CN108304881B - 一种基于遥感图像的相似岩性区分方法及系统 - Google Patents
一种基于遥感图像的相似岩性区分方法及系统 Download PDFInfo
- Publication number
- CN108304881B CN108304881B CN201810114380.XA CN201810114380A CN108304881B CN 108304881 B CN108304881 B CN 108304881B CN 201810114380 A CN201810114380 A CN 201810114380A CN 108304881 B CN108304881 B CN 108304881B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- ground object
- lithology
- target ground
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 15
- 230000005764 inhibitory process Effects 0.000 claims abstract description 10
- 239000011435 rock Substances 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013506 data mapping Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims 2
- 230000001629 suppression Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 11
- 230000009466 transformation Effects 0.000 description 10
- 239000010438 granite Substances 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 229910052626 biotite Inorganic materials 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000001308 synthesis method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感图像的相似岩性区分方法及系统,该方法包括获取包含目标地物和背景地物的遥感图像,将遥感图像中的目标地物和背景地物区分得到目标地物遥感图像;采用主成分分析法对目标地物遥感图像进行分析,确定目标地物频率直方图,采用光度抑制法对目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;将岩性增强遥感图像划分多个区域,计算每个区域的最大差异以及每个区域与该区域相邻区域的区间差异,根据最大差异和区间差异,对遥感图像中的相似岩性进行区分。本发明公开的方法或系统利用光度抑制法对遥感图像的岩性进行增强处理,得到能够对细微差别的岩性识别的岩性增强图,实现遥感图像中的相似岩性的区分。
Description
技术领域
本发明涉及遥感图像处理领域,特别是涉及一种基于遥感图像的相似岩性区分方法及系统。
背景技术
传统的岩性提取方法,一般是基于光谱数据的波段比值合成法、主成分分析合成法、独立成分分析合成法等方法,这些方法可以识别一定的岩性,但对于岩性比较接近的岩体或者地层来说,这类型方法提取的结果不是太理想,特别是斑岩信息和花岗岩信息的区分上,以上方法提取的结果均不理想,因此,如何准确有效区分相似岩性的岩体或者地层,是遥感图像处理领域急需解决的技术问题。
发明内容
本发明的目的是提供一种基于遥感图像的相似岩性区分方法及系统,能够准确有效的区分相似岩性的岩体或者地层。
为实现上述目的,本发明提供了如下方案:
一种基于遥感图像的相似岩性区分方法,所述相似岩性区分方法包括:
获取遥感图像;所述遥感图像为岩石遥感图像或者地层遥感图像;所述遥感图像包含目标地物和背景地物;
将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像;
采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图;
采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;
将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异;
根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
可选的,所述将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像,具体包括:
对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图为正态分布;
获取所述切割后的遥感图像中的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值;
依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值;
若是,则将所述切割后的遥感图像的波段所对应的地物确定为目标地物,得到目标地物遥感图像;
若否,则将所述切割后的遥感图像的波段所对应的地物确定为背景地物。
可选的,所述对所述遥感图像进行切割处理,得到切割后的遥感图像,具体包括:
采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图;
判断所述滑动窗口内的所述遥感图像的每个波段的频率直方图是否为正态分布;
若是,则对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像;
若否,则继续滑动所述滑动窗口,并返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
可选的,所述采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图,具体包括:
采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量;
统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量;
确定所述最大的信息量所对应的目标地物频率直方图。
可选的,所述将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异,具体包括:
将所述岩性增强遥感图像划分为n个区域;
根据以下公式计算所述第i区域与相邻的第j区域的区间差异:其中,θ(Ci,Cj)表示所述第i区域与第j区域的区间差异;所述第i区域与所述第j区域为相邻区域;表示所述第i区域的最小灰度值;表示所述第j区域的最小灰度值。
可选的,所述根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分,具体包括:
根据所述最大差异和所述区间差异,计算相似岩性区域划分阈值;所述相似岩性区域划分阈值为min[I(Ci)+ξ(Ci),I(Cj)+ξ(Cj)];其中,k为给定的一个参数,P(Ci)为所述第i区域内的像素总数;
判断所述区间差异是否大于所述相似岩性区域划分阈值;
若是,则将所述区域与所述区域相邻的区域分离;
若否,则将所述区域与所述区域相邻的区域合并。
本发明还提供了一种基于遥感图像的相似岩性区分系统,所述相似岩性区分系统包括:
遥感图像获取模块,用于获取遥感图像;所述遥感图像为岩石遥感图像或者地层遥感图像;所述遥感图像包含目标地物和背景地物;
目标地物遥感图像得到模块,用于将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像;
目标地物频率直方图确定模块,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图;
岩性增强遥感图像得到模块,用于采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;
计算模块,用于将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异;
区分模块,用于根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
可选的,所述目标地物遥感图像得到模块,具体包括:
切割后的遥感图像得到单元,用于对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图为正态分布;
特征值获取单元,用于获取所述切割后的遥感图像的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值;
判断单元,用于依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值;
目标地物确定单元,用于当所述切割后的遥感图像中的每个波段的偏度值和峰度值均满足预设阈值时,确定所述切割后的遥感图像中的波段所对应的地物为目标地物,得到目标地物遥感图像;
背景地物确定单元,用于当所述切割后的遥感图中像的波段的偏度值不满足预设阈值或者所述峰度值不满足预设阈值时,确定所述切割后的遥感图像的波段所对应的地物确定为背景地物。
可选的,所述切割后的遥感图像得到单元,具体包括:
频率直方图计算子单元,用于采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图;
判断子单元,用于判断所述滑动窗口内的所述遥感图像的每个波段的频率直方图是否为正态分布;
切割后的遥感图像得到单元,用于当所述滑动窗口内的所述遥感图像的每个波段的频率直方图为正态分布时,对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像;
窗口滑动单元,用于当所述滑动窗口内的所述遥感图像的波段的频率直方图不为正态分布时,继续滑动所述滑动窗口,并返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
可选的,所述目标地物频率直方图确定模块,具体包括:
主分量确定单元,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量;
最大信息量确定单元,用于统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量;
目标地物频率直方图确定单元,用于确定所述最大的信息量所对应的目标地物频率直方图。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种基于遥感图像的相似岩性区分方法及系统,该方法首先获取遥感图像,所述遥感图像包含目标地物和背景地物,并将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像;然后采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图,并采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;最后将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异,并根据所述最大差异和所述区间差异,实现对所述遥感图像中的相似岩性进行区分。本发明利用光度抑制法对遥感图像的岩性进行增强处理,得到能够对细微差别的岩性识别的岩性增强图,实现遥感图像中的相似岩性的区分。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例基于遥感图像相似岩性区分方法的流程示意图;
图2为本发明遥感图像的波段的频率直方图;
图3为本发明多种地物光谱线特征图;
图4为本发明采用二值位图方式切割后的遥感图像分区结果示意图;
图5为本发明波段相关的协方差矩阵中获取不易区分岩性图;
图6为本发明遥感图像的波段的频率直方图;
图7为本发明不易区分岩性图像的频域直方图;
图8为本发明岩性增强遥感图像的频率直方图;
图9为黑云母花岗岩与花岗斑岩的区分及其野外验证图;
图10为新生代的处理结果图;
图11为图10区分结果的野外查证结果图;
图12为徐兴旺(2008)根据岩性处理结果进行的地质解译图;
图13为根据图12解译的地质图;
图14为本发明实施例基于遥感图像相似岩性区分系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于遥感图像的相似岩性区分方法及系统,能够准确有效的区分相似岩性的岩体或者地层。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于遥感图像相似岩性区分方法的流程示意图,如图1所示,本发明提供的基于遥感图像的相似岩性区分方法具体包括以下几个步骤:
步骤101:获取遥感图像;所述遥感图像为岩石遥感图像或者为地层遥感图像;所述遥感图像包含目标地物和背景地物。
步骤102:将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像。
步骤103:采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图。
步骤104:采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像。
步骤105:将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异。
步骤106:根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
其中步骤102具体包括:
步骤1021:对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图近似为正态分布。
步骤1022:获取所述切割后的遥感图像中的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值。
步骤1023:依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值;若是,则所述切割后的遥感图像的波段所对应的地物确定为目标地物;若否,则所述切割后的遥感图像的波段所对应的地物确定为背景地物。
通常获得的遥感图像能够反映一定范围内的地物。如果需要增强遥感图像中的某种地物,例如地质上岩性的特征,则需要设立一定的边界条件。假设某种岩性与其相似的岩性遥感图像上占总遥感图像的a%,且这块遥感图像大致的范围为(M,N),窗口滑动补偿(m,n)。即设置的窗口为(M,N),步长为(m,n)的滑动窗口,利用频域直方图,综合考虑滑动窗口内的遥感图像中的每个波段,判断滑动窗口内的遥感图像中的每个波段的频率直方图是否近似为正态分布(正态分布大致反映地物种类随机分布性),若是,则将滑动窗口内的遥感图像分割;若否,则重新设置滑动窗口和步长,继续滑动判断。
因此,步骤1021具体包括:
设置一个窗口为(M,N),步长为(m,n)的滑动窗口。
采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图。
判断所述滑动窗口内的所述遥感图像中的每个波段的频率直方图是否近似为正态分布,其中,所述遥感图像中的波段的频率直方图如图2所示。
若是,则对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像,并计算所述切割后的遥感图像中的每个波段的特征值。
若否,则移动一定的步长(m,n),继续滑动所述滑动窗口,返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
其中,滑动窗口内遥感图像中的某一个波段像元xj,k(j=1,m;k=1,n)区间为[x0,xn],统计这个滑动窗口内的遥感图像中某一个波段像元xj,k的频率直方图,公式如下:
步骤1022具体包括在上面分割的滑动窗口(M,N)内,所述切割后的遥感图像中的每个波段的特征值;所述特征值主要包括均值、方差、偏度和峰度等参数。
峰度:
因为需要突出某类岩性,需要根据不同的地质目的进行不同的专家规则的设立。如果是区分冰雪的种类,需要设立冰雪类型地区。岩性增强规则设立首先需要把易于区分的地物从图像中区分或者处理出来,单独进行增强,主要为云、水体、阴影区、白泥地、冰雪、植被、湿地、干河道、冲积扇等常见的区分与地层岩性比较明显的地物,可以利用以下方法分离出来。
1)高端或低端切割法
主要是利用干扰地物在遥感图像上某个波段有特征的高反射或强吸收,即某波段干扰地物有高值或低值,比如水体在TM/ETM的第7波段有低值,采用低端切割方法处理,而云在TM/ETM的第1波段有高值,采用高端切割方法处理,白泥地在TM/ETM的第3波段有高值,采用高端切割方法处理等。公式为:其中,i=0,…,n,n指所使用的遥感图像的波段总数,xi和yi指分别指i波段去除干扰信息前和后的的波段值,b∈[1,…,n],Cb是常数,xb是原始b波段对应的值。上述公式的目的就是:给定一个约束的条件,使得这个条件大于或小于某一个数值的图像保留下来,其他的全部被赋值为零。
2)比值法
常用比值法分离阴影、水体、冰雪、白泥地等多种地物。首先判断地物的各个波段的波谱特征,比如TM/ETM图像的阴影区第1波段明显大于第7波段,因此采用第7波段比第1波段的方法,设定一个阈值进行去除,植被采用第5波段比第4波段或者第3波段比第4波段的方法等。公式为:其中,i=0,…,n,n指所使用的遥感图像的波段总数,xi和yi指分别指i波段的波段值,a∈[1,…,n],Ca是常数,xa,xb是原始a、b波段对应的值。上述公式的目的就是:给定一个约束的条件,使得这个条件大于或小于某一个数值的图像保留下来,其他的全部被赋值为零。
3)Q值法
主要分离雪边或湖边湿地、干河道、冲积区、薄云等地物。定义Q值如下:Q=(xa×ka-xb×kb)/xc×kc;其中,xa,xb,xc为参与主成分分析的波段,ka,kb,kc为参与主成分变化的xa,xb,xc对应本征向量的值。
4)光谱角法
对于薄云等来说,采用其他手段分离难度较大,因此采用光谱角法。光谱角法把每一个多维空间点以其空间向量来表征,对比空间向量角的相似性。光谱角法是一种监督分类,要求对每一类别有一个已知参考谱,此参考谱可以是地面测得存入参考谱库的,也可以从具已知条件的图面单元做感兴趣区统计,存入参考谱库。公式为:式中(α,β)为n维向量α,β的内积,按内积定义(α,β)=α1β1+α2β2+…+αnβn;当α,β为列向量时(α,β)=α’β=β’α; |α|、|β|为向量α、β的长度, 求出α,β的内积和长度,便可求出cos,查表可得其夹角。去除易于区分地物的所获得的图像,设立统计特征规则。使得偏度g∈(-ε1,ε2);峰度f∈(-ε1,ε2);其中,ε1为给定一个很小的正数,ε2为给定一个很小的正数。其中,云(云彩)、冰(雪)、白泥地、植被的光谱线特征图如图3所示。
根据统计特征规则:判断所述切割后的遥感图像中的每个波段是不是分离了明显的区分于岩性的地物,同时判断偏度和峰度是不是满足规则。具体如步骤1022-1023。
另外,为了提高精度,当不满足以上条件时,进行迭代使得每个分割后的遥感图像都满足规则。如果遥感图像仍不能满足给定的规则,则需要对切割后的遥感图像进行分区,使得分区后每个区内遥感图像的每个波段的频率直方图呈正态分布。一般采用按照某类标准进行分类,比如地形复杂地区与地形简单地区分成不同的类,植被发育地区与植被不发育地区分出不同的类等。采用二值位图方式进行区分,其分区结果如图4所示,公式如下其中,为第j波段分区的第i区结果波段,Wi为第i类分类二值位图(在这个类里为1,不在这个位里为0),xj为第j波段的原始数据值,j=1,2,…,n,n为波段总数,i=2,3,…,表示分类结果。
步骤103具体包括:
步骤1031:采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量。
步骤1032:统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量。
步骤1033:确定所述最大的信息量所对应的目标地物频率直方图。
主成分分析法:基础数据通过主成分分析(也叫主分量分析或主分量变换)计算各个主分量。主分量分析或主分量变换的原理为:第一步是移动坐标原点,使平均值为零。在这一步骤后,可将坐标旋转,使一个坐标轴与数据具有最大分布的方向相符合,这个旋转后的新轴即第一主分量,它占有总变异的第一大分额。垂直于它的另一个坐标轴则代表其余变异的方向,这就是第二主分量。在两维以上的多维空间里,这样的处理将继续进行,以确定一组直角坐标轴,这些轴逐渐将全部变异分配(消耗)掉,它并不能全部包含在一个次一级主分量中,而是有多少个原始参数就会有几个主分量。各主分量变异值的总和与变换前的变异值总和相等,这就是信息量守恒。
实际上,就是求出p2个常数Lik(i,k=1,…,p)按矩阵表示:
式中:L为本征向量,各Lik是此本征向量的分量;λ为C矩阵的本征值。λ和L有以下特点:
对应于不同λ的L(即各主分量)线性不相关,且正交。
从线性代数中知道协方差矩阵C的本征多项式为det(λI-C),此本征多项式的根λ都是协方差矩阵C的本征值。
求本征值λ:|λI|-C=0;
求本征向量L:(λI-C)L=0;
在N波段数据坐标轴转置的时候,协方差矩阵也将被变换,变换之后各波段之间的协方差变为零。
各点与其重心距离的平方和即为本征值之和,这个和可表示为S。在一定意义上,可以说第一个分量“构成”的变异与总变异的比例是λ1/S,前两个分量“构成”的变异与总变异之比是(λ1+λ2)/S,如此等等。有时为了方便譬如可以说“前4个分量构成变异的p%”。某主分量的本征值就是若消去该主分量后,对相应的本征向量所引入的均方误差值。
另外,为了提供测量精度,还从波段相关的协方差矩阵中获取不易区分岩性的图像,如图5所示。协方差矩阵为
图6为本发明遥感图像的波段的频率直方图,图中灰色部分为不易区分岩性的部分,对应图5灰色部分。这个协方差矩阵中,根据特征查看不易区分的岩性部分(如图6所示),相关性很大的那部分,这一部分也是很难用波段处理办法区分出来,把其对应的主成分分析频域直方图中的部分圈定出来,最终得到如图7所示的不易区分岩性图像的频域直方图。
光度抑制法(频域压缩空域拉伸)的岩性增强处理装置,是本发明的核心处理技术,针对岩性增强的目的,主要设计一种细微甄别的增强处理技术,这种技术首先需要确立经过上述步骤处理后的滑动窗口内的研究对象,即需要增强的不易区分的岩性,并单独统计这部分岩性的直方图的值。根据直方图设计增强处理器,抑制占信息量最大部分的光度,增强微弱(与不易区分岩性相关)岩性的信息量,来进行增强处理,从而突出显示不易区分的岩性,使其易于区分,从而为地质解译服务。这种技术也为其他地物的详细区分给出参考。具体为:通过上述内容获得的第一主分量采用光度抑制法的岩性增强处理装置来处理,这种技术在于突出微弱岩性的部分,抑制灰度占总信息量最大的一部分,把微弱的能够区分岩性的部分信息放大,从而实现岩性增强的目的。
根据图7所示的频域直方图,灰度值域分布在范围内。对[0,∈]区间内的任一个值进行如下变换:式中,L是灰度级数;pr(rk)是取第k级灰度值的概率;nk是在图像中出现第k级灰度的次数;N是图像中像素数。
其反变换为rk=T-1(sk)(也就是直方图反变换);
利用灰度变换函数(也就是根据直方图变换确立的灰度变换函数),计算变换后的灰度值,并四舍五入:j=INT[(L-1)pj+0.5];
通过累计直方图和反变换直方图,确定灰度变换关系i→j,据此将原图像的灰度值f(m,n)=i修正为g(m,n)=j;
经过岩性增强处理后的岩性增强遥感图像,通过统计特征滤波器的滤波(也就是利用统计特征进行滤波,旨在增强图像的差别),分割细微差别的不同图像,从而获得岩性区分后的遥感图像。处理步骤如下:
根据岩性增强遥感图像的频域直方图,如果给定的ε,∈值:dk=k2-k1<ε;
dhf(k2)-hf(k1)<∈。
k为给定的一个参数,P(Ci)为所述第i区域内的像素总数,根据区间差异合并或者分离区域Ci,Cj。
因此步骤105具体包括:
将所述岩性增强遥感图像划分为n区域。
根据以下公式计算所述区域与所述区域相邻的区域的区间差异:其中,θ(Ci,Cj)表示所述第i区域与第j区域的区间差异;所述第i区域与所述第j区域为相邻区域;表示所述第i区域的最小灰度值;表示所述第j区域的最小灰度值。
步骤106具体包括:
根据所述最大差异和所述区间差异,计算相似岩性区域划分阈值;所述相似岩性区域划分阈值为min[I(Ci)+ξ(Ci),I(Cj)+ξ(Cj)];其中,k为给定的一个参数,P(Ci)为所述第i区域内的像素总数。
判断所述区间差异是否大于所述相似岩性区域划分阈值。
若是,则将所述区域与所述区域相邻的区域分离。
若否,则将所述区域与所述区域相邻的区域合并。
上述步骤是图像被分割成不同窗口的数据[M,N],对于每一个窗口都有自己对应的岩性处理结果,最终组装不同窗口的数据。主要的镶嵌方法是利用经纬度,把小窗口组装起来。
采用最佳指数法进行波段的选择
输出一幅适合人眼观察的叠加图像。通过软件输出成为JPG或者TIF格式的最终图像。
图9为黑云母花岗岩与花岗斑岩的区分及其野外验证图。图9中两种岩性相近的岩石非常明显的区分开来。左图为区分的结果,中图为野外看到的花岗斑岩,右图为野外看到的黑云母花岗岩。
图10为新生代的处理结果图,从结果来看,冲积扇,戈壁,沙漠和白泥地都非常容易的区分开来。
图11为图10区分结果的野外查证结果图,与图10一一对应,例如图10中冲积扇处理结果。
图12为徐兴旺(2008)根据岩性处理结果进行的地质解译图;图13为根据图12解译的地质图。
本发明提出利用光度抑制法进行遥感图像的岩性增强处理,处理后的岩性增强图,对于细微差别的岩性都能够进行识别,可以利用遥感地质解译的方法进行遥感岩性的划分。该类方法采用主成分分析的方法,对空间数据进行变换后的第一分量为灰度平均值,通过抑制光度提供相近地物光谱的区分,从而增强有用的岩性信息。
本发明最主要解决的技术问题就是遥感图像上相似岩性不容易区分的问题,比如斑岩体和花岗岩体区分不是太明显,常规的遥感影像很难解译,通过我们的岩性增强处理获得的图像具有非常好的区分,适合于遥感图像的岩性解译工作,能够应用在地质勘查、找矿、找水等领域,扩展应用到农业,林业区分不同的地物等领域。
为实现上述目的,本发明还提供了一种基于遥感图像的相似岩性区分系统。
图14为本发明实施例基于遥感图像相似岩性区分系统的结构示意图,如图14所示,本发明提供的相似岩性区分系统包括:
遥感图像获取模块100,用于获取遥感图像;所述遥感图像为岩石遥感图像或者为地层遥感图像;所述遥感图像包含目标地物和背景地物。
目标地物遥感图像得到模块200,用于将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像。
目标地物频率直方图确定模块300,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图。
岩性增强遥感图像得到模块400,用于采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像。
计算模块500,用于将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异。
区分模块600,用于根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
所述目标地物遥感图像得到模块200,具体包括:
切割后的遥感图像得到单元,用于对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图近似为正态分布。
特征值获取单元,用于获取所述切割后的遥感图像的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值。
判断单元,用于依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值。
目标地物确定单元,用于当所述切割后的遥感图像中的每个波段的偏度值和峰度值均满足预设阈值时,确定所述切割后的遥感图像中的波段所对应的地物为目标地物。
背景地物确定单元,用于当所述切割后的遥感图中像的波段的偏度值不满足预设阈值或者所述峰度值不满足预设阈值时,确定所述切割后的遥感图像的波段所对应的地物确定为背景地物。
其中,所述切割后的遥感图像得到单元,具体包括:
频率直方图计算子单元,用于采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图。
判断子单元,用于判断所述滑动窗口内的所述遥感图像的每个波段的频率直方图是否近似为正态分布。
切割后的遥感图像得到单元,用于当所述滑动窗口内的所述遥感图像的每个波段的频率直方图近似为正态分布时,对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像。
窗口滑动单元,用于当所述滑动窗口内的所述遥感图像的波段的频率直方图不近似为正态分布时,继续滑动所述滑动窗口,并返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
所述目标地物频率直方图确定模块300,具体包括:
主分量确定单元,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量;
最大信息量确定单元,用于统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量。
目标地物频率直方图确定单元,用于确定所述最大的信息量所对应的目标地物频率直方图。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于遥感图像的相似岩性区分方法,其特征在于,所述相似岩性区分方法包括:
获取遥感图像;所述遥感图像为岩石遥感图像或者地层遥感图像;所述遥感图像包含目标地物和背景地物;
将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像;
采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图;
采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;所述光度抑制法是以滑动窗口内的目标地物为研究对象,单独统计目标地物岩性的直方图的值,并根据直方图设计增强处理器,抑制占信息量最大部分的光度,增强微弱岩性的信息量,以实现增强处理,从而突出显示不易区分岩性的方法;
将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异;
根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
2.根据权利要求1所述的相似岩性区分方法,其特征在于,所述将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像,具体包括:
对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图为正态分布;
获取所述切割后的遥感图像中的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值;
依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值;
若是,则将所述切割后的遥感图像的波段所对应的地物确定为目标地物,得到目标地物遥感图像;
若否,则将所述切割后的遥感图像的波段所对应的地物确定为背景地物。
3.根据权利要求2所述的相似岩性区分方法,其特征在于,所述对所述遥感图像进行切割处理,得到切割后的遥感图像,具体包括:
采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图;
判断所述滑动窗口内的所述遥感图像的每个波段的频率直方图是否为正态分布;
若是,则对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像;
若否,则继续滑动所述滑动窗口,并返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
4.根据权利要求1所述的相似岩性区分方法,其特征在于,所述采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图,具体包括:
采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量;
统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量;
确定所述最大的信息量所对应的目标地物频率直方图。
5.根据权利要求1所述的相似岩性区分方法,其特征在于,所述将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异,具体包括:
将所述岩性增强遥感图像划分为n个区域;
7.一种基于遥感图像的相似岩性区分系统,其特征在于,所述相似岩性区分系统包括:
遥感图像获取模块,用于获取遥感图像;所述遥感图像为岩石遥感图像或者地层遥感图像;所述遥感图像包含目标地物和背景地物;
目标地物遥感图像得到模块,用于将所述遥感图像中的所述目标地物和所述背景地物区分,得到目标地物遥感图像;
目标地物频率直方图确定模块,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定目标地物频率直方图;
岩性增强遥感图像得到模块,用于采用光度抑制法,对所述目标地物频率直方图进行岩性增强处理,得到岩性增强遥感图像;所述光度抑制法是以滑动窗口内的目标地物为研究对象,单独统计目标地物岩性的直方图的值,并根据直方图设计增强处理器,抑制占信息量最大部分的光度,增强微弱岩性的信息量,以实现增强处理,从而突出显示不易区分岩性的方法;
计算模块,用于将所述岩性增强遥感图像划分多个区域,计算每个所述区域的最大差异以及每个所述区域与所述区域相邻的区域的区间差异;
区分模块,用于根据所述最大差异和所述区间差异,对所述遥感图像中的相似岩性进行区分。
8.根据权利要求7所述的相似岩性区分系统,其特征在于,所述目标地物遥感图像得到模块,具体包括:
切割后的遥感图像得到单元,用于对所述遥感图像进行切割处理,得到切割后的遥感图像;所述切割后的遥感图像中的每个波段的频率直方图为正态分布;
特征值获取单元,用于获取所述切割后的遥感图像的每个波段的特征值;所述特征值包括均值、方差值、偏度值以及峰度值;
判断单元,用于依次判断所述切割后的遥感图像中的每个波段的偏度值和峰度值是否均满足预设阈值;
目标地物确定单元,用于当所述切割后的遥感图像中的每个波段的偏度值和峰度值均满足预设阈值时,确定所述切割后的遥感图像中的波段所对应的地物为目标地物,得到目标地物遥感图像;
背景地物确定单元,用于当所述切割后的遥感图中像的波段的偏度值不满足预设阈值或者所述峰度值不满足预设阈值时,确定所述切割后的遥感图像的波段所对应的地物确定为背景地物。
9.根据权利要求8所述的相似岩性区分系统,其特征在于,所述切割后的遥感图像得到单元,具体包括:
频率直方图计算子单元,用于采用滑动窗口直方图统计法,计算滑动窗口内的所述遥感图像的每个波段的频率直方图;
判断子单元,用于判断所述滑动窗口内的所述遥感图像的每个波段的频率直方图是否为正态分布;
切割后的遥感图像得到单元,用于当所述滑动窗口内的所述遥感图像的每个波段的频率直方图为正态分布时,对所述滑动窗口内的所述遥感图像进行切割,得到切割后的遥感图像;
窗口滑动单元,用于当所述滑动窗口内的所述遥感图像的波段的频率直方图不为正态分布时,继续滑动所述滑动窗口,并返回采用滑动窗口直方图统计法计算滑动窗口内的所述遥感图像的每个波段的频率直方图的步骤。
10.根据权利要求7所述的相似岩性区分系统,其特征在于,所述目标地物频率直方图确定模块,具体包括:
主分量确定单元,用于采用主成分分析法,对所述目标地物遥感图像进行分析,确定所述目标地物遥感图像中各个波段数据影射的各个主分量;
最大信息量确定单元,用于统计各个所述主分量的信息量,确定各个所述主分量中的最大信息量;
目标地物频率直方图确定单元,用于确定所述最大的信息量所对应的目标地物频率直方图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114380.XA CN108304881B (zh) | 2018-02-06 | 2018-02-06 | 一种基于遥感图像的相似岩性区分方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114380.XA CN108304881B (zh) | 2018-02-06 | 2018-02-06 | 一种基于遥感图像的相似岩性区分方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108304881A CN108304881A (zh) | 2018-07-20 |
CN108304881B true CN108304881B (zh) | 2020-04-03 |
Family
ID=62864437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810114380.XA Active CN108304881B (zh) | 2018-02-06 | 2018-02-06 | 一种基于遥感图像的相似岩性区分方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108304881B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558881B (zh) * | 2018-11-22 | 2023-05-23 | 重庆广睿达科技有限公司 | 一种基于计算机视觉的危岩崩塌监控方法 |
CN111967499B (zh) * | 2020-07-21 | 2023-04-07 | 电子科技大学 | 基于自步学习的数据降维方法 |
CN116596381A (zh) * | 2023-05-18 | 2023-08-15 | 中国自然资源航空物探遥感中心 | 一种基于遥感影像的地下开采矿山环境评价系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 中国地质科学院矿产资源研究所 | 蚀变遥感异常提取方法和系统 |
JP2014002738A (ja) * | 2012-06-14 | 2014-01-09 | Hitachi Ltd | 遠隔測定画像の混合画素物質構成精細化分解装置及び方法 |
-
2018
- 2018-02-06 CN CN201810114380.XA patent/CN108304881B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 中国地质科学院矿产资源研究所 | 蚀变遥感异常提取方法和系统 |
JP2014002738A (ja) * | 2012-06-14 | 2014-01-09 | Hitachi Ltd | 遠隔測定画像の混合画素物質構成精細化分解装置及び方法 |
Non-Patent Citations (3)
Title |
---|
Association Rule Mining of Lithology Analysis in Three Gorges;Wang X , Niu R;《International Workshop on Education Technology & Computer Science.IEEE》;20091231;第992-996页 * |
利用ETM+遥感技术进行尾亚杂岩体的岩性识别;杨建民,张玉军,姚佛军;《岩石学报》;20080515;第23卷(第10期);第2397-2402页 * |
岩性识别技术现状与进展;付光明,严加永,张昆,胡浩,罗凡;《固体地球物理及空间物理学》;20170417;第32卷(第1期);第26-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108304881A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A review of remote sensing image classification techniques: The role of spatio-contextual information | |
Rodriguez-Galiano et al. | Random Forest classification of Mediterranean land cover using multi-seasonal imagery and multi-seasonal texture | |
De Carvalho et al. | Spectral correlation mapper (SCM): an improvement on the spectral angle mapper (SAM) | |
Packalé n et al. | Predicting the plot volume by tree species using airborne laser scanning and aerial photographs | |
CN110349160B (zh) | 一种基于超像素与模糊c均值聚类sar图像分割方法 | |
Grebby et al. | Integrating airborne multispectral imagery and airborne LiDAR data for enhanced lithological mapping in vegetated terrain | |
CN108304881B (zh) | 一种基于遥感图像的相似岩性区分方法及系统 | |
CN109961087B (zh) | 基于空间数据集分析的异常遥感信息提取方法及装置 | |
Couteron et al. | Textural ordination based on Fourier spectral decomposition: a method to analyze and compare landscape patterns | |
CN106124050B (zh) | 一种基于子空间的高光谱亚像元目标盲提取检测方法 | |
CN108280433B (zh) | 一种植被覆盖区下金矿的识别方法及系统 | |
CN109145881B (zh) | 一种遥感图像膏盐信息提取方法及装置 | |
Myint et al. | An evaluation of four different wavelet decomposition procedures for spatial feature discrimination in urban areas | |
CN107239768B (zh) | 一种基于张量主成分分析降维的高光谱图像目标检测方法 | |
Eismann et al. | Stochastic mixture modeling | |
Rani et al. | Performance of image classification on hyperspectral imagery for lithological mapping | |
CN112784777A (zh) | 基于对抗学习的无监督高光谱图像变化检测方法 | |
CN112989940A (zh) | 基于高分三号卫星sar影像的筏式养殖区提取方法 | |
Chiu et al. | Evaluation of incorporating texture into wetland mapping from multispectral images | |
CN111552004B (zh) | 一种遥感数据角度异常信息提取方法及系统 | |
Merugu et al. | A Review of Some Information Extraction Methods, Techniques and their Limitations for Hyperspectral Dataset | |
Wu et al. | Exploration of methods for estimation of number of endmembers in hyperspectral imagery | |
Yu et al. | Visual Saliency via Multiscale Analysis in Frequency Domain and Its Applications to Ship Detection in Optical Satellite Images | |
Silván-Cárdenas et al. | Extraction of buildings footprint from lidar altimetry data with the hermite transform | |
Burns et al. | Textural analysis as a SAR classification tool |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |