CN105115906A - 基于图像自身特征的绢云母化蚀变信息提取方法 - Google Patents

Abstract

本发明属于矿物勘探图像信息提取技术领域，具体涉及基于图像自身特征的绢云母化蚀变信息提取方法。本发明从图像自身提取端元波谱，采用现有技术高光谱技术来处理多光谱数据；采用现有技术最小能量约束法来进行蚀变矿物填图，在密度切割时参考颜色异常来选择阈值，避免了阈值选取的任意性。其中，采用高光谱矿物填图方法来处理ASTER数据，ASTER数据短波红外数据MNF变换后的3、2、1波段合成影像上形成了鲜明的紫红色，根据颜色特征提出一种新的阈值切割方法，提高绢云母化信息填图精度。

Description

基于图像自身特征的绢云母化蚀变信息提取方法

技术领域

本发明属于矿物勘探图像信息提取技术领域，具体涉及基于图像自身特征的绢云母化蚀变信息提取方法。

背景技术

岩石受到气水热液作用而发生一系列旧矿物为新矿物所代替的交代作用称为蚀变作用。围岩蚀变是整个热液成矿作用的一部分，蚀变矿物与矿石在成因上联系密切，蚀变分布的范围要比矿体分布的范围大的多,可以通过蚀变分带的研究帮助确定矿体的位置，所以蚀变围岩是重要的找矿标志。

遥感探测的是地表物质的光谱信息，因此只要一定面积的蚀变岩石出露，遥感都可能探测到。即使矿体隐伏，只要有蚀变岩出露，也可以被遥感数据发现。斑岩铜矿的围岩蚀变具有明显而规律的水平和垂直分带现象，最重要的是绢英岩化带，蚀变强度和范围直接影响到矿化的规模。绢云母是一种重要的中低温热液蚀变产物，它是绢英岩化带中的特征矿物，可以准确指示与成矿关系密切的绢英岩化分布范围。若是能够有效地确定娟英岩化的分布范围与强度，对于寻找斑岩型铜矿具有重要的现实价值。

现有技术的技术方案

绢云母即白云母(Muscovite)，其波谱特征主要是出现在ASTER数据第六波段的吸收谷。其特征曲线为在第四波段有反射峰，随后在第六波段形成吸收谷。通常对ASTER的1、3、4、6四个波段进行主成分分析来提取绢云母化信息，采用“均值(X)+N*标准差(δ)”方法进行异常下限确定和分级处理。

现有技术的缺点

主成分分析法提取绢云母化信息是基于实验室所测量的矿物波谱数据，而野外实际矿物波谱由于受到许多不可控制因素影响而与实验室中测量的矿物波谱(例如USGS波谱库)存在一定的差异，主成分分析法与异常下限阈值确定制约了蚀变矿物填图精度。

发明内容

本发明针对现有技术的不足，提供了基于图像自身特征的绢云母化蚀变信息提取方法，可针对性地改善主成分分析法与异常下限阈值确定制约了蚀变矿物填图精度的问题。

为解决以上问题，本发明采用的技术方案如下，一种基于图像自身特征的绢云母化蚀变信息提取方法，包括以下步骤：

S1将基础影像进行最小噪声分离变换,即MNF；

S2计算纯净像元指数PPI；

S3N维可视化；

S4基于几何顶点的端元提取波谱信息；

S5确定提取绢云母蚀变信息的阈值。

作为优选，S3具体如下：

通过n-DVisualizer工具将最小噪声分离变换MNF和纯净像元指数PPI的结果相结合，用于定位、识别、聚集数据集中最纯的像元，从而获取纯净的端元波谱信息。

作为优选，S4具体如下：

构建二维散点图，选择端元波谱，运用最小能量约束法定义目标约束条件以分离目标光谱抑制图像中的噪声和非目标端元波谱信号。

作为优选，

阈值确定是依据步骤S4，最小能量约束法处理后的结果并参考ASTER数据的SWIR波段最小噪声分离后的3、2、1波段彩色合成结果，根据颜色异常选取阈值。

本发明的有益效果如下：

本发明从图像自身提取端元波谱，采用现有技术高光谱技术来处理多光谱数据；采用现有技术最小能量约束法来进行蚀变矿物填图，在密度切割时参考颜色异常来选择阈值，避免了阈值选取的任意性。其中，采用高光谱矿物填图方法来处理ASTER数据，ASTER数据短波红外数据MNF变换后的3、2、1波段合成影像上形成了鲜明的紫红色，根据颜色特征提出一种新的阈值切割方法，提高绢云母化信息填图精度。

附图说明

图1为遥感数据提取蚀变信息流程图；

图2为纯净像元指数(PPI)；

图3为2维散点图获取纯净像元：

图4为最小能量约束法获取的影像；

图5ASTER短波红外数据MNF变换后的3、2、1波段合成(灰度图显示)；

图6为采用本发明方法从ASTER数据提取的绢云母化信息示意图。

图7为采用主成分分析法从ASTER数据提取的绢云母化信息示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明做进一步详细说明。

原理说明：最小能量约束法(ConstrainedEnergyMinimization,CEM)使用有限脉冲响应线性滤波器(FiniteImpulseResponse,FIR)和约束条件，最小化平均输出能量以抑制图像中的噪声和非目标端元波谱信号，即抑制背景光谱，定义目标约束条件以分离目标光谱。最小能量约束法可以在抑制背景光谱的同时突出目标光谱。该方法以MNF变换文件作为输入文件，同时端元波谱也需要转换为MNF空间下的波谱，生成的结果是端元波谱对比每个像元得到的灰度图像，像元值越大表示越接近目标。

端元波谱信息的获取成为矿物填图的一个瓶颈，直接采用实验室或者野外实测矿物波谱数据进行蚀变矿物识别都难以取得较好的效果。本发明采用美国(ExelisVisualInformationSolutions)公司开发的遥感图像处理软件ENVI，从图像自身提取端元波谱信息，阈值的选取参考ASTER数据的SWIR波段最小噪声分离后的彩色合成结果，根据颜色异常选取阈值。本发明完全基于图像自身特征解决端元波谱的获取与阈值的确定两个难题。绢云母化蚀变信息提取流程如图1所示。

ENVI5.1图像处理软件提取蚀变信息详细操作流程：

S1、最小噪声分离(MNF)

(1)在ENVI5.1工具栏主菜单中，选择Transform---MNFRotation---ForwardMNFEstimateNoiseStatistics。在标准ENVI文件选择对话框中，选择ASTER图像文件,点击OK打开ForwardMNFTransformParameters对话框，设置参数如下。

(2)单机ShiftDiffSubset按钮，选择用于计算统计信息的空间子集，这里选择全景遥感影像。

(3)OutputNoiseStatsFilename[.sta](可选项):输出噪声统计文件。

(4)OutputMNFStatsFilename[.sta](可选项)：输出MNF统计文件，在逆向MNF变换中需要这个文件。

(5)EnterOutputFilename选择MNF变换结果输出路径及文件夹名。

(6)通过特征值来选择MNF变换输出的波段数(SelectSubsetFromEigenvalues)。

Yes:执行MNF变换后，会打开SelectOutputMNFBands对话框，列表中显示每个波段及相应的特征值，还有每个MNF波段包含的数据方差的累积百分比。NumberOfOutputMNFBands设置输出波段数，一般可以选择波段数特征值大于1作为输出波段。

No:手动选择输出波段，默认或输入波段数。

由于ASTER数据只有9个波段，选择YES后结果显示特征根都大于1，因此这里选择默认(NO)。

(7)单击OK按钮，执行MNF变换。

S2、纯净像元指数(PPI)

选择Spectral---PixelPurityIndex---[fast]New0utputBand。在打开的PixelPurityIndexInputFile对话框中，选择MNF变换结果，单击OK按钮。

迭代次数(NumberOfIterations):迭代次数越多，能很好的发现极值像元。

阈值系数(ThresholdFactor):以数据位数为单位键入一个阈值。例如：阈值为2，则只有DN值与极值像元的差值大于两位数的像元才被标为极值。

PPI运算结果是一个单波段图像文件，每个像元值的DN值表示被像元标记为极值的次数，像元值越大，表示像元的纯度越高，因此DN值也称为“纯度”，用于端元波谱的提取(图2)。

S3、N维可视化(n-DVisualizer)

n-DVisualizer工具可以与最小噪声分离变换(MNF)和纯净像元指数(PPI)的结果相结合，用于定位、识别、聚集数据集中最纯的像元，从而获取纯净的端元波谱。

(1)n-DVisualizer工具通常使用MNF变换结果，它们波段间的相关性已消除。

(2)打开MNF变换结果，并绘制一定数量的感兴区域来限定输入n维可视化器的像元数量。

S4、基于几何顶点的端元提取波谱信息：

将相关性很小的图像波段，如MNF变换结果的前两个波段，作为X、Y轴构成二维散点图。在理想情况下，散点图是三角形。根据线性混合模型数学描述，纯净端元几何位置分布在三角形的三个顶点，而三角形内部的点则是这个顶点的线性组合，也就是混合像元。

(1)构建二维散点图

打开MNF变换结果文件，打开2DScatterPlot对话框，选择MNFBAND1作为bandx,MNFBAND2作为bandy，则显示两个波段的二维散点。

(2)选择端元波谱

在2DScatterPlot窗口中选择右下角凸起的部分依照纯净像元指数(PPI)结果绘制一个感兴区域作为平均端元波谱并输出ROI文件(图3)。

(3)运用最小能量约束法(ConstrainedEnergyMinimization,CEM)定义目标约束条件以分离目标光谱抑制图像中的噪声和非目标端元波谱信号(图4)。

5、提取绢云母蚀变信息阈值的确定

阈值确定是依据步骤S4，最小能量约束法处理后的结果并参考ASTER数据的SWIR波段最小噪声分离后的3、2、1波段彩色合成结果，根据颜色异常选取阈值。

实施例如图5所示：

ASTER数据的SWIR波段最小噪声分离后的合成结果(图5)。最小能量约束法(CEM)处理后的单波段影像灰度值从-0.384230到1.060311，根据颜色异常选取0.3作为提取提取绢云母蚀变信息阈值，即0.3到1.060311提取的异常为绢云母蚀变信息(图6)。

本发明与现有技术的效果对比说明：

(1)主成分分析法提取绢云母化信息(现有技术)

采用主成分分析法对西藏朱诺地区的ASTER数据进行处理，提取绢云母化信息，借用常规数理统计中表征正态分布的特征因子σ(标准方差)和X(均值)等，来表达蚀变遥感异常分布状态。通过对“均值+N*标准方差(σ)”中N的调整，进行异常主分量异常等级阈值分割。根据波谱特征，拟采取Band1、Band3、Band4、Band6主成分分析法。

特征向量4主要承载了4波段和6波段的信息，白云母在4波段强反射，在6波段强吸收，对PC3取反操作再进行3×3中值滤波，高亮度区域为绢云母化集中分布的位置(表1-1)。

表1-1绢云母化主成分特征向量统计

Eigenvector	Band1	Band3	Band4	Band6
					Band1	0.300574	0.501650	0.680264	0.441863

Band3	0.689375	0.473459	-0.456855	-0.303120
					Band4	0.352970	-0.382157	-0.373130	0.768208
Band6	0.556623	-0.614931	0.435085	-0.350332

根据图7中黑色的分布区域可知在朱诺矿区内部及矿区的正东方向有大量的绢云母化蚀变信息分布。采用门限化法确定绢云母化异常下限时不精确，并且阈值选取没有一定的参考性，影响绢云母填图的精度。

(2)基于图像自身特征提取绢云母化信息(本发明)

采用该技术方案对西藏朱诺地区的ASTER数据进行处理，用朱诺矿区进行验证绢云母化蚀变信息提取效果。根据图6中黑色的分布区域可知在朱诺矿区内部及矿区的正西方向有大量的绢云母化蚀变信息分布，并根据已知矿区推测未知矿区，在朱诺矿区正东方向30km处推测存在未知的矿区。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.一种基于图像自身特征的绢云母化蚀变信息提取方法，其特征在于，包括以下步骤：

S1将基础影像进行最小噪声分离变换,即MNF；

S2计算纯净像元指数PPI；

S3N维可视化；

S4基于几何顶点的端元提取波谱信息；

S5确定提取绢云母蚀变信息的阈值。

2.根据权利要求1所述的一种基于图像自身特征的绢云母化蚀变信息提取方法，其特征在于，S3具体如下：

通过n-DVisualizer工具将最小噪声分离变换MNF和纯净像元指数PPI的结果相结合，用于定位、识别、聚集数据集中最纯的像元，从而获取纯净的端元波谱信息。

3.根据权利要求1所述的一种基于图像自身特征的绢云母化蚀变信息提取方法，其特征在于，S4具体如下：

构建二维散点图，选择端元波谱，运用最小能量约束法定义目标约束条件以分离目标光谱抑制图像中的噪声和非目标端元波谱信号。

4.根据权利要求1所述的一种基于图像自身特征的绢云母化蚀变信息提取方法，其特征在于，S5具体如下：

阈值确定是依据步骤S4，最小能量约束法处理后的结果并参考ASTER数据的SWIR波段最小噪声分离后的3、2、1波段彩色合成结果，根据颜色异常选取阈值。