CN110706212A - 矿化蚀变信息提取方法、终端设备及存储介质 - Google Patents
矿化蚀变信息提取方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN110706212A CN110706212A CN201910889521.XA CN201910889521A CN110706212A CN 110706212 A CN110706212 A CN 110706212A CN 201910889521 A CN201910889521 A CN 201910889521A CN 110706212 A CN110706212 A CN 110706212A
- Authority
- CN
- China
- Prior art keywords
- alteration information
- basic data
- image frame
- information
- principal component
- 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 180
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 56
- 238000000605 extraction Methods 0.000 title claims abstract description 35
- 238000000513 principal component analysis Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 45
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 25
- 229910052742 iron Inorganic materials 0.000 claims description 22
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010186 staining Methods 0.000 claims description 11
- 238000000926 separation method Methods 0.000 claims description 10
- 238000011426 transformation method Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 25
- 230000002596 correlated effect Effects 0.000 claims 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 29
- 239000011707 mineral Substances 0.000 description 29
- 241000132092 Aster Species 0.000 description 21
- 230000005856 abnormality Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 239000011435 rock Substances 0.000 description 11
- 238000010521 absorption reaction Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 6
- 208000026462 essential tremor 3 Diseases 0.000 description 5
- 208000031683 hereditary essential 3 tremor Diseases 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 208000027386 essential tremor 1 Diseases 0.000 description 4
- 208000026478 essential tremor 5 Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000036719 hereditary essential 5 tremor Diseases 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 229910021532 Calcite Inorganic materials 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910001919 chlorite Inorganic materials 0.000 description 3
- 229910052619 chlorite group Inorganic materials 0.000 description 3
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 229910018512 Al—OH Inorganic materials 0.000 description 2
- 101500011070 Diploptera punctata Allatostatin-2 Proteins 0.000 description 2
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 2
- -1 Fe3+ ions Chemical class 0.000 description 2
- 102000006463 Talin Human genes 0.000 description 2
- 108010083809 Talin Proteins 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 229910052935 jarosite Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000012239 silicon dioxide Nutrition 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101800000246 Allatostatin-1 Proteins 0.000 description 1
- 102100036608 Aspartate aminotransferase, cytoplasmic Human genes 0.000 description 1
- 101100492584 Caenorhabditis elegans ast-1 gene Proteins 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 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
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052681 coesite Inorganic materials 0.000 description 1
- 238000003340 combinatorial analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 229910052906 cristobalite Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000026459 essential tremor 4 Diseases 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011019 hematite Substances 0.000 description 1
- 229910052595 hematite Inorganic materials 0.000 description 1
- 229910052900 illite Inorganic materials 0.000 description 1
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 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
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001089 mineralizing effect Effects 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 229910052682 stishovite Inorganic materials 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000454 talc Substances 0.000 description 1
- 229910052623 talc Inorganic materials 0.000 description 1
- 235000012222 talc Nutrition 0.000 description 1
- 229910052905 tridymite Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种矿化蚀变信息提取方法、终端设备及存储介质,该方法包括:获取高植被覆盖区域的第一图像帧及第二图像帧;分别对第一图像帧及第二图像帧进行预处理,得到第一图像帧对应的第一基础数据,及第二图像帧对应的第二基础数据;对第一基础数据及第二基础数据进行主成分分析和/或比值分析,得到第一基础数据中的第一蚀变信息,第二基础数据中的第二蚀变信息;对第一蚀变信息及第二蚀变信息进行主成分分析,得到目标信息。本申请实施例通过利用两种影像数据作为原始数据,进行多次主成分分析以去除干扰信息,实现了不同影像数据之间的互补,实现了干扰信息的有效去除,提高了蚀变信息提取的精确度。
Description
技术领域
本申请一般涉及地质遥感技术领域,具体涉及一种矿化蚀变信息提取方法、终端设备及存储介质。
背景技术
遥感矿化蚀变信息是指在有利于成矿作用发生的空间实体中,蚀变围岩在遥感影像上反映出来的包含各种背景光谱信息在内的综合光谱信息。受植被覆盖影响,在遥感矿化蚀变信息提取中,微弱的蚀变信息常常淹没于背景信息中。
目前,最常用的植被干扰处理方法是根据植被覆盖指数(NDVI),采用密度分割,将高植被区进行掩膜删除。主要利用主成分分析、比值法、光谱角法等对原始图片中的干扰信息进行消消除,以提取蚀变信息。
对于上述每种分析方法,在进行蚀变信息提取时,无法彻底去除掉干扰信息,使得提取效果差,准确性低。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种矿化蚀变信息提取方法、终端设备及存储介质,以提高矿化蚀变信息提取的准确度。
第一方面,本申请实施例提供一种矿化蚀变信息提取方法,包括:
获取高植被覆盖区域的第一图像帧及第二图像帧;
分别对该第一图像帧及该第二图像帧进行预处理,得到第一图像帧对应的第一基础数据,及第二图像帧对应的第二基础数据;
对该第一基础数据及该第二基础数据进行主成分分析和/或比值法分析,得到该第一基础数据中的第一蚀变信息,该第二基础数据中的第二蚀变信息;
对该第一蚀变信息及该第二蚀变信息进行主成分分析,得到目标信息,该目标信息包括该高植被覆盖区域的矿化蚀变信息。
第二方面,本申请实施例提供一种终端设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的矿化蚀变信息提取方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序用于实现如第一方面所述的矿化蚀变信息提取方法。
综上,本申请实施例提供的矿化蚀变信息提取方法、终端设备及存储介质,通过利用两种影像数据作为原始数据,对其进行预处理得到每种原始数据中的基础数据后,对基础数据进行主成分分析及比值分析,进一步对主成分分析后的两组数据做主成分分析,再次去除其中的干扰信息,从而得到经过多次去除干扰信息的蚀变信息,实现了不同影像数据之间的互补,实现了干扰信息的有效去除,提高了蚀变信息提取的精确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例提供的矿化蚀变信息提取方法的流程示意图;
图2为本申请又一实施例提供的矿化蚀变信息提取方法的流程示意图;
图3为本申请实施例提供的高植被覆盖区域的影像图;
图4为本申请实施例提供的高植被覆盖区域的影像图;
图5为本申请实施例提供的图像帧预处理方法的流程示意图;
图6为本申请实施例提供的最小噪声分离变换的结果示意图;
图7为本申请实施例提供的纯净像元指数计算结果示意图;
图8为本申请实施例提供的多个端元的显示示意图;
图9为本申请实施例提供的多个端元的曲线示意图;
图10为本申请实施例提供的影像图像帧预处理后的示意图;
图11为本申请实施例提供的影像图像帧预处理后的示意图;
图12为本申请实施例提供的矿化蚀变信息提取装置的结构示意图;
图13为本申请又一实施例提供的矿化蚀变信息提取装置的结构示意图;
图14为本申请实施例提供的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与申请相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
可以理解,蚀变的矿物,均在可见光、近红外、短波红外区域产生显著的吸收光谱带,并具有各自的诊断性特征光谱,这些特征光谱与周围的岩石反射光谱特征存在着较大的差异,即蚀变岩石在某些特定的光谱波段形成了特定的光谱异常。同时,遥感获得的是地表信息,只要有一定面积的蚀变岩石或矿物出露,就可能被遥感检测,也就是说即或矿体隐伏,只要有足够面积的强蚀变岩或蚀变矿物出露也是有可能用遥感发现的。因此,通过研究高植被覆盖区的遥感数据的波谱特征,按蚀变矿物的特征光谱属性提取出区域内特定的光谱信息,进而能够挑选和圈定出具有某种蚀变的岩石和矿物。
为了更好的理解本申请实施例提供的高植被覆盖区的蚀变信息提取方法,下面通过图1至图14详细阐述其提取过程。
图1所示为本申请实施例提供的矿化蚀变信息提取方法的流程示意图,如图1所示,该方法包括:
S110,获取高植被覆盖区的第二图像帧及第二图像帧;
S120,分别对该第一图像帧及该第二图像帧进行预处理,得到第一图像帧对应的第一基础数据,及第二图像帧对应的第二基础数据;
S130,对该第一基础数据及该第二基础数据进行主成分分析和/ 或比值分析,得到该第一基础数据中的第一蚀变信息,该第二基础数据中的第二蚀变信息;
S140,对该第一蚀变信息及该第二蚀变信息进行主成分分析,得到目标信息,该目标信息包括该高植被覆盖区域的矿化蚀变信息。
具体的,本申请实施例提供的矿化蚀变信息的提取,首先可以利用遥感技术,提取待分析的高植被覆盖区域的影像数据,如ETM的第一图像帧及Aster的第二图像帧。进而可以对获取的图像帧中包含的原始数据进行预处理,初步消除原始数据中的植被等干扰信息,得到第一图像帧对应的基础数据,第二图像帧对应的基础数据。然后可以对两组基础数据进行主成分分析及比值法分析,再次消除其中包含的植被等干扰信息,得到第一图像帧中的第一蚀变信息,得到图像帧中的第二蚀变信息。最后,再对第一蚀变信息及第二蚀变信息这两组数据进行主成分分析,以彻底消除原始数据中的所有干扰信息,得到目标信息,即得到原始的第一图像帧及第二图像帧中的矿化蚀变信息。
本申请实施例提供的矿化蚀变信息提取方法,通过利用两种影像数据作为原始数据,对其进行预处理得到每种原始数据中的基础数据后,对基础数据进行主成分分析及比值分析,进一步对主成分分析后的两组数据做主成分分析,再次去除其中的干扰信息,从而得到经过多次去除干扰信息的蚀变信息,实现了不同影像数据之间的互补,实现了干扰信息的有效去除,提高了蚀变信息提取的精确度。
为了更好的理解本申请实施例提供的蚀变信息提取方法,下面通过图2至图11详细的阐述其提取过程。图2所示为本申请又一实施例提供的矿化蚀变信息提取方法的流程示意图。
S210,获取高植被覆盖区的第一图像帧及第二图像帧。
具体的,本申请实施例提供的矿化蚀变信息提取方法,首先可以获取待分析区域的遥感图像帧,具体可以通过ETM及Aster遥感技术来采集某高植被覆盖区域的影像数据,如ETM影像数据的第一图像帧,及Aster影像数据的第二图像帧。
例如,如图3及图4所示为高植被覆盖区域的ETM图像及Aster 图像。
可以理解,ETM图像遥感数据中有7个波段,对于ETM遥感数据,与铁染相关的褐铁矿、黄钾铁矾、黄铁矿等几种蚀变矿物在ETM 的第3波段(B3)处有强反射峰;与青磐岩化(绿泥石化等)相关的绿泥石、绿帘石、方解石、绢云母等蚀变矿物,其波谱特征具有一致性,在B4和B7处都有强吸收谷,在B5波段处由强反射峰。ETM影像与蚀变矿物相关的这种特征是提取蚀变信息的物理基础。
Aster影像数据拥有14个波段,波长范围宽、波段多,是对ETM+ 数据的一种有力补充。蚀变矿物在Aster数据中显示的波谱信息大致可分为五组:第一组是褐铁矿、黄钾铁矾、赤铁矿等,其在1和3波段存在吸收峰,这个吸收峰是Fe3+离子的波谱特征,上述矿物在2波段,具有明显的反射峰;第二组是高岭石、伊利石、绢云母等富含Al-OH 基团的蚀变矿物,其在5波段和6波段(2.2μm)均具有明显的吸收峰特征;第三组是蛇纹石、绿泥石、绿帘石、方解石等富含Mg-OH 基团的蚀变矿物,在7和8波段(2.3μm)具有一个明显的吸收峰;第四组是方解石、滑石等富含CO32-离子团的蚀变矿物,在8和9波段有强吸收;第五组是石英等富SiO2矿物,其在12波段形成一个微小的吸收峰,且12波段的反射率小于14波段。根据以上蚀变矿物与遥感波谱对应表,可利用Aster遥感数据提取Fe3+离子(铁染)、Al-OH 基团(铝羟基)、Mg-OH基团(镁羟基)、CO32-离子团(碳酸盐化)、富SiO2矿物(硅化)等相应矿化蚀变信息。
S220,基于多层次分离法分别对第一图像帧及第二图像帧的基础数据进行相关性验证。
具体的,在得到上述图像帧所包括的原始数据后,可以利用多层次分离方法对获取到的图像帧中包括原始数据加以验证,确保图像帧中的原始数据可用,即验证第一图像帧及第二图像帧所包括的峰值波段是否符合上述各个波段的腾讯,如果符合,表示获取的图像帧可用,否则,表示不可用,则删除该图像帧,并重新获取。
例如,选取覆盖研究区的Landsat7 ETM+数据,景位号:129/037,时间:2001-05-13,尽可能减少植被和冰雪的干扰。经正射校正、融合重采样等预处理后,对6个波段进行主成分分析,获得6个主成分的特征向量值,如表1:
特征向量 | Band1 | Band2 | Band3 | Band4 | Band5 | Band7 | 特征值 | 贡献率(%) | 百分比和(%) |
PC1 | 0.333702 | 0.364104 | 0.429626 | 0.358496 | 0.471982 | 0.469261 | 2963.9165 | 92.324 | 92.32 |
PC2 | 0.331417 | 0.254623 | -0.051097 | 0.656358 | -0.446603 | -0.438701 | 157.9585 | 4.9203 | 97.24 |
PC3 | 0.17525 | 0.288328 | 0.551644 | -0.484919 | -0.580155 | 0.100586 | 64.4122 | 2.0067 | 99.25 |
PC4 | -0.270801 | -0.004285 | -0.297267 | 0.280828 | -0.474602 | 0.730869 | 11.5072 | 0.3584 | 99.61 |
PC5 | 0.591858 | 0.320575 | -0.635542 | -0.351467 | 0.050159 | 0.130298 | 10.2419 | 0.319 | 99.93 |
PC6 | -0.569618 | 0.785287 | -0.127352 | -0.055984 | 0.115914 | -0.161465 | 2.2915 | 0.0714 | 100 |
从表1分析可知,第一主成分量代表6个波段全部信息的92.324%,第二、三主成分量贡献率分别为4.9203%和2.0067%,均较高,三者之和占全部信息的99.251%,其代表的信息基本可以作为背景信息;而第六主成分贡献率低,仅占0.0714%,不具实际意义。因此,该地区的矿化信息主要集中在第四和第五主成分中。从特征向量矩阵可看出,在第四主成分中,四波段(B5)和七波段(B7)存在序偶关系;第五主成分中三波段(B3)和一波段(B1)存在序偶关系。即该ETM 影像图像帧符合上述波段特性,可用于后续蚀变信息的提前。
S230,分别对所述第一图像帧及所述第二图像帧进行预处理,得到第一图像帧的第一基础数据,及第二图像帧的第二基础数据。
具体的,在获取到上述原始的图像数据后,可以通过预设算法对图像帧中包含的原始数据进行预处理,以删除或削弱覆盖植被等干扰数据,获取到原始数据中的基础数据。
对于获取Aster或ETM的原始数据,可以利如图5所示的步骤对蚀变信息进行预处理:
S231,基于最小噪声分离变换方法分别获取第一图像帧及第二图像帧对应的有效波段。
具体的,可以利用最小噪声分离(MNF)变换的方法,对第一图像帧及第二图像帧中的原始数据进行两次主成分分析,使得每个图像帧的原始数据中的波段按照信息量从大到小排序。
例如,研究区Aster遥感数据可见光-近红外-短波红的9个波段经过MNF变换后的贡献权重值如图6所示。
根据图6,研究区Aster遥感数据的信息量集中在前6个波段,之后的波段信息量变换不大,故选取前6个波段进行纯净像元提取,将第一图像帧及第二图像帧中包含的原始数据中的前6个波段作为有效波段。
S232,确定第一图像帧对应的有效波段包括的多个端元,及第二图像帧对应的有效波段包括的多个端元。
具体的,在选取了第一图像帧及第二图像帧包含的原始数据中的前六个MNF波段作为有效波段后,进而利用选取的有效波段的数据进行纯净像元指数(PPI)计算,确定有效波段中包括的所有端元。
例如,对于上述的第二图像帧的有效波段对应的数据,即Aster 影像图像帧的有效波段对应的数据进行PPI计算,得到统计结果如图 7所示,可以运用ENVI5.3软件的N维可视化工具,观察MNF变换结果,其定点处聚集在一起的端元群可作为一种地物端元,共圈出了 3种地物端元。N维可视化窗口如图8,提取的地物端元曲线如图9所示,各端元在Aster可见光-近红外和短波红外各波段的反射率值差异较大。
S233,从第一图像帧中的多个端元中获取蚀变信息对应的目标端元的数据,及从第二图像帧中的多个端元中确定蚀变信息对应的目标端元的数据。
具体的,在获取到第一图像帧及第二图像帧中的所有端元数据后,可以确定蚀变信息对应的目标端元数据,如每个图像帧中包括的矿物端元数据。
例如,在利用线性混合像元分解对获取的端元数据进行分析后,可以得到地物端元、植被端元及矿物端元在各个像元中的比例。然后通过分析入图8所示中的三种类型的像元分布特征,结合野外采集植被和岩石光谱信息,以及地物端元在Aster真彩色合成遥感图像上的 ROI,确定:红色端元和蓝色端元为两种植物(植被或土壤),为提取遥感蚀变信息时的干扰信息,而绿色端元为岩石端元信息,即确定了目标端元。
可以理解,由于研究区内不可能只有这3种端元地物,存在未穷尽的地物端元,故在做线性像元分解时会出现丰度值大于1或是小于0等异常值出现。运用ENVI中的线性波谱分离工具,设置约束条件使用总和限制,将丰度值限制在0到1之间。
S234,对第一图像帧的目标端元的数据进行光谱重建,得到第一基础数据;及对第二图像帧的目标端元的数据进行光谱重建,得到第二基础数据。
具体的,在消除混合像元中的植被端元后,剩余目标端元对应的数据后,则剩余端元反射值不能代替整体反射值,需要利用岩石、土壤端元反射值弥补消除的植被端元反射值,即光谱重建。光谱重建后各像元的反射值消除了植被端元的影响,只代表岩石、土壤的反射值,在此基础上提取矿化蚀变信息受植被的影响会小。
例如,以ASTER第一个波段为例,使用第一波段的反射率值(DN1) 减去各个干扰地物端元在该波段的反射率值,得到非干扰地物信息在像元中的反射率值,用该结果除以非干扰地物信息在该像元中所占的比重(1减去各干扰地物端元丰度),即得到除去干扰信息的新波段。以此类推,可以获得ASTER全部波段的新波段反射率DN。可以利用 ENVI 5.1软件的波段运算Band Math工具,去除结果如图10及图11 所示。从图中可看出,剔除主要植被干扰信息后,影像色调、纹理皆有变化,减少绿色信息,影像整体偏灰白。
S240,对第一基础数据及第二基础数据进行主成分分析和/或比值分析,得到第一基础数据中的第一蚀变信息,第二基础数据中的第二蚀变信息。
具体的,在得到第一图像帧及第二图像帧的基础数据后,可以分别对第一基础数据及第二基础数据进行主成分分析和/或比值法分析,得到第一基础数据中包括的第一蚀变信息,得到第二基础数据包括的第二蚀变信息。
可以理解,本申请实施例中,第一基础数据及第二基础数据中包括有铁然或羟基异常组合信息。
例如,对于包括有铁染蚀变信息的第一基础数据及第二基础数据,即需要对铁然异常组合信息进行提取。
对于ETM影像数据对应的第一基础数据,含Fe3+离子矿物在第3 波段(B3)处有强反射峰,可采用ETM1345波段(第一波段、第三波段、第四波段及第五波段)做主成分分析来提取铁染异常信息,即通过对上述波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;还可以选用ETM3(第三波段)和ETM1(第一波段) 进行波段比值运算提取该异常信息,即获取第三波段及第一波段对应的数据的比值数组。最后,可以将第四主分量对应的数组及比值数组记性组合,作为第一基础数据的包括铁染信息的第一蚀变信息。
针对Aster遥感数据,含Fe3+离子矿物在第2波段(B2)处有强反射峰,可采用Aster1234波段(第一波段、第二波段、第三波段及第四波段)做主成分分析,获取分析后的第四主分量对应的数组;还可以选用Aster2和Aster1(第二波段及第一波段)进行波段比值运算来提取铁染异常信息,即对Aster影像数据中的第二波段及第一波段做比值,得到比值数组。最后,将第四主分量对应的数组及比值组进行组合,得到第二基础数据中包括铁染信息的第二蚀变信息。
例如,表1及表2分别为研究区ETM1345和Aster1234两组组合分析所得的特征向量矩阵。表3为第一蚀变信息及第二蚀变信息组合得到的第一基础数据。
表2
类别 | Band1 | Band3 | Band4 | Band5 | 信息量/% |
PC1 | -0.416 | -0.529 | -0.4545 | -0.5835 | 91.35 |
PC2 | -0.3068 | 0.1584 | -0.7025 | 0.6223 | 5.53 |
PC3 | -0.2659 | -0.707 | 0.4097 | 0.5114 | 2.69 |
PC4 | -0.8137 | 0.4417 | 0.3634 | -0.1034 | 0.44 |
表3
类别 | Band1 | Band2 | Band3 | Band4 | 信息量/% |
PC1 | -0.4694 | -0.5182 | -0.5153 | -0.4956 | 96.37 |
PC2 | -0.3341 | -0.5557 | 0.7526 | 0.115 | 2.01 |
PC3 | -0.257 | -0.1994 | -0.3927 | 0.8602 | 1.44 |
PC4 | -0.7759 | 0.6188 | 0.1177 | -0.0346 | 0.18 |
表4
类别 | ETM3/ETM1 | AST2/AST1 | ETM1345-PC4 | AST1234-PC4 | 信息量/% |
PC1 | 0.0055 | 0.0125 | 0.9826 | 0.1854 | 76.14 |
PC2 | -0.0206 | -0.0007 | 0.1855 | -0.9824 | 23.77 |
PC3 | -0.4378 | -0.8989 | 0.0116 | 0.012 | 0.07 |
PC4 | -0.8988 | 0.4379 | -0.0039 | 0.0178 | 0.02 |
从表2可知,采用ETM1345波段组合经主成分分析法所得到的第一主分量PC1含有的信息量最大,全部来自于4个波段的加信息,而第四主分量PC4,信息量最低,且ETM1系数值最小、ETM3值最大,这与含铁染矿物的光谱特性相符。因此,ETM1345-PC4主分量可选作增强铁染异常后的图像。同样,从表2可看出,采用Aster1234波段组合经主成分分析法所得到的第四主分量PC4,信息量最低,且Aster5 系数值为正且最大,符合含铁染蚀变矿物的光谱特性。因此 Aster1234-PC4可作为增强铁染异常后的图像。
为研究和提取研究区的全部铁染蚀变矿物的混合蚀变信息,在前面ETM1345和Aster1234主成分得到的铁染异常的基础上,又选择了波段比值运算ETM3/ETM1和Aster2/Aster1,将这4幅图像作为输入数据再进行主成分分析,以得到研究区蚀变矿物混合异常增强信息图像。即C1:ETM3/ETM1;C2:AST2/AST1;C3:ETM1345-PC4;C4: AST1234-PC4。经二次主成分分析后,统计的特征向量矩阵见表5。
从表5中可以看出,关于铁染的混合数据组合主成分分析得到的各主分量都有对蚀变异常信息有所增强,但只有第一主分量PC1是包含了多种蚀变异常信息的加信息。虽然这一分量中来自比值波段C2 的蚀变信息较少,但是来自第一主成分分析的异常信息C3和C4是最多的。因此,第一主分量PC1被选作为研究区铁染信息的异常提取图像。
又例如,对于包括有羟基蚀变信息的第一基础数据及第二基础数据,即需要对羟基蚀变信息进行提取。
对于ETM遥感数据,含OH-离子团矿物在B4和B7处都有强吸收谷,在B5波段处由强反射峰,可采用ETM1457波段做主成分分析来提取羟基异常信息,即对ETM影像数据的第一波段、第四波段、第五波段及第七波段对应的数据进行主成分分析,得到第四主分量对应的数组;也可以选用ETM5(第五波段)和ETM7(第七波段)进行波段比值运算提取该异常信息,即比值数组。则该第一四主分量对应的数组及该比值数组组合可以作为第一基础数据的包括羟基信息的第二蚀变信息。
针对Aster遥感数据,含OH-离子团矿物在第8波段(B8)处有吸收谷,在Aster5或Aster4波段呈现相对反射峰,可采用Aster1358、 Aster1348做主成分分析或选用Aster4/Aster8和Aster5/Aster8进行波段比值运算来提取羟基异常信息。
即可以对Aster影像数据的第一波段、第三波段、第五波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第一数组;然后对Aster影像数据的第一波段、第三波段、第四波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第二数组。最后,可以对该第一数组及第二数组进行组合,得到第二基础数据的包括羟基信息的第二蚀变信息。
或者,对于Aster影像数据,可以获取其第四波段与第八波段对应的数据的第一比值数组;获取所述其第五波段与第八波段对应的数据的第二比值数组。最后,对第一比值数组及第二比值数组进行组合,得到第二基础数据的包括羟基信息的第二蚀变信息。
表5、表6和表7分别为研究区ETM1457、Aster1358、Aster1348 等组合主成分分析所得的特征向量矩阵。
表5
类别 | Band1 | Band4 | Band5 | Band7 | 信息量/% |
PC1 | 0.397 | 0.4327 | 0.5779 | 0.5667 | 91.47 |
PC2 | 0.3616 | 0.7366 | -0.3914 | -0.4165 | 6.60 |
PC3 | 0.5527 | -0.3234 | -0.6035 | 0.4751 | 1.44 |
PC4 | 0.6373 | -0.407 | 0.3855 | -0.5288 | 0.49 |
表6
类别 | Band1 | Band3 | Band5 | Band8 | 信息量/% |
PC1 | 0.4726 | 0.5218 | 0.4915 | 0.5127 | 96.34 |
PC2 | 0.1408 | 0.7503 | -0.4733 | -0.4396 | 2.48 |
PC3 | -0.8614 | 0.4052 | 0.2871 | 0.1065 | 1.04 |
PC4 | -0.1215 | 0.0263 | -0.6723 | 0.7297 | 0.13 |
表7
类别 | Band1 | Band3 | Band4 | Band8 | 信息量/% |
PC1 | 0.4681 | 0.5182 | 0.5045 | 0.5077 | 96.55 |
PC2 | -0.1339 | -0.758 | 0.4128 | 0.4869 | 2.23 |
PC3 | 0.8572 | -0.3786 | -0.3433 | -0.0627 | 1.09 |
PC4 | 0.1677 | -0.1161 | 0.6762 | -0.7079 | 0.13 |
从表6可看出,采用ETM1457波段组合经主成分分析法所得到的第四主分量PC4,信息量最低,且ETM5系数值为正,ETM4和ETM7 为负,符合含羟基蚀变矿物的光谱特性,因此ETM1457-PC4可作为增强羟基后的图像。表7中,Aster1358组合主成分分析得到的第四主分量PC4中,Aster8和Aster3系数符号相同,而Aster1和Aster5系数符号相同,这符合研究区中羟基蚀变异常的光谱特性,但要将PC4 取反,即Aster1358-PC4可作为增强后的羟基异常图像。
S250,对第一蚀变信息及第二蚀变信息进行主成分分析,得到目标信息,该目标信息包括高植被覆盖区域的矿化蚀变信息。
具体的,在获取到包括铁染信息或羟基信息的第一图像帧的第一蚀变信息,以及包括羟基信息的第二图像帧的第二蚀变信息后,可以进一步将第一蚀变信息及第二蚀变信息的四组数组进行组合,对组合后的数组再进行主成分分析,将经过主成分分析后的第一主分量的数组作为目标信息,即提取得到铁染或羟基蚀变信息。
例如,对于增强和提取含羟基异常的混合蚀变异常信息,选择C1: ETM5/ETM7;C2:ETM1457-PC4;C3:Aster1358-PC4;C4: Aster134-PC48等4组羟基异常信息图,进行主成分分析后,获得的特征向量矩阵见表8。
表8
类别 | ETM5/ETM7 | ETM1457-PC4 | AST1358-PC4 | AST1348-PC4 | 信息量/% |
PC1 | 0.0005 | 0.9951 | 0.0057 | 0.0992 | 70.98 |
PC2 | 0.0248 | -0.0672 | 0.7727 | 0.6307 | 17.05 |
PC3 | -0.0267 | -0.0731 | -0.6337 | 0.7697 | 11.96 |
PC4 | 0.9993 | -0.0008 | -0.0361 | 0.0048 | 0.01 |
由表可知,第一主分量PC1包含了各种羟基异常信息的加信息,增强了各种蚀变异常信息,因此,可被选择为增强后的羟基异常图像。
本申请实施例提供的矿化蚀变信息提取方法,通过利用两种影像数据作为原始数据,对其进行预处理得到每种原始数据中的基础数据后,对基础数据进行主成分分析及比值分析,进一步主成分分析后的两组数据做主成分分析,再次去除其中的干扰信息,从而得到经过多次去除干扰信息的蚀变信息,实现了不同影像数据之间的互补,实现了干扰信息的有效去除,提高了蚀变信息提取的精确度。
图12所示为本申请实施例提供的矿化蚀变信息提取装置的结构示意图,如图400所示,该装置可以包括:
获取模块410,用于获取高植被覆盖区域的第一图像帧及第二图像帧;
预处理模块420,用于分别对该第一图像帧及该第二图像帧进行预处理,得到第一图像帧对应的第一基础数据,及第二图像帧对应的第二基础数据;
第一分析模块430,用于对该第一基础数据及该第二基础数据进行主成分分析和/或比值分析,得到该第一基础数据中的第一蚀变信息,该第二基础数据中的第二蚀变信息;
第二分析模块440,用于对该第一蚀变信息及该第二蚀变信息进行主成分分析,得到目标信息,该目标信息包括该高植被覆盖区域的矿化蚀变信息。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该第一分析模块430具体用于:
对该第一基础数据的第一波段、第三波段、第四波段及第五波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取该第一基础数据的第三波段与第一波段对应的数据的比值数组;
对该第四主分量对应的数组及该比值数组进行组合,得到该第一蚀变信息,该第一蚀变信息包括铁染蚀变信息。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该第一分析模块430具体用于:
对该第二基础数据的第一波段、第二波段、第三波段及第四波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取该第二基础数据的第二波段与第一波段对应的数据的比值数组;
对该第四主分量对应的数组及该比值数组进行组合,得到该第二蚀变信息,该第二蚀变信息包括铁染蚀变信息。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该第一分析模块430具体用于:
对该第一基础数据的第一波段、第四波段、第五波段及第七波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取该第一基础数据的第五波段与第七波段对应的数据的比值数组;
对该第四主分量对应的数组及该比值数组进行组合,得到该第一蚀变信息,该第一蚀变信息包括羟基蚀变信息。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该第一分析模块430具体用于:
对该第二基础数据的第一波段、第三波段、第五波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第一数组;
对该第二基础数据的第一波段、第三波段、第四波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第二数组;
对该第一数组及该第二数组进行组合,得到该第二蚀变信息,该第二蚀变信息包括羟基蚀变信息。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该第一分析模块430具体用于:
获取该第二基础数据的第四波段与第八波段对应的数据的第一比值数组;
获取该第二基础数据的第五波段与第八波段对应的数据的第二比值数组;
对该第一比值数组及第二比值数组进行组合,得到该第二蚀变信息,该第二蚀变信息包括羟基蚀变信息。
可选的,如图13所示,本申请实施例提供的矿化蚀变信息提取装置,该预处理模块420包括:
获取单元421,用于基于最小噪声分离变换方法分别获取该第一图像帧及该第二图像帧对应的有效波段;
第一确定单元422,用于确定该第一图像帧对应的有效波段包括的多个端元,及该第二图像帧对应的有效波段包括的多个端元;
第二确定单元423,用于从该第一图像帧中的多个端元中获取蚀变信息对应的目标端元的数据,及从该第二图像帧中的多个端元中确定蚀变信息对应的目标端元的数据;
重建单元424,用于对该第一图像帧的该目标端元的数据进行光谱重建,得到该第一基础数据;及对该第二图像帧的该目标端元的数据进行光谱重建,得到该第二基础数据。
可选的,本申请实施例提供的矿化蚀变信息提取装置,该装置还包括:
验证模块450,用于基于多层次分离法分别对该第一图像帧及该第二图像帧的基础数据进行相关性验证,若该第一图像帧或该第二图像帧的基础数据不相关,则删除该第一图像帧或该第二图像帧。
另一方面,本申请实施例还提供终端设备,该终端设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行该程序时实现如上所述的矿化蚀变信息提取方法。
下面参考图14,其示出了适于用来实现本申请实施例的终端设备的计算机系统500的结构示意图。
如图14所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分503加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口 505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本申请公开的矿化蚀变信息提取的实施例,上文参考图1描述的过程可以被实现为计算机软件程序。例如,本申请公开的矿化蚀变信息提取的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,该计算机程序包含用于执行图1的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种矿化蚀变信息提取实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、预处理模块、第一分析模块及第二分析模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,第二分析模块还可以被描述为“用于对所述第一蚀变信息及所述第二蚀变信息进行主成分分析,得到目标信息,所述目标信息包括所述高植被覆盖区域的矿化蚀变信息”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中前述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,前述程序被一个或者一个以上的处理器用来执行描述于本申请的矿化蚀变信息提取的方法,具体执行:
获取高植被覆盖区域的第一图像帧及第二图像帧;
分别对所述第一图像帧及所述第二图像帧进行预处理,得到第一图像帧对应的第一基础数据,及第二图像帧对应的第二基础数据;
对所述第一基础数据及所述第二基础数据进行主成分分析和/或比值分析,得到所述第一基础数据中的第一蚀变信息,所述第二基础数据中的第二蚀变信息;
对所述第一蚀变信息及所述第二蚀变信息进行主成分分析,得到目标信息,所述目标信息包括所述高植被覆盖区域的矿化蚀变信息。
综上所述,本申请实施例提供的矿化蚀变信息提取方法、终端设备及存储介质,通过利用两种影像数据作为原始数据,对其进行预处理得到每种原始数据中的基础数据后,对基础数据进行主成分分析及比值分析,进一步主成分分析后的两组数据做主成分分析,再次去除其中的干扰信息,从而得到经过多次去除干扰信息的蚀变信息,实现了不同影像数据之间的互补,实现了干扰信息的有效去除,提高了蚀变信息提取的精确度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本邻域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种矿化蚀变信息提取方法,其特征在于,所述方法包括:
获取高植被覆盖区域的第一图像帧及第二图像帧;
分别对所述第一图像帧及所述第二图像帧进行预处理,得到所述第一图像帧对应的第一基础数据,及所述第二图像帧对应的第二基础数据;
对所述第一基础数据及所述第二基础数据进行主成分分析和/或比值分析,得到所述第一基础数据中的第一蚀变信息,所述第二基础数据中的第二蚀变信息;
对所述第一蚀变信息及所述第二蚀变信息进行主成分分析,得到目标信息,所述目标信息包括所述高植被覆盖区域的矿化蚀变信息。
2.根据权利要求1所述的矿化蚀变信息提取方法,其特征在于,所述对所述第一基础数据进行主成分分析及比值分析,得到所述第一基础数据中的第一蚀变信息包括:
对所述第一基础数据的第一波段、第三波段、第四波段及第五波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取所述第一基础数据的第三波段与第一波段对应的数据的比值数组;
对所述第四主分量对应的数组及所述比值数组进行组合,得到所述第一蚀变信息,所述第一蚀变信息包括铁染蚀变信息。
3.根据权利要求1所述的矿化蚀变信息提取方法,其特征在于,所述对所述第二基础数据进行主成分分析和比值分析,得到所述第二基础数据的第二蚀变信息包括:
对所述第二基础数据的第一波段、第二波段、第三波段及第四波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取所述第二基础数据的第二波段与第一波段对应的数据的比值数组;
对所述第四主分量对应的数组及所述比值数组进行组合,得到所述第二蚀变信息,所述第二蚀变信息包括铁染蚀变信息。
4.根据权利要求1所述的矿化蚀变信息提取方法,其特征在于,所述对所述第一基础数据进行主成分分析及比值分析,得到所述第一基础数据中的第一蚀变信息包括:
对所述第一基础数据的第一波段、第四波段、第五波段及第七波段对应的数据进行主成分分析,获取分析后的第四主分量对应的数组;
获取所述第一基础数据的第五波段与第七波段对应的数据的比值数组;
对所述第四主分量对应的数组及所述比值数组进行组合,得到所述第一蚀变信息,所述第一蚀变信息包括羟基蚀变信息。
5.根据权利要求1所述的矿化蚀变信息提取方法,其特征在于,所述对所述第二基础数据进行主成分分析,得到所述第二基础数据的第二蚀变信息包括:
对所述第二基础数据的第一波段、第三波段、第五波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第一数组;
对所述第二基础数据的第一波段、第三波段、第四波段及第八波段对应的数据进行主成分分析,获取分析后的第四主分量对应的第二数组;
对所述第一数组及所述第二数组进行组合,得到所述第二蚀变信息,所述第二蚀变信息包括羟基蚀变信息。
6.根据权利要求1所述的矿化蚀变信息提取方法,其特征在于,所述对所述第二基础数据进行比值分析,得到所述第二基础数据的第二蚀变信息包括:
获取所述第二基础数据的第四波段与第八波段对应的数据的第一比值数组;
获取所述第二基础数据的第五波段与第八波段对应的数据的第二比值数组;
对所述第一比值数组及第二比值数组进行组合,得到所述第二蚀变信息,所述第二蚀变信息包括羟基蚀变信息。
7.根据权利要求1-6任一项所述的矿化蚀变信息提取方法,其特征在于,所述分别对所述第一图像帧及所述第二图像帧进行预处理,得到所述第一图像帧的第一基础数据,及所述第二图像帧的第二基础数据包括:
基于最小噪声分离变换方法分别获取所述第一图像帧及所述第二图像帧对应的有效波段;
确定所述第一图像帧对应的有效波段包括的多个端元,及所述第二图像帧对应的有效波段包括的多个端元;
从所述第一图像帧中的多个端元中获取蚀变信息对应的目标端元的数据,及从所述第二图像帧中的多个端元中确定蚀变信息对应的目标端元的数据;
对所述第一图像帧的所述目标端元的数据进行光谱重建,得到所述第一基础数据;及对所述第二图像帧的所述目标端元的数据进行光谱重建,得到所述第二基础数据。
8.根据权利要求1-6任一项所述的矿化蚀变信息提取方法,其特征在于,所述方法还包括:
基于多层次分离法分别对所述第一图像帧及所述第二图像帧的基础数据进行相关性验证,若所述第一图像帧或所述第二图像帧的基础数据不相关,删除所述第一图像帧或所述第二图像帧。
9.一种终端设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一项所述的矿化蚀变信息提取方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序用于实现如权利要求1-8任一项所述的矿化蚀变信息提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889521.XA CN110706212A (zh) | 2019-09-10 | 2019-09-10 | 矿化蚀变信息提取方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889521.XA CN110706212A (zh) | 2019-09-10 | 2019-09-10 | 矿化蚀变信息提取方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110706212A true CN110706212A (zh) | 2020-01-17 |
Family
ID=69195313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889521.XA Pending CN110706212A (zh) | 2019-09-10 | 2019-09-10 | 矿化蚀变信息提取方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706212A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292325A (zh) * | 2020-03-31 | 2020-06-16 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 一种基于遥感技术的萤石矿识别方法及系统 |
CN114596430A (zh) * | 2022-05-07 | 2022-06-07 | 交通运输通信信息集团有限公司 | 一种岩石蚀变信息提取方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383348A (zh) * | 2013-05-28 | 2013-11-06 | 吉林大学 | 植被覆盖区高光谱遥感蚀变矿物提取方法 |
CN104991287A (zh) * | 2015-07-27 | 2015-10-21 | 中国地质调查局武汉地质调查中心 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
CN107765323A (zh) * | 2017-09-25 | 2018-03-06 | 成都理工大学 | 一种基于aster卫星数据的成矿预测方法 |
CN109839356A (zh) * | 2017-11-29 | 2019-06-04 | 核工业北京地质研究院 | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 |
-
2019
- 2019-09-10 CN CN201910889521.XA patent/CN110706212A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383348A (zh) * | 2013-05-28 | 2013-11-06 | 吉林大学 | 植被覆盖区高光谱遥感蚀变矿物提取方法 |
CN104991287A (zh) * | 2015-07-27 | 2015-10-21 | 中国地质调查局武汉地质调查中心 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
CN107765323A (zh) * | 2017-09-25 | 2018-03-06 | 成都理工大学 | 一种基于aster卫星数据的成矿预测方法 |
CN109839356A (zh) * | 2017-11-29 | 2019-06-04 | 核工业北京地质研究院 | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292325A (zh) * | 2020-03-31 | 2020-06-16 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 一种基于遥感技术的萤石矿识别方法及系统 |
CN111292325B (zh) * | 2020-03-31 | 2021-01-12 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 一种基于遥感技术的萤石矿识别方法 |
CN114596430A (zh) * | 2022-05-07 | 2022-06-07 | 交通运输通信信息集团有限公司 | 一种岩石蚀变信息提取方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roberts et al. | Assessment of image fusion procedures using entropy, image quality, and multispectral classification | |
Heylen et al. | A multilinear mixing model for nonlinear spectral unmixing | |
Abdullah et al. | Landsat ETM-7 for lineament mapping using automatic extraction technique in the SW part of Taiz Area, Yemen | |
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
Lasaponara et al. | Image enhancement, feature extraction and geospatial analysis in an archaeological perspective | |
CN106251310B (zh) | 一种多光谱遥感异常信息提取方法 | |
CN108428237B (zh) | 基于稀疏非负矩阵欠近似的高光谱彩绘文物线稿提取方法 | |
Kruse et al. | Techniques developed for geologic analysis of hyperspectral data applied to near-shore hyperspectral ocean data | |
Fereydooni et al. | A directed matched filtering algorithm (DMF) for discriminating hydrothermal alteration zones using the ASTER remote sensing data | |
Szantoi et al. | Fast and robust topographic correction method for medium resolution satellite imagery using a stratified approach | |
CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
CN102622738A (zh) | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 | |
CN110706212A (zh) | 矿化蚀变信息提取方法、终端设备及存储介质 | |
CN110991430A (zh) | 基于遥感图像的地物识别及覆盖率计算方法及系统 | |
CN116844053B (zh) | 一种小麦种植区域识别方法、系统、电子设备及存储介质 | |
Shi et al. | Linear spatial spectral mixture model | |
CN109696406B (zh) | 一种基于复合端元的月表高光谱图像阴影区域解混方法 | |
Verma et al. | Development of LR-PCA based fusion approach to detect the changes in mango fruit crop by using landsat 8 OLI images | |
Venkatakrishnamoorthy et al. | Cloud enhancement of NOAA multispectral images by using independent component analysis and principal component analysis for sustainable systems | |
CN113421198B (zh) | 一种基于子空间的非局部低秩张量分解的高光谱图像去噪方法 | |
CN109839356B (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
CN113705441A (zh) | 协同多光谱和sar影像的高时空分辨率地表水体提取方法 | |
CN108593575A (zh) | 一种基于波谱沙漏工具的多光谱遥感蚀变信息成矿预测方法 | |
CN113094645B (zh) | 一种形态成分约束优化的高光谱数据解混方法 | |
Xu et al. | Advanced exploratory data analysis for mapping regional canopy cover |
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 |