CN110287976A - 一种自动识别遥感蚀变异常的装置和方法 - Google Patents
一种自动识别遥感蚀变异常的装置和方法 Download PDFInfo
- Publication number
- CN110287976A CN110287976A CN201810222521.XA CN201810222521A CN110287976A CN 110287976 A CN110287976 A CN 110287976A CN 201810222521 A CN201810222521 A CN 201810222521A CN 110287976 A CN110287976 A CN 110287976A
- Authority
- CN
- China
- Prior art keywords
- alteration
- anomaly
- layer
- remote sensing
- bound
- 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 93
- 238000000034 method Methods 0.000 title claims description 20
- 238000001914 filtration Methods 0.000 claims description 8
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 6
- 239000011707 mineral Substances 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008021 deposition Effects 0.000 abstract description 2
- 230000001973 epigenetic effect Effects 0.000 abstract description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 29
- 229910052742 iron Inorganic materials 0.000 description 14
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 7
- 238000010186 staining Methods 0.000 description 7
- 241000132092 Aster Species 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000011435 rock Substances 0.000 description 4
- 241001062009 Indigofera Species 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910018512 Al—OH Inorganic materials 0.000 description 1
- 229910021532 Calcite Inorganic materials 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- YGANSGVIUGARFR-UHFFFAOYSA-N dipotassium dioxosilane oxo(oxoalumanyloxy)alumane oxygen(2-) Chemical compound [O--].[K+].[K+].O=[Si]=O.O=[Al]O[Al]=O YGANSGVIUGARFR-UHFFFAOYSA-N 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 229910052622 kaolinite Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 229910052627 muscovite Inorganic materials 0.000 description 1
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 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 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种自动识别遥感蚀变异常的装置，包括：滤波器，用于接收遥感蚀变图层或调整参数后的蚀变异常，生成蚀变背景图层；差值计算单元，用于计算蚀变背景图层和原始蚀变图层的差值，生成蚀变异常；匹配判断单元，用于判断蚀变异常与现有矿点的匹配程度，如果匹配程度为好，输出遥感蚀变异常。本发明简洁、高效、稳健，结果图像可以直接输入现有的图像处理软件和GIS软件中做进一步的处理和分析。同时本发明可以去除背景干扰信息、得到与成矿有关的蚀变异常信息。本发明在提取沉积‑成岩型层控矿床、后成层控矿床、喷流‑沉积型层控矿床、火山沉积(或沉积)－热液叠加改造型层控矿床、变质型层控矿床等层控型矿床具有较好的效果。
Description
技术领域
本发明属于遥感探测技术领域，尤其涉及探测蚀变岩石技术领域。
背景技术
近矿围岩蚀变主要是不同类型的热液与周围岩石相互作用的产物，是成矿物质逐步富集成矿过程中留下的印迹，是矿化的一个主要特征和找矿的一个直接标志。遥感探测的是地表物质的光谱信息，因此只要有一定面积的蚀变岩石出露，即便是矿体隐伏，遥感卫星都可以探测出来，因此遥感蚀变信息是指导矿床预测的一项重要依据。然而，现有的蚀变信息提取方法的提取结果，往往含有大量的干扰信息(大范围分布的面状蚀变信息)。如何去除背景干扰信息、得到与成矿有关的蚀变异常信息，成为利用遥感蚀变信息指导成矿预测的关键。
发明内容
本发明提供了一种自动识别遥感蚀变异常的装置，包括：
滤波器，用于接收遥感蚀变图层或调整参数后的蚀变异常，生成蚀变背景图层；
差值计算单元，用于计算蚀变背景图层和原始蚀变图层的差值，生成蚀变异常；
匹配判断单元，用于判断蚀变异常与现有矿点的匹配程度，如果匹配程度为好，输出遥感蚀变异常。
进一步地，在匹配判断单元后还有调整参数单元，用于对匹配程度为差的蚀变异常进行调整参数，并将数据输出至滤波器。
本发明还提供了一种自动识别遥感蚀变异常的方法，包括：
对遥感蚀变图层进行低通滤波得到蚀变背景图层；
计算蚀变背景图层与原始蚀变图层的差值得到蚀变异常；
判断蚀变异常与现有矿点的匹配程度，如果匹配程度为好，输出遥感蚀变异常。
进一步地，配程度为差，调整滤波器的参数并进行低通滤波。
本发明方法简洁、高效、稳健，结果图像可以直接输入现有的图像处理软件和GIS软件中做进一步的处理和分析。同时本发明方法可以去除背景干扰信息、得到与成矿有关的蚀变异常信息。本方法在提取沉积-成岩型层控矿床、后成层控矿床、喷流-沉积型层控矿床、火山沉积(或沉积)－热液叠加改造型层控矿床、变质型层控矿床等层控型矿床具有较好的效果。
附图说明
图1FAAE方法流程图。
具体实施方式
基于矿化蚀变地质体(例如，矿化蚀变晕)的尺度来设计一个2-D低通滤波器，然后对遥感蚀变信息图层进行低通滤波得到区域地质体的蚀变信息(或称作区域蚀变背景信息)，之后计算原始蚀变异常信息与其背景信息的差异作为反映局部矿化的遥感蚀变异常信息。该方法主要包含如下步骤：
A.估算矿化蚀变地质体的宽度w，设计一个高斯滤波器h，滤波器的参数设为w,滤波器的长和宽则为(4-6)*w；B.利用高斯滤波器h对遥感蚀变图层进行低通滤波，得到蚀变背景。
计算原始蚀变图层与背景图层的差值，并将后者做为蚀变异常。
C.考察蚀变异常是否与研究区现有的矿(化)点等矿化知识相匹配，评估两者在空间上的匹配程度；
D.如果两者的匹配程度较差，调整高斯滤波器的参数并重复第2、3步，直到得到的蚀变异常与现有的矿化知识在空间上能够较好地匹配为止；
E.将蚀变异常作为蚀变遥感异常输出。
一、遥感数据预处理
遥感数据预处理具体流程为，辐射定标→大气矫正→影像边框和串扰效应去除→几何纠正→正射校正→去除云雪水体等干扰因素。
二、蚀变信息提取
遥感蚀变信息提取方法主要有比值法和主成分分析法
1、比值法：
(1)、ASTER数据：
采用了如下波段比值法从ASTER数据中提取典型的蚀变信息：
铝羟基指数＝(B4+B6)/(2*B5)；
镁羟基指数＝(B6+B9)/(B7+B8)；
Fe3+铁染指数＝B2/B1；
Fe2+铁染指数＝((B5/B3)+(B1/B2))/2；
铁帽指数＝B4/B2。
(2)、Landsat 8 OLI数据
采用如下方法提取铁染和羟基(OH-)蚀变信息，公式如下：
Fe3+铁染指数＝红波段/蓝波段＝B4/B2；
Fe2+铁染指数＝(B3/B4+B7/B5)/2；
羟基指数＝2.18m波段/1.58m波段＝B7/B6。
(3)、哨兵2号数据
采用下面的公式从中提取铁染(Fe3+)和羟基(OH-)蚀变信息：
铁染指数＝红波段/蓝波段＝B6/B1；
Fe2+铁染指数＝(B3/B4+B11/B8)/2。
(4)、高分1号数据
采用下面的公式从中提取铁染(Fe3+)蚀变信息：
铁染指数＝红波段/蓝波段＝B3/B1。
2、主成分分析法
Landsat 8-OLI数据中OLI2、4波段含Fe3+和Fe2+离子的矿物信息，Landsat 8-OLI数据主成分分析提取蚀变时选用OLI2、4、5、6组合来提取铁染蚀变，选取OLI2、5、6、7波段组合来提取羟基蚀变。
选取ASTER数据的1、2、3、4波段组合可以识别黄钾铁矾、黝帘石等蚀变矿物，ASTER的1、3、4、5波段组合能够识别白云母、高岭石、伊利石等含Al-OH基团等矿物，ASTER的1、3、4、7波段组合能够识别绿泥石、蛇纹石、方解石等含Mg-OH基团矿物。
三、遥感蚀变异常的提取方法
根据铁染强度等级划分标准，将不同强度的蚀变赋予不同的颜色，从而提取并分级铁染遥感蚀变异常。
铁染蚀变强度等级划分标准及遥感异常分级表
根据羟基强度等级划分标准进行等级划分，将不同强度的蚀变赋予不同的颜色，从而提取并分级羟基遥感蚀变异常。
羟基蚀变强度等级划分标准及遥感异常分级表
四、低通滤波器的设计
A.估算矿化蚀变地质体的宽度w，设计一个高斯滤波器h，滤波器的参数设为w,滤波器的长和宽则为(4-6)*w。B.利用高斯滤波器h对遥感蚀变图层进行低通滤波，得到蚀变背景。计算原始蚀变图层与背景图层的差值，并将后者做为蚀变异常。C.考察蚀变异常是否与研究区现有的矿(化)点等矿化知识相匹配，评估两者在空间上的匹配程度。D.如果两者的匹配程度较差，调整高斯滤波器的参数并重复第B、C步，直到得到的蚀变异常与现有的矿化知识在空间上能够较好地匹配为止。E.将蚀变异常作为蚀变遥感异常输出。
五、遥感成矿远景区圈定
结合研究区现有地质、地化、地物等现有资料，对遥感异常进行筛选进而对圈定遥感成矿远景区。
Claims (4)
1.一种自动识别遥感蚀变异常的装置，其特征在于，包括：
滤波器，用于接收遥感蚀变图层或调整参数后的蚀变异常，低通滤波后生成蚀变背景图层；
差值计算单元，用于计算蚀变背景图层和原始蚀变图层的差值，生成蚀变异常；
匹配判断单元，用于判断蚀变异常与现有矿点的匹配程度，如果匹配程度为好，输出遥感蚀变异常。
2.根据权利要求1所述的装置，其特征在于，还包括：
调整参数单元，用于对匹配程度为差的蚀变异常进行调整参数，并将数据输出值滤波器。
3.一种自动识别遥感蚀变异常的方法，其特征在于，包括：
对遥感蚀变图层进行低通滤波得到蚀变背景图层；
计算蚀变背景图层与原始蚀变图层的差值得到蚀变异常；
判断蚀变异常与现有矿点的匹配程度，如果匹配程度为好，输出遥感蚀变异常。
4.根据权利要求3所述的方法，其特征在于，所述的匹配程度为差，调整滤波器的参数并进行低通滤波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810222521.XA CN110287976A (zh) | 2018-03-19 | 2018-03-19 | 一种自动识别遥感蚀变异常的装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810222521.XA CN110287976A (zh) | 2018-03-19 | 2018-03-19 | 一种自动识别遥感蚀变异常的装置和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110287976A true CN110287976A (zh) | 2019-09-27 |
Family
ID=68000759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810222521.XA Pending CN110287976A (zh) | 2018-03-19 | 2018-03-19 | 一种自动识别遥感蚀变异常的装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110287976A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113189020A (zh) * | 2021-05-11 | 2021-07-30 | 中国科学院空天信息创新研究院 | 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法 |
Citations (5)
| 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 |
| CN102567987A (zh) * | 2011-11-28 | 2012-07-11 | 贵州大学 | 图像合成篡改中人工模糊操作痕迹的检测方法 |
| CN106226157A (zh) * | 2016-08-31 | 2016-12-14 | 孙金更 | 混凝土构件裂缝自动检测装置及方法 |
| CN107085845A (zh) * | 2017-04-19 | 2017-08-22 | 北京数码视讯科技股份有限公司 | 图像模糊检测方法及装置 |
| CN107389571A (zh) * | 2017-07-21 | 2017-11-24 | 中国科学院遥感与数字地球研究所 | 一种矿物组分高光谱遥感精细鉴别方法 |
-
2018
- 2018-03-19 CN CN201810222521.XA patent/CN110287976A/zh active Pending
Patent Citations (5)
| 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 |
| CN102567987A (zh) * | 2011-11-28 | 2012-07-11 | 贵州大学 | 图像合成篡改中人工模糊操作痕迹的检测方法 |
| CN106226157A (zh) * | 2016-08-31 | 2016-12-14 | 孙金更 | 混凝土构件裂缝自动检测装置及方法 |
| CN107085845A (zh) * | 2017-04-19 | 2017-08-22 | 北京数码视讯科技股份有限公司 | 图像模糊检测方法及装置 |
| CN107389571A (zh) * | 2017-07-21 | 2017-11-24 | 中国科学院遥感与数字地球研究所 | 一种矿物组分高光谱遥感精细鉴别方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113189020A (zh) * | 2021-05-11 | 2021-07-30 | 中国科学院空天信息创新研究院 | 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peyghambari et al. | Hyperspectral remote sensing in lithological mapping, mineral exploration, and environmental geology: an updated review | |
| Cheng et al. | A spatially weighted principal component analysis for multi-element geochemical data for mapping locations of felsic intrusions in the Gejiu mineral district of Yunnan, China | |
| Alimohammadi et al. | Application of ASTER data for exploration of porphyry copper deposits: A case study of Daraloo–Sarmeshk area, southern part of the Kerman copper belt, Iran | |
| Cheng et al. | Singularity theories and methods for characterizing mineralization processes and mapping geo-anomalies for mineral deposit prediction | |
| Pour et al. | Using spectral mapping techniques on short wave infrared bands of ASTER remote sensing data for alteration mineral mapping in SE Iran | |
| Abdullah et al. | Landsat ETM-7 for lineament mapping using automatic extraction technique in the SW part of Taiz Area, Yemen | |
| CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
| Nazarpour et al. | Application of classical statistics, logratio transformation and multifractal approaches to delineate geochemical anomalies in the Zarshuran gold district, NW Iran | |
| Koch et al. | Automated drill core mineralogical characterization method for texture classification and modal mineralogy estimation for geometallurgy | |
| Cheng | Multifractal imaging filtering and decomposition methods in space, Fourier frequency, and eigen domains | |
| Ghezelbash et al. | Combination of multifractal geostatistical interpolation and spectrum–area (S–A) fractal model for Cu–Au geochemical prospects in Feizabad district, NE Iran | |
| Es-Sabbar et al. | Lithological and structural lineament mapping from Landsat 8 OLI images in Ras Kammouna arid area (Eastern Anti-Atlas, Morocco) | |
| Chen et al. | Identification of the anomaly component using BEMD combined with PCA from element concentrations in the Tengchong tin belt, SW China | |
| Chen et al. | Identifying potential Au-Pb-Ag mineralization in SE Shuangkoushan, North Qaidam, Western China: combined log-ratio approach and singularity mapping | |
| Abdelkader et al. | Effective delineation of rare metal-bearing granites from remote sensing data using machine learning methods: A case study from the Umm Naggat Area, Central Eastern Desert, Egypt | |
| Lampinen et al. | Delineating alteration footprints from field and ASTER SWIR spectra, geochemistry, and gamma-ray spectrometry above regolith-covered base metal deposits—An example from Abra, Western Australia | |
| Nabilou et al. | Determination of relationship between basement faults and alteration zones in Bafq-Esfordi region, central Iran | |
| Daya et al. | A comparative study of concentration-area (CA) and spectrum-area (SA) fractal models for separating geochemical anomalies in Shorabhaji region, NW Iran | |
| Yang et al. | Identification and mapping of geochemical patterns and their significance for regional metallogeny in the southern Sanjiang, China | |
| Scharf et al. | AnalyZr: A Python application for zircon grain image segmentation and shape analysis | |
| Guha | Mineral exploration using hyperspectral data | |
| Laukamp et al. | Airborne hyperspectral imaging of hydrothermal alteration zones in granitoids of the Eastern Fold Belt, Mount Isa Inlier, Australia | |
| Sengupta et al. | Identification and mapping of high-potential iron ore alteration zone across Joda, Odisha using ASTER and EO-1 hyperion data | |
| Xu et al. | Application of improved bi-dimensional empirical mode decomposition (BEMD) based on Perona–Malik to identify copper anomaly association in the southwestern Fujian (China) | |
| Ousmanou et al. | Application of remote sensing techniques in lithological and mineral exploration: discrimination of granitoids bearing iron and corundum deposits in southeastern Banyo, Adamawa region-Cameroon |
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 |