CN109165580A - 高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 - Google Patents
高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 Download PDFInfo
- Publication number
- CN109165580A CN109165580A CN201810900049.0A CN201810900049A CN109165580A CN 109165580 A CN109165580 A CN 109165580A CN 201810900049 A CN201810900049 A CN 201810900049A CN 109165580 A CN109165580 A CN 109165580A
- Authority
- CN
- China
- Prior art keywords
- alteration
- image
- vegetation
- covered area
- remote sensing
- 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
- 230000004075 alteration Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000003384 imaging method Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 14
- 238000000513 principal component analysis Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 208000026462 essential tremor 3 Diseases 0.000 claims description 4
- 208000026478 essential tremor 5 Diseases 0.000 claims description 4
- 208000031683 hereditary essential 3 tremor Diseases 0.000 claims description 4
- 208000036719 hereditary essential 5 tremor Diseases 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 22
- 238000000605 extraction Methods 0.000 description 12
- 229910052742 iron Inorganic materials 0.000 description 11
- 238000010521 absorption reaction Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 208000026459 essential tremor 4 Diseases 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000012736 patent blue V Nutrition 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，包括以下步骤：S1.数据源的选择，S2.图像预处理；S3.进行无损线性拉伸对影像增强处理；S4.去除和抑制干扰因素；S5.蚀变异常提取，S6.对第二主分量依次进行无损线性拉伸、中值滤波；S7.密度分隔，对第二主分量进行密度分隔；S8.得到蚀变异常信息；本方法可在高植被覆盖区条件下进行遥感影像蚀变异常信息提取，对于在高植被覆盖区找矿具有重要的意义。
Description
技术领域
本发明涉及遥感找矿技术领域，尤其涉及一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法。
背景技术
遥感蚀变异常提取在地质矿产调查中的应用较为广泛，但主要用于干旱基岩裸露地区，效果较好，而在植被发育区，尤其是在高植被覆盖区则应用较少。因此，探索一种在高植被覆盖区的遥感蚀变异常提取的有效方法是本案的主要目标。
发明内容
本发明的目的在于克服现有技术的不足，适应现实需要，提供一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法。
为了实现本发明的目的，本发明所采用的技术方案为：
设计一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，包括以下步骤：
S1.数据源的选择，选择TM或ETM影像作为数据源；
S2.图像预处理；
S3.进行无损线性拉伸对影像增强处理；
S4.去除和抑制干扰因素；去除和抑制干扰因素采用掩膜的方法，掩膜时：
S41.掩膜高密度植被覆盖区，抑制中低密度植被覆盖区；
S42.掩膜第四系；
S43.掩膜水体和阴影；
S5.蚀变异常提取，对影像进行ETM3/1、ETM5/7运算进行主成分分析，
保留主成分分析后得到的第二主分量；
S6.对第二主分量依次进行无损线性拉伸、中值滤波；
S7.密度分隔，对第二主分量进行密度分隔；
S8.得到蚀变异常信息。
步骤S1：数据源的选择是选择TM或ETM影像作为数据源。
步骤S2：图像预处理是首先将影像由灰度级转换为辐亮度，而后对影像依次进行辐射校正、大气校正、几何校正、裁剪的预处理。
本发明的有益效果在于：
本方法可在高植被覆盖区条件下进行遥感影像蚀变异常信息提取，对于在高植被覆盖区找矿具有重要的意义。
附图说明
图1为本发明的技术流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明：
实施例1：一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，参见图1：它包括以下步骤：
S1.数据源的选择；
高质量的遥感影像是准确提取蚀变异常的基础，原始影像的好坏直接影响提取的蚀变异常正确与否，因此数据源的选择至关重要。在可见光—近红外光谱区(0.325～2.5μm)内，铁化(铁染)蚀变和泥化蚀变有不同的吸收带和反射带。铁化蚀变有两个明显的吸收带和一个反射带，第一个吸收带为0.4～0.5μm，相当于TM1(0.45～0.52μm)，第二个吸收带为0.8～1.0μm，相当于TM4(0.76～0.9μm)。反射带为0.63～0.69μm附近，相当于TM3(0.63～0.69μm)。泥化蚀变有一个强反射和一个强吸收带，反射带为1.55～1.75μm，相当于TM5(1.55～1.75μm)，吸收带为2.08～2.35μm，相当于TM7(2.08～2.35μm)。在主要造岩矿物中各主要化学成分(Si、Al、Mg和O)不产生具有像上述有鉴定意义的反射带和吸收带。在可见光—近红外光谱(0.325～2.5μm)范围内具有铁化和泥化蚀变可鉴别的吸收带和反射带，因此可以将蚀变与未蚀变岩石相区别。铁化、泥化蚀变光谱吸收带与反射带与TM波段光谱对应较好。TM1-5、7波段空间分辨率为30m，影像质量好、数据丰富、获取容易、性价比高(见表1、2)。
本案遥感蚀变异常提取选择TM或ETM影像作为数据源。
而TM影像数据共有8个波段，其中1～3波段为可见光，4波段为近红外，5和7波段为短波红外，6波段为热红外，8波段为全色波段。各波段的波长和主要用途见表1、2。
表1成矿带原始遥感影像数据特征
表2TM波段的主要用途
S2.图像预处理；
由于所获取的遥感影像数据属于1级产品，在进行遥感蚀变异常提取之前应对影像进行辐射校正、大气校正、几何校正、裁剪预处理。
众所周知，太阳光进入大气层后，太阳光会发生反射、折射、吸收、散色和透射。在太阳光到达地表，再经地表反射，光线到达传感器，这一来一回均发生反射、折射、吸收、散色和透射。太阳光在这样的大气传输过程中，大气吸收和散射对传感器接收光谱信息影响最大。大气吸收可减弱地物反射能量，使传感器接收的反射量降低，甚至非常微弱；大气散射则会降低遥感影像的反差比，散射具有选择性，即波长越短，散射越强，波长越长，散射则越弱。在ETM+中1-5、7波段中，波长是逐渐增大的，其中TM1波段受散射影响最为严重，其次为TM2波段和TM3波段，TM7波段影响最小。
由于该影像数据是经过量化级(量化级为0～255)处理的地面灰度影像，反映的地物影像数据特征是地物的亮度变化特征，而非地物电磁波辐射强度的辐亮度变化特征。因此，必须对灰度影像数据进行预处理，将其转换为辐亮度后，并进行辐射校正后才能用来提取蚀变异常信息。
具体如下：
1、灰度级转换为辐亮度
对于TM传感器接收的辐亮度与图像亮度DN值(图像中像素的灰度级，为0-255)之间的关系为：Lλ＝Gain·DN+Bins,式中L为辐亮度，单位W/(m2·sr·μm)；DN为图像亮度值，传感器的特性影响到DN值的正确性和均一性；Gain为增益，单位W/(m2·sr·μm)，增益＝(Lmax－Lmin)/255，Lmax和Lmin分别是最大和最小光谱辐射值，单位与增益相同；Bins为偏置，单位W/((m2·sr·μm)；偏置＝Lmin。表3是增益和偏置的取值。
表3增益和偏置取值
2、辐射校正
完成前述转换后，即可通过下面的公式计算地物反射电磁波在大气上界的反射率值，即辐射校正。
式中ρ为行星反射率，无量纲；d为日地距离参数，无量纲，在USGS给出的日地距离查找表中查得日地距离参数为1.0011；ESUN为太阳光谱辐射量，单位W/m2·sr·μm，USGS给出的太阳光谱辐射量的取值为：TM1＝1957，TM2＝1826，TM3＝1554，TM4＝1036，TM5＝215.0，TM7＝80.67；θ为太阳天顶角，单位为度，该值＝90－太阳高度角，其中太阳高度角可从图像数据的头文件中读取或根据卫星的过境时间计算得到。
3、之后依次进行大气校正、几何校正、裁剪。
S3.影像增强处理
为了增强影像灰度级之间的差异，区分细微差异，需要对图像进行增强处理，在蚀变异常提取过程中的图像预处理和提取的蚀变异常灰度影像都需要进行图像增强处理，通常选用线性拉伸。一次常规的影像拉伸会导致影像最大灰度级和最小灰度级各损失2-3％的数据，总共丢失5-6％的数据，丢失的“两极数据”(最大值和最小值)中极有可能包含了部分蚀变异常信息。多次采用常规的方法对影像进行拉伸，丢失的影像数据不断增加，也就是丢失的数据中丢失蚀变异常信息也在不断增加，因此常规的线性拉伸方法在蚀变异常提取中的应用是不可取的。无损线性拉伸是先对各波段像元灰度值进行统计，再将波段中像元灰度值的最大值与最小值之间的全部数据线性拉伸至0～255。该方法可保证微弱的蚀变异常信息不致在图像拉伸过程中丢失，因此本步骤采用无损线性拉伸对影像增强处理。
S4.去除和抑制干扰因素
在遥感蚀变异常提取之前，应去除干扰因素(或者抑制干扰因素)，去除干扰因素采用掩膜的方法，抑制干扰因素采用波段比值法。掩膜就是将需要去除的干扰因素所在的像元灰度值设为0，不需要去除的像元灰度值不变。具体方法是制作一张二值图像，即将自动提取或目视解译圈定的干扰因素所对应的像元灰度值设置为0值，其它像元灰度为1值，并运用该二值图像与原图像做乘法运算就可以得到去除干扰因素后的图像。区内干扰因素较多，需要去除和抑制的干扰因素主要有植被、第四系、水体和阴影等。
S41.掩膜高密度植被覆盖区，抑制中低密度植被覆盖区。区内植被覆盖面积大，密度分布不均。在上述各种干扰因素中植被对微弱的蚀变信息影响最大，需要对其进行去除或抑制。由于植被覆盖面积过大，只能对高密度植被覆盖区进行掩膜，而中低密度植被覆盖区则采用抑制方法。运用TM4/3波段比值法提取植被信息，将植被指数大于“均值+1.5×标准差”的区域设定为高密度植被覆盖区，将这个区域进行植被掩膜。抑制是将掩膜后的ETM4/3波段与波段比值法提取的蚀变异常进行主成分分析。在植被覆盖区提取蚀变异常，对高密度植被覆盖区采用掩膜法，对中低密度植被覆盖区采用比值+主成份分析法可以最大限度地保留图像中微弱的蚀变异常信息。
S42.掩膜第四系。第四系中存在大量铁化、泥化“假”蚀变异常，许多研究者在遥感蚀变异常提取过程中常常忽视了第四系中的“假”异常对蚀变信息提取的影响。未掩膜第四系就直接提取蚀变异常，提取的铁化和泥化蚀变异常绝大部分处于第四系中。这些分布在第四系中的铁化、泥化蚀变异常属于“假”异常。第四系广泛受到氧化铁的污染，这些铁化异常绝大部分是其它地方搬运至此而聚集的，这种铁化异常对找矿不具有指示作用，属于“假”铁化蚀变异常；第四系为松散沉积物，存在强烈的泥化现象，这些泥化蚀变异常与成矿也不存在任何关系，因此这些异常也属于“假”泥化蚀变异常。大面积的“假”铁化、泥化蚀变异常对基岩中存在的真蚀变异常的提取影响巨大，大面积的“假”蚀变异常会抑制基岩中微弱的矿化蚀变异常的显示，致使“真”的蚀变异常不能正常响应。根据遥感图像解译的地质图，可将第四系的分布区域单独提取出来，并制作二值掩膜图像，把第四系从原图像中去除。
S43.掩膜水体和阴影。根据水体和阴影的波谱特性，对水体可用TM2-TM5>N的方法来提取，对阴影可用TM1+TM2+TM3<N的方法来提取。将提取出来的水体和阴影对原图像进行掩膜。
S5.蚀变异常提取
掩膜所有干扰因素后的影像进行ETM3/1、ETM5/7运算，分别提取铁化、泥化蚀变异常信息。
在进行植被干扰因素去除时，只掩膜高密度植被覆盖区，保留中低密度植被覆盖区。而为了消除中低密度植被覆盖区对蚀变异常提取的影响，将各种干扰因素(包含高密度植被覆盖区)掩膜后的ETM4/3影像和掩膜干扰因素后的ETM3/1、ETM5/7影像进行主成分分析。
主成分分析能够将植被、地形、地貌等信息与岩石蚀变异常信息相分离，因此可以进一步降低植被等干扰因素对蚀变异常信息提取的影响。主成分分析后得到两个主分量图像，第一主分量与植被信息(TM4/3)和蚀变信息(TM3/1或TM5/7)呈正相关，该主分量主要为植被、地形、地貌信息；
第二主分量与植被信息(TM4/TM3)呈负相关，与蚀变信息(TM3/TM1或TM5/TM7)呈正相关，蚀变异常信息绝大部分布于第二主分量，因此选择第二主分量图像做密度分割处理。
S6.密度分割
在密度分割之前，对第二主分量图像进行无损线性拉伸和两次5×5的中值滤波，以去除因噪声引起的孤立的“伪”异常。为了突出显示那些具有一定规模的，且对找矿预测有一定指示意义的蚀变异常，以无植被覆盖的已知蚀变点(区)位置为约束条件，对第二主分量图像采用“均值+N×标准差”的方法来确定蚀变与非蚀变的门限值。
具体方法是不断调整N值的大小，以涵盖已知蚀变点(区)时的值为原则予以确定。此时N值所对应的亮度值为蚀变异常的最小亮度值。第二主分量图像中最小亮度值到最大亮度值之间，即为蚀变异常的亮度分布区间。确定了蚀变异常分布的亮度分布区间后，即可对其进行量化分级。蚀变异常的量化级从强到弱一般分为3级，并用不同的颜色表示。对羟基异常，一级异常用红色表示；二级异常用黄色表示；三级异常用品红色表示。对铁染异常，一级用绿色表示，二级用天蓝色表示，三级用深蓝色表示。
S7.经过上述步骤之后即可得到蚀变异常信息。
本发明的实施例公布的是较佳的实施例，但并不局限于此，本领域的普通技术人员，极易根据上述实施例，领会本发明的精神，并做出不同的引申和变化，但只要不脱离本发明的精神，都在本发明的保护范围内。
Claims (3)
1.一种高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，其特征在于：包括以下步骤：
S1.数据源的选择；
S2.图像预处理；
S3.进行无损线性拉伸对影像增强处理；
S4.去除和抑制干扰因素；去除和抑制干扰因素采用掩膜的方法，掩膜时：
S41.掩膜高密度植被覆盖区，抑制中低密度植被覆盖区；
S42.掩膜第四系；
S43.掩膜水体和阴影；
S5.蚀变异常提取，对影像进行ETM3/1、ETM5/7运算进行主成分分析，
保留主成分分析后得到的第二主分量；
S6.对第二主分量依次进行无损线性拉伸、中值滤波；
S7.密度分隔，对第二主分量进行密度分隔；
S8.得到蚀变异常信息。
2.如权利要求1所述的高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，其特征在于：步骤S1：数据源的选择是选择TM或ETM影像作为数据源。
3.如权利要求1所述的高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法，其特征在于：步骤S2：图像预处理是首先将影像由灰度级转换为辐亮度，而后对影像依次进行辐射校正、大气校正、几何校正、裁剪的预处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810900049.0A CN109165580A (zh) | 2018-08-09 | 2018-08-09 | 高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810900049.0A CN109165580A (zh) | 2018-08-09 | 2018-08-09 | 高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109165580A true CN109165580A (zh) | 2019-01-08 |
Family
ID=64895189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810900049.0A Pending CN109165580A (zh) | 2018-08-09 | 2018-08-09 | 高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109165580A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114397251A (zh) * | 2021-12-31 | 2022-04-26 | 核工业北京地质研究院 | 一种植被覆盖区铀矿化蚀变信息遥感识别方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
| CN108171210A (zh) * | 2018-01-18 | 2018-06-15 | 中国地质科学院矿产资源研究所 | 一种植被覆盖区蚀变遥感异常信息的提取方法及系统 |
-
2018
- 2018-08-09 CN CN201810900049.0A patent/CN109165580A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012528A (zh) * | 2010-11-23 | 2011-04-13 | 北京理工大学 | 一种稀疏植被地区的高光谱遥感油气勘探方法 |
| CN108171210A (zh) * | 2018-01-18 | 2018-06-15 | 中国地质科学院矿产资源研究所 | 一种植被覆盖区蚀变遥感异常信息的提取方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 吴志春等: "江西省相山铀矿田植被覆盖区遥感蚀变异常提取", 《铀矿地质》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114397251A (zh) * | 2021-12-31 | 2022-04-26 | 核工业北京地质研究院 | 一种植被覆盖区铀矿化蚀变信息遥感识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DING et al. | Study on soil salinization information in arid region using remote sensing technique | |
| CN103942769B (zh) | 一种卫星遥感影像融合方法 | |
| CN113705523B (zh) | 一种基于光学和双极化sar融合的分层城市不透水面提取方法 | |
| CN102982538A (zh) | 一种资源卫星多光谱图像模拟真彩色方法 | |
| CN109815894A (zh) | 一种针对哨兵2a影像的建筑物阴影提取处理方法 | |
| CN206132659U (zh) | 用于检测柑橘表皮缺陷的在线图像采集系统 | |
| CN104966298A (zh) | 一种基于微光云图数据的夜间低云大雾监测方法 | |
| CN102063700A (zh) | 卫星遥感图像生成方法及其系统 | |
| CN117292250A (zh) | 基于多源卫星遥感数据融合的水体提取方法、装置及设备 | |
| Bedini et al. | Use of airborne hyperspectral and gamma-ray spectroscopy data for mineral exploration at the Sarfartoq carbonatite complex, southern West Greenland | |
| CN109165580A (zh) | 高密度植被覆盖区条件下的遥感影像蚀变异常信息提取方法 | |
| CN103207415B (zh) | 一种矿化蚀变信息的提取方法 | |
| CN109211798A (zh) | 一种基于遥感影像光谱特征的一年生海冰分布信息提取方法 | |
| Elsharkawy et al. | New combined pixel/object-based technique for efficient urban classsification using WorldView-2 data | |
| Schläpfer et al. | Correction of shadowing in imaging spectroscopy data by quantification of the proportion of diffuse illumination | |
| CN101621607A (zh) | 数码相机消除影像阴影的方法 | |
| KR102047255B1 (ko) | 전천 영상을 이용한 구름량 자동 관측 방법 | |
| Iqbal et al. | Identification and mapping of coral reefs using Landsat 8 OLI in Astola Island, Pakistan coastal ocean | |
| CN109839356A (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
| Wester et al. | Analytically processed Landsat TM images for visual geological interpretation in the northern Scandinavian Caledonides | |
| CN109902557A (zh) | 蚀变特征矿物的蚀变异常信息的提取方法 | |
| CN107895169A (zh) | 一种基于envisat asar双极化数据提取湿地信息的方法 | |
| Du et al. | Performances of conventional fusion methods evaluated for inland water body observation using GF-1 image | |
| Azzarini et al. | Surface hydrothermal alteration mapping at Vulcano Island using MIVIS data | |
| Chen | Computer Simulation of Global Ocean Surface Infrared Image |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190108 |