谱影像处理方法
CN105787915A (zh) 一种用于黄钾铁矾信息提取的高光谱影像处理方法
CN103902999A (zh) 一种用于蒙脱石信息提取的高光谱影像处理方法
Zheng et al. Edge detection methods in digital image processing
CN103902998A (zh) 一种用于绿泥石信息提取的高光谱影像处理方法
Zhang et al. Analyzing the saturation of growing stem volume based on ZY-3 stereo and multispectral images in planted coniferous forest
CN103900967B (zh) 一种用于高岭土信息提取的高光谱影像处理方法
CN104574283A (zh) 一种用于叶蜡石信息提取的高光谱影像处理方法
Xiao et al. Inversion study of cadmium content in soil based on reflection spectroscopy and MSC-ELM model
Zhang et al. Adapting the segment anything model for plant recognition and automated phenotypic parameter measurement
CN104573690B (zh) 一种用于石膏信息提取的高光谱影像处理方法
CN105405102A (zh) 一种用于水铝矿信息提取的高光谱影像处理方法
CN116824371B (zh) 生态保护红线植被异常快速监测方法和装置
CN104732488B (zh) 一种用于阳起石信息提取的高光谱影像处理方法
CN116342683A (zh) 一种湖泊蓝藻水华面积提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant