CN105405102A - 一种用于水铝矿信息提取的高光谱影像处理方法 - Google Patents
一种用于水铝矿信息提取的高光谱影像处理方法 Download PDFInfo
- Publication number
- CN105405102A CN105405102A CN201410431253.4A CN201410431253A CN105405102A CN 105405102 A CN105405102 A CN 105405102A CN 201410431253 A CN201410431253 A CN 201410431253A CN 105405102 A CN105405102 A CN 105405102A
- Authority
- CN
- China
- Prior art keywords
- image
- gibbsite
- information extraction
- corresponding pixel
- judge
- 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.)
- Pending
Links
Landscapes
- Image Analysis (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水铝矿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1355nm,1445nm,1490nm,1520nm,1550nm,1625nm,1775nm,1940nm,2150nm,2255nm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10个波段,相对于高光谱影像SASI全波段101个波段,需要处理的数据量减少了90%,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10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水铝矿信息的快速提取具有较好的作用和意义。
Description
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水铝矿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水铝矿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,如何在水铝矿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水铝矿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水铝矿的丰度值。
为解决上述技术问题,本发明提供一种用于水铝矿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1355nm,1445nm,1490nm,1520nm,1550nm,1625nm,1775nm,1940nm,2150nm,2255nm的图像采样,并依次记录为b1~b10,即b1为波段1355nm的采样数据,b2为波段1445nm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=(b2小于b3);
a3=(b3大于b4);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b9大于b10);
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~a6,共6个矩阵;
步骤四:计算
用下述公式进行计算b11
b11=b1+2*b3+b6+b7+b9-2*b2-b4-b5-b8-b10
所述的*表示相乘;
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*b11
上述所有计算均为相应像元计算。
如上所述的一种用于水铝矿信息提取的高光谱影像处理方法,其中,所述的步骤三中的判断是针对每次判断图像的相应像元进行判断的。
如上所述的一种用于水铝矿信息提取的高光谱影像处理方法,其中,所述的对图像的相应像元进行判断是按照下述过程进行的:
取需要判断图像的对应像元,判断像元灰度是否符合判断标准,如果符合,判定该像元位置的结果为“1”,否则判定该像元位置的结果为“0”,然后判断下一个对应像元,直到完成对整个图像的判断。
本发明本方法的效果在于:只用了10个波段,相对于高光谱影像SASI全波段101个波段,需要处理的数据量减少了90%,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10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水铝矿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1355nm,1445nm,1490nm,1520nm,1550nm,1625nm,1775nm,1940nm,2150nm,2255nm的图像采样,并依次记录为b1~b10,即b1为波段1355nm的采样数据,b2为波段1445nm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=(b2小于b3);
a3=((b3大于b4);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b9大于b10);
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~a6,共6个矩阵。
步骤四:计算
用下述公式进行计算b11
b11=b1+2*b3+b6+b7+b9-2*b2-b4-b5-b8-b10所述的*表示相乘。
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*b11
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b11=b1+2*b3+b6+b7+b9-2*b2-b4-b5-b8-b10公式为例,当计算点(x,y)时,取b1、b3、b6、b7、b9、b2、b4、b5、b8、b10的点(x,y)的灰度值参与计算,得到的结果是b11的点(x,y)的值。又例如a0=a1*a2*a3*a4*a5*a6*b11,当计算点(x,y)时,取a1、a2、a3、a4、a5、a6、b11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就是水铝矿信息的丰度图,即图像中某区域的数值越大表示该区域水铝矿的丰度越高。
Claims (3)
1.一种用于水铝矿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1355nm,1445nm,1490nm,1520nm,1550nm,1625nm,1775nm,1940nm,2150nm,2255nm的图像采样,并依次记录为b1~b10,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=(b2小于b3);
a3=((b3大于b4);
a4=(b5小于b6);
a5=(b7大于b8);
a6=(b9大于b10);
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~a6,共6个矩阵;
步骤四:计算
用下述公式进行计算b11
b11=b1+2*b3+b6+b7+b9-2*b2-b4-b5-b8-b10
所述的*表示相乘;
用下面公式计算a0
a0=a1*a2*a3*a4*a5*a6*b11
上述所有计算均为相应像元计算。
2.如权利要求1所述的一种用于水铝矿信息提取的高光谱影像处理方法,其特征在于:所述的步骤三中的判断是针对每次判断图像的相应像元进行判断的。
3.如权利要求2所述的一种用于水铝矿信息提取的高光谱影像处理方法,其特征在于:所述的对图像的相应像元进行判断是按照下述过程进行的:
取需要判断图像的对应像元,判断像元灰度是否符合判断标准,如果符合,判定该像元位置的结果为“1”,否则判定该像元位置的结果为“0”,然后判断下一个对应像元,直到完成对整个图像的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410431253.4A CN105405102A (zh) | 2014-08-28 | 2014-08-28 | 一种用于水铝矿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 |
---|---|---|---|
CN201410431253.4A CN105405102A (zh) | 2014-08-28 | 2014-08-28 | 一种用于水铝矿信息提取的高光谱影像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105405102A true CN105405102A (zh) | 2016-03-16 |
Family
ID=55470570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410431253.4A Pending CN105405102A (zh) | 2014-08-28 | 2014-08-28 | 一种用于水铝矿信息提取的高光谱影像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105405102A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230184A (zh) * | 2016-03-24 | 2017-10-03 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN107273858A (zh) * | 2017-06-19 | 2017-10-20 | 潘浩天 | 一种数据处理方法及系统 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900966A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于绿帘石信息提取的高光谱影像处理方法 |
CN103902999A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于蒙脱石信息提取的高光谱影像处理方法 |
CN103900967A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于高岭土信息提取的高光谱影像处理方法 |
CN103901497A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于伊利石信息提取的高光谱影像处理方法 |
CN103902998A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于绿泥石信息提取的高光谱影像处理方法 |
-
2014
- 2014-08-28 CN CN201410431253.4A patent/CN105405102A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103900966A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于绿帘石信息提取的高光谱影像处理方法 |
CN103902999A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于蒙脱石信息提取的高光谱影像处理方法 |
CN103900967A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于高岭土信息提取的高光谱影像处理方法 |
CN103901497A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于伊利石信息提取的高光谱影像处理方法 |
CN103902998A (zh) * | 2012-12-27 | 2014-07-02 | 核工业北京地质研究院 | 一种用于绿泥石信息提取的高光谱影像处理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230184A (zh) * | 2016-03-24 | 2017-10-03 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN107230184B (zh) * | 2016-03-24 | 2020-10-23 | 核工业北京地质研究院 | 一种成像高光谱岩芯扫描图像自动裁剪方法 |
CN107273858A (zh) * | 2017-06-19 | 2017-10-20 | 潘浩天 | 一种数据处理方法及系统 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101829560B1 (ko) | 칼만 필터를 기반으로 하는 용량 예측 방법, 시스템 및 컴퓨터 장치 | |
Guan et al. | Gaussian scale-space enhanced local contrast measure for small infrared target detection | |
CN103900964A (zh) | 一种用于白云母信息提取的高光谱影像处理方法 | |
CN103903225A (zh) | 一种用于白云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 | |
CN106845326B (zh) | 一种基于航空高光谱遥感数据的冰川识别方法 | |
CN103900965A (zh) | 一种用于方解石信息提取的高光谱影像处理方法 | |
CN105405102A (zh) | 一种用于水铝矿信息提取的高光谱影像处理方法 | |
CN110570395B (zh) | 基于空谱联合协同表示的高光谱异常检测方法 | |
TW201616450A (zh) | 點雲畫筆選取系統及方法 | |
CN108230365B (zh) | 基于多源差异图像内容融合的sar图像变化检测方法 | |
CN103902998A (zh) | 一种用于绿泥石信息提取的高光谱影像处理方法 | |
Kotkar et al. | Analysis of various change detection techniques using satellite images | |
CN103901497A (zh) | 一种用于伊利石信息提取的高光谱影像处理方法 | |
CN103900967B (zh) | 一种用于高岭土信息提取的高光谱影像处理方法 | |
CN103900966A (zh) | 一种用于绿帘石信息提取的高光谱影像处理方法 | |
CN103902999B (zh) | 一种用于蒙脱石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 | |
CN104573690A (zh) | 一种用于石膏信息提取的高光谱影像处理方法 | |
CN107680104B (zh) | 基于kalman滤波的手势分割方法 | |
CN104268896A (zh) | 基于光谱抽样直方图的超光谱降维匹配方法及系统 | |
CN104732488A (zh) | 一种用于阳起石信息提取的高光谱影像处理方法 | |
CN107886530A (zh) | 一种改进的基于sift特征的图像配准算法 | |
Chianese et al. | Influence of image noise on crack detection performance of deep convolutional neural networks | |
CN105784602A (zh) | 一种用于菱锰矿信息提取的高光谱影像处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160316 |