CN112379453B - 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 - Google Patents
交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 Download PDFInfo
- Publication number
- CN112379453B CN112379453B CN202011219403.7A CN202011219403A CN112379453B CN 112379453 B CN112379453 B CN 112379453B CN 202011219403 A CN202011219403 A CN 202011219403A CN 112379453 B CN112379453 B CN 112379453B
- Authority
- CN
- China
- Prior art keywords
- image
- aster
- resolution
- limestone
- reflectivity
- 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 43
- JMJUQLAAARXRJM-UHFFFAOYSA-J zinc 1,3,2lambda2-dioxaplumbetan-4-one carbonate Chemical compound [Zn+2].[Pb+2].C([O-])([O-])=O.C([O-])([O-])=O JMJUQLAAARXRJM-UHFFFAOYSA-J 0.000 title abstract description 6
- 235000019738 Limestone Nutrition 0.000 claims abstract description 106
- 239000006028 limestone Substances 0.000 claims abstract description 106
- JQJCSZOEVBFDKO-UHFFFAOYSA-N lead zinc Chemical group [Zn].[Pb] JQJCSZOEVBFDKO-UHFFFAOYSA-N 0.000 claims abstract description 85
- 238000009826 distribution Methods 0.000 claims abstract description 72
- 238000001914 filtration Methods 0.000 claims abstract description 69
- 238000002310 reflectometry Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 54
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 33
- 230000005855 radiation Effects 0.000 claims abstract description 26
- 241000132092 Aster Species 0.000 claims description 105
- 238000001228 spectrum Methods 0.000 claims description 54
- 239000010440 gypsum Substances 0.000 claims description 35
- 229910052602 gypsum Inorganic materials 0.000 claims description 35
- 229910000004 White lead Inorganic materials 0.000 claims description 32
- 238000000926 separation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 8
- 230000007480 spreading Effects 0.000 claims description 7
- 238000003892 spreading Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 29
- 239000011707 mineral Substances 0.000 abstract description 29
- 238000000605 extraction Methods 0.000 description 9
- 239000011435 rock Substances 0.000 description 9
- 238000011835 investigation Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005755 formation reaction Methods 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 125000005587 carbonate group Chemical group 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 239000011701 zinc Substances 0.000 description 4
- 229910052725 zinc Inorganic materials 0.000 description 4
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910001748 carbonate mineral Inorganic materials 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910001656 zinc mineral Inorganic materials 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 239000002734 clay mineral Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910021646 siderite Inorganic materials 0.000 description 1
- 238000009999 singeing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Processing (AREA)
Abstract
本发明属于矿产资源遥感识别技术领域,公开了一种交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用,获取高分辨率影像和遥感影像;遥感影像为多光谱卫星遥感影像;对高分辨率影像进行图像处理,确定石灰岩分布区域;根据石灰岩分布区域,对处理后的高分辨率图像进行解译,得到解译后的高分辨率图像;对遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的遥感影像;对遥感影像反射率图像在解译出的石灰岩分布区,进行匹配滤波运算,得到匹配滤波灰度图像;对灰度图像通过阈值划分,将代表铅锌矿矿床位置的高值部分划分出来。本发明能够在高效、快速、准确地识别次生氧化碳酸岩型铅锌矿床。
Description
技术领域
本发明属于矿产资源遥感识别技术领域,尤其涉及一种交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法、系统、设备及应用。
背景技术
铅锌矿是一种主要的有色金属矿产。铅锌矿分布广泛但不均衡、贫矿多富矿少。碳酸盐型铅锌矿床是一种以碳酸盐岩(石灰岩)为容矿围岩的铅锌矿床,是铅锌矿床的重要工业类型之一。铅锌用途广泛,广泛用于电气工业、机械工业、军事工业、冶金工业、化学工业、轻工业和医药业等领域。此外,铅金属在核工业、石油工业等部门也有较多的用途。世界上80%以上的铅被用于生产铅酸电池。锌是重要的有色金属原材料,锌在有色金属的消费中仅次于铜和铝,锌金属具有良好的压延性、耐磨性和抗腐性,能与多种金属制成物理与化学性能更加优良的合金。随着经济发展和尖端科技产业的扩大,铅锌矿的需求量越来越大,逐渐呈现供不应求的局面。因此,寻找次生氧化碳酸盐型铅锌矿对于我国国民紧急发展和国防安全具有重要的意义。
目前的地质矿产勘查工作的主战往往处于自然条件恶劣、道路交通不发达的西部地区、偏远地区,该类地区自然环境艰险,道路通行调节极差,严重制约了矿产勘查工作的开展,造成花费了大量的人力、财力、物力,却达不到相应效果甚至毫无效果。为此,前人提出过一些基于国外遥感数据(Landsat TM/ETM、WorldView-2和ASTER数据)的矿产快速勘查方法,这些方法主要是针对地质构造中的控矿构造进行解译,进而预测有利于矿床产出的构造部位。这些方法针对一些构造控矿型的矿床比较有效。但是对于由于沉积作用产生的矿床,尤其是次生氧化碳酸岩型铅锌矿,这些方法没有专门针对与成矿相关的次生氧化碳酸盐矿物的遥感光谱响应提出有效的处理方法。利用遥感技术探测构造控矿型的矿产的关键在于全面解译区内的断裂构造,图像解译和处理的方式比较简单直观。但对于一些与断裂构造无关的沉积型矿产,这种方法难以发挥作用。在沉积型矿产中,碳酸盐型铅锌矿赋存于石灰岩地层中,并且矿体富含白铅矿、菱锌矿、石膏、粘土矿物等指示矿物,这些矿物在ASTER数据的短波红外波段具有特征谱带而可以被识别。长期以来,遥感技术领域对矿床的指示矿物组合相对比较陌生,针对沉积型铅锌矿床指示矿物进行遥感识别的尝试更少。因此,急需一种方法能够在人迹罕至的高原、高山区内高效、快速、准确的识别碳酸盐型铅锌矿床。
目前铅锌矿的需求量越来越大,呈现供不应求的局面。寻找次生氧化碳酸盐型铅锌矿对于国民经济发展和国防安全具有重要意义。新疆、西藏、青海、甘肃等地区矿产资源丰富,但是自然环境恶劣、交通条件极差、地形起伏大,导致该地区地质工作程度低,矿产勘查工作程度低,效果差。目前应用的Landsat 系列数据源,由于Landsat系列数据由于卫星发射早,载荷性能比较落后,空间分辨率低,波段较少,有用信息被大量噪声信息混杂,严重影像勘查的精度。
通过上述分析,现有技术存在的问题及缺陷为:
目前应用的Landsat系列数据源,空间分辨率低,信噪比较差,有用信息被大量无用信息混杂,严重影像勘查的精度。
目前勘测方法没有专门针对与成矿相关的次生氧化碳酸盐矿物的遥感光谱响应提出有效的处理方法。
目前的勘测方法针对一些构造容矿型的矿床比较有效,但是对于由于沉积作用产生的矿床,尤其是次生氧化碳酸岩型铅锌矿无效。
发明内容
针对现有技术存在的问题,本发明提供了一种交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法、系统、设备及应用。
本发明是这样实现的,一种交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法,所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法包括:
获取遥感卫星(高分一号)高分辨率影像和ASTER遥感影像;ASTER遥感影像为多光谱卫星遥感影像。
对高分辨率影像进行图像处理,增强图幅内不同岩石之间的色彩及纹理差异,确定石灰岩分布区域。
根据石灰岩分布区域,对处理后的高分辨率图像进行解译,通过解译标定石灰岩地层的边界,得到解译后的高分辨率图像。
对ASTER遥感影像进行辐射校正和大气校正处理,辐射校正是将影像原始像素值标定为辐射量度值,辐射校正后的影像需要进行大气校正处理,得到像素值为反射率的ASTER影像。
辐射校正模型
L=Gain×DN+Offset。
L为辐射亮度值,Gain为增益,Offset为偏置,DN为像元亮度值。
大气校正模型
L为传感器像元接收到的总辐射亮度;ρ为像元表面反射率;ρe为像素周围平均表面反射率;S为大气球面反照率;La为大气后向散射辐射率;A和B为取决于大气条件和几何条件的两个系数。
在ASTER反射率图像上采集典型的具备白铅矿、石膏综合特征的图像光谱曲线,作为矿床的图面标准光谱曲线。
对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像,灰度图像像素值为0~ 1,值越接近1表示与矿床关系越近。
匹配滤波模型:
SMF(x)=(t-m)TS-1(x-m)。
其中,t、m、S和x分别是目标矢量、背景平均值、背景协方差和样本矢量。
对匹配滤波得到的灰度图像通过阈值划分,阈值通常取灰度图像的均值与方差之和,将代表铅锌矿矿床位置的高值部分划分出来。
进一步,所述对高分辨率影像进行图像处理,确定石灰岩分布区域具体包括:
(1)将高分辨率影像的B321波段组合,得到影像321波段组合图像;
(2)对影像B321波段组合图像进行去相关分析处理,得到处理后的高分辨率影像;
(3)根据石灰岩在高分辨率影像上色调为灰色切为北西向展布,确定处理后的高分辨率图像上的石灰岩分布区域。
进一步,所述对影像B321波段组合图像进行去相关分析处理,得到处理后的高分辨率影像包括:
最小噪声分离变换,对影像4波段图像进行最小噪声分离变换,得到影像的4个主分量;
线性拉伸:将影像最小噪声分离变换的各个主分量按照像素灰度值进行线性拉伸增强,得到增强后的主分量图像;
最小噪声分离逆变换:对各个增强后的主分量进行最小噪声分离逆变换,得到处理后的高分辨率图像。
进一步,所述对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER影像包括:在进行图像运算时,将非目标区及非目标地物经数字处理归入干扰窗,通过掩膜获得基础图像,进行主分量分析;
匹配滤波器经过滤波后,使得滤波器输出端的信号瞬时功率与噪声平均功率的比值最大,当有用信号与噪声同时进入滤波器时,有用信号在某一瞬间出现尖峰值,而噪声信号受到抑制;
采用匹配滤波算法,对ASTER反射率图像,在图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图;根据ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息。
进一步,所述对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像具体包括:
对ASTER反射率图像按照高分辨率影像解译的石灰岩分布区,进行掩膜处理,使得后续处理只在石灰岩分布区进行;
对ASTER反射率图像上选择具有碳酸盐和羟基吸收谱带的图像光谱,这种光谱信息表明含有白铅矿和石膏的混合物;
对混合有白铅矿和石膏信息的图像光谱作为端元光谱,在ASTER反射率图像中高分辨率影像解译的石灰岩分布区上进行匹配滤波运算,得到匹配滤波灰度图像,灰度值越大代表匹配度越高,成为矿床的可能性越大。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取高分辨率影像和ASTER遥感影像;ASTER遥感影像为多光谱卫星遥感影像;
对高分辨率影像进行图像处理,确定石灰岩分布区域;
根据石灰岩分布区域,对处理后的高分辨率图像进行解译,得到解译后的高分辨率图像;
对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的 ASTER影像;
对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像;
对匹配滤波得到的灰度图像通过阈值划分,将代表铅锌矿矿床位置的高值部分划分出来。
本发明的另一目的在于提供一种实施所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统,所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统包括:
影像获取模块,用于获取高分辨率影像和ASTER多光谱影像;所述ASTER 多光谱影像为14个波段的中分辨率多光谱卫星遥感图像;
石灰岩分布区域解译模块,用于高分辨率影像进行图像处理,解译获得石灰岩分布区域;
解译后的高分一号高分辨率输出模块,用于根据石灰岩分布区域,对处理后的高分辨率影像进行输出;
ASTER图像处理模块,用于对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER图像;
铅锌矿图像端元光谱采集模块,用于对ASTER反射率图像参照光谱库中白铅矿和石膏的光谱综合特点,进行铅锌矿图像端元光谱采集;
匹配滤波处理模块,用于对ASTER反射率图像,依照铅锌矿图像端元光谱进行匹配滤波运算,得到ASTER匹配滤波灰度图像;
铅锌矿矿床位置信息确定模块,用于根据ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息。
进一步,所述石灰岩分布区域解译模块具体包括:
高分一号影像321波段组合图像获得单元,用于将高分辨率影像与321波段融合,得到影像波段融合图像;
处理后的高分一号高分辨率图像获取单元,用于对影像321波段组合图像进行去相关分析处理,得到处理后的高分辨率图像;
石灰岩分布区域确定单元,用于根据石灰岩在高分辨率影像上的色调为灰色切为北西向展布,确定处理后的高分辨率图像上的石灰岩分布区域。
进一步,所述ASTER图像处理模块具体包括:
ASTER反射率图像得到单元,用于对ASTER遥感影像进行辐射定标和大气校正处理,得到像素值为反射率数据的ASTER图像;
匹配滤波处理单元,用于采用匹配滤波算法,对ASTER反射率图像,在图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图。
本发明的另一目的在于提供一种矿产资源遥感识别方法,所述矿产资源遥感识别方法使用所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
本发明获取高分辨率影像和ASTER遥感影像;高分率影像的几何分辨率高,地表物体更清晰,从几何形态分析更准确,ASTER遥感影像为多光谱卫星遥感影像,具有14个波段,反映地表物质的物理、化学属性更准确;两者结合能够发挥各自在几何分辨率和光谱性能的优势;
对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像。白铅矿、石膏的综合特征光谱曲线是次生氧化碳酸盐型铅锌矿表现出来的专有特征,是本发明最终探测铅锌矿潜在位置的关键标志。
本发明是专门针对次生氧化碳酸盐型铅锌矿提出的遥感识别方法,可应用于高寒、高海拔的基岩裸露地区的铅锌矿勘查,这些地区重型勘查设备难以抵达、传统勘查成本很高。因此本发明对降低这类地区的铅锌矿找矿勘查成本极为重要。
本发明提供的方法获取与铅锌矿密切相关的特征矿物组合,发现其矿物组合为碳酸盐矿物和石膏矿物的组合。解决了选择正确的特征矿物组合并采集综合的特征图像光谱的难点问题。
为了说明本发明对生氧化碳酸岩型铅锌矿提取的效果,采用Landsat 8数据也进行了实例矿区岩性和矿床的提取,结果如表1和表2所示。表1为Landsat 8数据的提取结果,其分类总体精度和矿化石灰岩提取精度分别为62.98%和 73.69%,表2为本发明的提取结果,其分类总体精度和矿化石灰岩提取精度分别为83.13%和79.65%。本发明获取的高分一号高分辨率影像进行主成分变换、对比度拉伸和主成分逆变换的图像处理,增强不同岩石图像对比度,便于划定石灰岩分布区域,并根据此石灰岩分布区域,对处理后的高分一号高分辨率图像进行解译,得到解译后的高分一号高分辨率图像;对获取的ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率数据的ASTER图像;采集具有白铅矿、石膏综合光谱特征的图像光谱曲线,采集图像特征光谱是重要环节,关键是选择6波段有石膏弱吸收谱带、9波段有碳酸盐强吸收谱带的综合光谱曲线,在解译出的石灰岩分布区域依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像,最后通过阈值划分,将代表铅锌矿矿床位置的高值位置划分出来;通过以高分一号高分辨率影像为基础,划定石灰岩的分布区域,并结合能够提取铅锌矿光谱信息的ASTER遥感影像,进而在较短时间内高效、快速、准确地确定次生氧化型铅锌矿的位置信息。本发明能够在人迹罕至的高山高原荒漠区域内高效、快速、准确地识别次生氧化碳酸岩型铅锌矿床。
本发明提供了基于遥感技术的次生氧化碳酸盐型铅锌矿的识别方法及系统,能够在较短时间内高效、快速、准确地识别次生氧化碳酸盐型铅锌矿床。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法流程图。
图2是本发明实施例提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统的结构示意图;
图2中:1、影像获取模块;2、石灰岩分布区域解译模块;2-1、高分一号影像321波段组合图像获得单元;2-2、处理后的高分一号高分辨率图像获取单元;2-3、石灰岩分布区域确定单元;3、解译后的高分一号高分辨率输出模块; 4、ASTER图像处理模块;4-1、ASTER反射率图像得到单元;4-2、匹配滤波处理单元;5、铅锌矿图像端元光谱采集模块;6、匹配滤波处理模块;7、铅锌矿矿床位置信息确定模块。
图3是本发明实施例提供的新疆火烧云矿区高分一号高分辨率影像解译后的图像示意图。
图4是本发明实施例提供的新疆火烧云矿区含矿石灰岩目标图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法、系统、设备及应用,下面结合附图对本发明作详细的描述。
卫星遥感技术的发展和成熟为开发这种方法提供了良好的基础,我国现有高分一号卫星,它具有几何分辨率高、重访周期短、免费使用的优点。ASTER 多光谱遥感数据虽然几何分辨率低,但具有光谱波段较多的优点。因此两种数据相结合,可以发挥各自的优势,为矿产资源勘查提供有效的技术方法支撑。
如图1所示,本发明提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法包括以下步骤:
S101:获取高分一号高分辨率影像和ASTER遥感影像;ASTER遥感影像为多光谱卫星遥感影像;
S102:对高分一号高分辨率影像进行图像处理,确定石灰岩分布区域;
S103:根据石灰岩分布区域,对处理后的高分一号高分辨率图像进行解译,得到解译后的高分一号高分辨率图像;
S104:对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER影像;
S105:对ASTER反射率图像在高分一号解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像;
S106:对匹配滤波得到的灰度图像通过阈值划分,将代表铅锌矿矿床位置的高值部分划分出来。
步骤S104中,辐射校正模型
L=Gain×DN+Offset;
L为辐射亮度值,Gain为增益,Offset为偏置,DN为像元亮度值;
大气校正模型
L为传感器像元接收到的总辐射亮度;ρ为像元表面反射率;ρe为像素周围平均表面反射率;S为大气球面反照率;La为大气后向散射辐射率;A和B为取决于大气条件和几何条件的两个系数。
步骤S105中,匹配滤波模型:
SMF(x)=(t-m)TS-1(x-m);
其中,t、m、S和x分别是目标矢量、背景平均值、背景协方差和样本矢量。
本发明提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法仅仅是一个具体实施例而已。本发明的遥感卫星可以采用高分一号,也可以采用其他的遥感卫星。
本发明以遥感图像处理软件ENVI、ERDAS、PCI等为数字图像处理平台,采用有利于石灰岩识别的图像处理方案,对高分一号高分辨率图像进行处理。
根据高分一号高分辨率影像特点,选择B321、PCA321、MNF321波段组合,所含信息量丰富,有利于石灰岩识别。对图像进行融合和正射纠正,获得供石灰岩解译的遥感底图。对高分一号高分辨率影像以B321波段组合进行去相关分析,突出石灰岩的信息。去相关分析是对图像的变换进行对比度拉伸处理,该方法能有效的降低不同波段之间的相关性,突出不同地质体之间的信息反差。
因此,步骤S102对高分一号高分辨率影像进行图像处理,确定石灰岩分布区域具体包括如下:
步骤1021,将所述高分一号高分辨率影像的B321波段组合,得到高分一号影像321波段组合图像;
步骤1022,对所述高分一号影像B321波段组合图像进行去相关分析处理,得到处理后的高分一号高分辨率影像;
步骤1023,根据石灰岩在所述高分一号高分辨率影像上色调为灰色切为北西向展布,确定所述处理后的高分一号高分辨率图像上的石灰岩分布区域。
步骤1022具体包括:
最小噪声分离变换:对所述高分一号影像4波段图像进行最小噪声分离变换,得到所述高分一号影像的4个主分量;
线性拉伸:将所述高分一号影像最小噪声分离变换的各个所述主分量按照像素灰度值进行线性拉伸增强,得到增强后的主分量图像;
最小噪声分离逆变换:对各个所述增强后的主分量进行最小噪声分离逆变换,得到处理后的高分一号高分辨率图像。
ASTER遥感影像是新一代的对地观测卫星遥感数据,ASTER传感器分成三个独立的子系统,分别处于可见光/近红外、短波红外、热红外波段。ASTER影像的第一至第三波段位于可见光/近红外部分,空间分辨率为15米;第四至第九波段位于短波红外部分,空间分辨率为30米;第十至第十四波段位于热红外部分,地面分辨率为90米。在进行图像运算时,遥感数据覆盖范围内的干扰地物 (干河道、冲积扇、冰、雪、云、湖水、雪域周边湿地、河道两测的湿地、沼泽以及阴影等)参与计算,会对计算结果产生影响。去干扰步骤的目的是通过波谱特征研究,灵活选用不同的图像计算方法,将非目标区及非目标地物经数字处理归入干扰窗,通过掩膜获得基础图像,以便进行主分量分析,尽可能地减少干扰物对异常提取工作产生的影响,详细见表1。
表1 ASTER遥感影像干扰地物的去处方法
干扰地物 | 去除方法 | 备注 |
冰雪 | B9、B1波段高端切割 | |
阴影、水体 | B9/B1比值 | |
植被 | (B3-B2)/(B3+B2) | |
盐碱地 | B7高端切割 | |
云 | B7、B9高端切割 |
匹配滤波器是指经过滤波后,使得滤波器输出端的信号瞬时功率与噪声平均功率的比值(即是信噪比SNR)最大,当有用信号与噪声同时进入滤波器时,有用信号在某一瞬间出现尖峰值,而噪声信号受到抑制。与矿床有关的蚀变矿物往往代表一种隐藏在噪声中的弱信息,一般的图像处理方法难以将占主要地位的噪声完全去除。而匹配滤波可以实现突出有用的弱信息,同时抑制与矿床无关的噪声信号。
采用匹配滤波算法,对所述ASTER反射率图像,在高分一号图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图。根据所述ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息。
因此,步骤S105对ASTER反射率图像在高分一号解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像具体包括如下:
对所述ASTER反射率图像按照高分一号高分辨率影像解译的石灰岩分布区,进行掩膜处理,使得后续处理只在石灰岩分布区进行;
对所述ASTER反射率图像上选择具有碳酸盐和羟基吸收谱带的图像光谱,这种光谱信息表明含有白铅矿和石膏的混合物;
对所述混合有白铅矿和石膏信息的图像光谱作为端元光谱,在所述ASTER 反射率图像中高分一号高分辨率影像解译的石灰岩分布区上进行匹配滤波运算,得到匹配滤波灰度图像,灰度值越大代表匹配度越高,成为矿床的可能性越大。
如图2所示,本发明提供的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统包括:
影像获取模块1,用于获取高分一号高分辨率影像和ASTER多光谱影像;所述ASTER多光谱影像为14个波段的中分辨率多光谱卫星遥感图像;
石灰岩分布区域解译模块2,用于所述高分一号高分辨率影像进行图像处理,解译获得石灰岩分布区域;
解译后的高分一号高分辨率输出模块3,用于根据所述石灰岩分布区域,对处理后的所述高分一号高分辨率影像进行输出;
ASTER图像处理模块4,用于对所述ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER图像;
铅锌矿图像端元光谱采集模块5,用于对所述ASTER反射率图像参照光谱库中白铅矿和石膏的光谱综合特点,进行铅锌矿图像端元光谱采集;
匹配滤波处理模块6,用于对所述ASTER反射率图像,依照铅锌矿图像端元光谱进行匹配滤波运算,得到ASTER匹配滤波灰度图像;
铅锌矿矿床位置信息确定模块7,用于根据所述ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息。
本发明的石灰岩分布区域解译模块2,具体包括:
高分一号影像321波段组合图像获得单元2-1,用于将所述高分一号高分辨率影像与321波段融合,得到高分一号影像321波段融合图像;
处理后的高分一号高分辨率图像获取单元2-2,用于对所述高分一号影像 321波段组合图像进行去相关分析处理,得到处理后的高分一号高分辨率图像;
石灰岩分布区域确定单元2-3,用于根据石灰岩在所述高分一号高分辨率影像上的色调为灰色切为北西向展布,确定所述处理后的高分一号高分辨率图像上的石灰岩分布区域。
本发明的ASTER图像处理模块4,具体包括:
ASTER反射率图像得到单元4-1,用于对所述ASTER遥感影像进行辐射定标和大气校正处理,得到像素值为反射率数据的ASTER图像;
匹配滤波处理单元4-2,用于采用匹配滤波算法,对所述ASTER反射率图像,在高分一号图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图。
下面结合实验对本发明的技术效果作详细的描述。
本实验以新疆火烧云次生氧化碳酸岩型铅锌矿作为实验区,火烧云铅锌矿床位于新疆和田县西南195°方向的喀喇昆仑山区,海拔5400-5700m。地区出露上三叠统克勒青河组、中侏罗统龙山组及第四系。龙山组分下段砂砾岩段和上段石灰岩段。上段石灰岩段下步为铅锌矿体主要赋矿岩层。
火烧云铅锌矿区内目前共两个铅锌矿带(Ⅱ号和Ⅲ号)8个矿体,Ⅱ号矿带南北长260m,宽160m,Ⅲ号矿带南北长2280m东西宽1400m,矿体厚度 3.47-46.27m。Pb品味0.25%-13.3%、Zn品味0.80%-37.95%。
对收集的高分一号高分辨率影像进行图像处理,按照B321波段进行组合,石灰岩在所述高分一号高分辨率影像上色调为灰色切为北西向展布,确定所述处理后的高分一号高分辨率图像上的石灰岩分布区域。根据以上解译标志,对矿区的石灰岩进行解译,共解译出石灰岩出露面积,见图3中黑色线条圈定的灰色区域。对收集的ASTER遥感影像开展数据预处理和图像处理工作,对所述ASTER反射率图像按照高分一号高分辨率影像解译的石灰岩分布区,进行掩膜处理,使得后续处理只在石灰岩分布区进行;对所述ASTER反射率图像上选择具有碳酸盐和羟基吸收谱带的图像光谱(6波段有石膏弱吸收谱带、9波段有碳酸盐强吸收谱带的综合光谱曲线),这种光谱信息表明含有白铅矿和石膏的混合物;对所述混合有白铅矿和石膏信息的图像光谱作为端元光谱,在所述ASTER 反射率图像中高分一号高分辨率影像解译的石灰岩分布区上进行匹配滤波运算,得到匹配滤波灰度图像,灰度值越大代表匹配度越高,成为矿床的可能性越大。对所述ASTER匹配滤波灰度图像进行灰度值统计,算出图像的均值和方差;以均值和方差的整数倍的加和作为阈值,选出大于该阈值的部分,该部分包含了铅锌矿矿床所在的地表位置。详细见图4灰色区域圈定的部分。然后野外对圈定的含矿石灰岩进行验证,其分布与矿区矿体的分布位置一致,证明本发明的技术方案实用有效。
由于高分一号高分辨率影像空间分辨率高,达到2m,而石灰岩出露宽度十几米至数十米不等,高分一号高分辨率影像经过处理后能够较清晰的反映石灰岩地层的分布。而岩石,尤其是石膏、白铅矿在短波红外波段具有特征吸收带,有助于识别铅锌矿信息。因此,本发明提供的技术方案是在以高分一号高分辨率影像为基础,识别石灰岩信息,探测石灰岩分布区域,并结合ASTER多光谱遥感数据,提取白铅矿、石膏等含矿信息,进而圈定含矿石灰岩,最后通过野外调查验证,寻找铅锌矿床,不仅避免了仅仅只用Landsat系列遥感数据,导致空间分辨率低,异常位置不够准确,且混杂噪声,严重影像提取精度的问题,而且还实现高海拔、艰险地区次生氧化碳酸盐型铅锌矿的快速找矿,为矿产勘查工作服务,提高工作效率,节约国家和社会投入的资金。所以本发明提供的方法或者系统,能够在较短时间内高效、快速、准确地识别次生氧化碳酸盐型铅锌矿产,且前人尚未提出,本发明技术能够填补相关领域的空白,对指导找矿工作具有一定意义。本发明的具体效果还包括表2、表3所示内容。
表2 Landsat 8数据提取矿化石灰岩精度混淆矩阵
分类 | 泥岩 | 湖积物 | 砾岩 | 石灰岩 | 矿化石灰岩 |
泥岩 | 46.49 | 15.27 | 7.66 | 4.02 | 13.42 |
湖积物 | 8.74 | 81.88 | 8.03 | 1.50 | 3.59 |
砾岩 | 3.34 | 1.65 | 61.55 | 17.19 | 0.43 |
石灰岩 | 13.05 | 1.17 | 22.56 | 65.49 | 8.86 |
矿化石灰岩 | 28.38 | 0.02 | 0.20 | 11.80 | 73.69 |
合计 | 100 | 100 | 100 | 100 | 100 |
总体精度:62.98
表3本发明方法提取矿化石灰岩精度混淆矩阵
分类 | 河流沉积物 | 湖积物 | 泥岩 | 砾岩 | 石灰岩 | 矿化石灰岩 |
河流沉积物 | 83.22 | 0.12 | 2.09 | 0.10 | 0.19 | 0.12 |
湖积物 | 6.36 | 99.06 | 0.20 | 32.54 | 5.43 | 3.09 |
泥岩 | 2.31 | 0.20 | 78.12 | 1.72 | 3.32 | 1.58 |
砾岩 | 7.90 | 0.28 | 6.54 | 20.32 | 15.23 | 6.54 |
石灰岩 | 0.10 | 0.18 | 11.87 | 28.89 | 50.50 | 9.02 |
矿化石灰岩 | 0.11 | 0.16 | 1.18 | 16.42 | 25.32 | 79.65 |
合计 | 100 | 100 | 100 | 100 | 100 | 100 |
总体精度:83.13%。
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。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法,其特征在于,所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法包括:
获取遥感卫星高分辨率影像和多光谱卫星遥感ASTER遥感影像;
对高分辨率影像进行图像处理,确定石灰岩分布区域;
根据石灰岩分布区域,对处理后的高分辨率图像进行解译,得到解译后的高分辨率图像;
对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER影像;
对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像;
对匹配滤波得到的灰度图像通过阈值划分,将代表铅锌矿矿床位置的高值部分划分出来;
所述对ASTER反射率图像在解译出的石灰岩分布区,依照白铅矿、石膏综合特征光谱曲线进行匹配滤波运算,得到匹配滤波灰度图像具体包括:
对ASTER反射率图像按照高分辨率影像解译的石灰岩分布区,进行掩膜处理,使得后续处理只在石灰岩分布区进行;
对ASTER反射率图像上选择具有碳酸盐和羟基吸收谱带的图像光谱,这种光谱信息表明含有白铅矿和石膏的混合物;
对混合有白铅矿和石膏信息的图像光谱作为端元光谱,在ASTER反射率图像中高分辨率影像解译的石灰岩分布区上进行匹配滤波运算,得到匹配滤波灰度图像,灰度值越大代表匹配度越高,成为矿床的可能性越大;
匹配滤波模型:
SMF(x)=(t-m)TZ-1(x-m);
其中,t、m、Z和x分别是目标矢量、背景平均值、背景协方差和样本矢量。
2.如权利要求1所述的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法,其特征在于,所述对高分辨率影像进行图像处理,确定石灰岩分布区域具体包括:
(1)将高分辨率影像的B321波段组合,得到影像B321波段组合图像;
(2)对影像B321波段组合图像进行去相关分析处理,得到处理后的高分辨率影像;
(3)根据石灰岩在高分辨率影像上色调为灰色且为北西向展布,确定处理后的高分辨率图像上的石灰岩分布区域。
3.如权利要求2所述的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法,其特征在于,所述对影像B321波段组合图像进行去相关分析处理,得到处理后的高分辨率影像包括:
最小噪声分离变换,对影像4波段图像进行最小噪声分离变换,得到影像的4个主分量;
线性拉伸:将影像最小噪声分离变换的各个主分量按照像素灰度值进行线性拉伸增强,得到增强后的主分量图像;
最小噪声分离逆变换:对各个增强后的主分量进行最小噪声分离逆变换,得到处理后的高分辨率图像。
4.如权利要求1所述的交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法,其特征在于,所述对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER影像包括:在进行图像运算时,将非目标区及非目标地物经数字处理归入干扰窗,通过掩膜获得基础图像,进行主分量分析;
匹配滤波器经过滤波后,使得滤波器输出端的信号瞬时功率与噪声平均功率的比值最大,当有用信号与噪声同时进入滤波器时,有用信号在某一瞬间出现尖峰值,而噪声信号受到抑制;
采用匹配滤波算法,对ASTER反射率图像,在图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图;根据ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息;
辐射校正模型
L=Gain×DN+Offset;
L为辐射亮度值,Gain为增益,Offset为偏置,DN为像元亮度值;
大气校正模型
L*为传感器像元接收到的总辐射亮度;ρ为像元表面反射率;ρe为像素周围平均表面反射率;S为大气球面反照率;为大气后向散射辐射率;A和B为取决于大气条件和几何条件的两个系数。
5.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1~4任意一项所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法的步骤。
6.一种实施权利要求1~4任意一项所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿勘测方法的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统,其特征在于,所述交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统包括:
影像获取模块,用于获取高分辨率影像和ASTER多光谱影像;所述ASTER多光谱影像为14个波段的中分辨率多光谱卫星遥感图像;
石灰岩分布区域解译模块,用于高分辨率影像进行图像处理,解译获得石灰岩分布区域;
解译后的高分一号高分辨率输出模块,用于根据石灰岩分布区域,对处理后的高分辨率影像进行输出;
ASTER图像处理模块,用于对ASTER遥感影像进行辐射校正和大气校正处理,得到像素值为反射率的ASTER图像;
铅锌矿图像端元光谱采集模块,用于对ASTER反射率图像参照光谱库中白铅矿和石膏的光谱综合特点,进行铅锌矿图像端元光谱采集;
匹配滤波处理模块,用于对ASTER反射率图像,依照铅锌矿图像端元光谱进行匹配滤波运算,得到ASTER匹配滤波灰度图像;
铅锌矿矿床位置信息确定模块,用于根据ASTER匹配滤波灰度图像,计算图像均值和方差,确定阈值,选择灰度值大于阈值的像素,得到铅锌矿的位置信息。
7.如权利要求6所述的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统,其特征在于,所述石灰岩分布区域解译模块具体包括:
高分一号影像B321波段组合图像获得单元,用于将高分辨率影像与B321波段融合,得到影像波段融合图像;
处理后的高分一号高分辨率图像获取单元,用于对影像B321波段组合图像进行去相关分析处理,得到处理后的高分辨率图像;
石灰岩分布区域确定单元,用于根据石灰岩在高分辨率影像上的色调为灰色切为北西向展布,确定处理后的高分辨率图像上的石灰岩分布区域。
8.如权利要求6所述的交通困难地区沉积性次生氧化碳酸岩型铅锌矿识别系统,其特征在于,所述ASTER图像处理模块具体包括:
ASTER反射率图像得到单元,用于对ASTER遥感影像进行辐射定标和大气校正处理,得到像素值为反射率数据的ASTER图像;
匹配滤波处理单元,用于采用匹配滤波算法,对ASTER反射率图像,在图像确定的石灰岩分布区内,依照白铅矿、石膏混合特征光谱,进行匹配滤波运算,得到匹配滤波灰度图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219403.7A CN112379453B (zh) | 2020-11-04 | 2020-11-04 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011219403.7A CN112379453B (zh) | 2020-11-04 | 2020-11-04 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112379453A CN112379453A (zh) | 2021-02-19 |
CN112379453B true CN112379453B (zh) | 2024-05-17 |
Family
ID=74579365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011219403.7A Active CN112379453B (zh) | 2020-11-04 | 2020-11-04 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112379453B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239779B (zh) * | 2021-05-10 | 2023-04-21 | 中国地质调查局西安矿产资源调查中心 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
CN115508303A (zh) * | 2022-09-20 | 2022-12-23 | 核工业北京地质研究院 | 一种数字化编录中的岩心箱信息屏蔽方法 |
CN116468724B (zh) * | 2023-06-08 | 2023-08-29 | 四川亿欣新材料有限公司 | 一种基于光学传感技术的碳酸钙含量测试方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042388A2 (en) * | 2008-10-10 | 2010-04-15 | Geco Technology B.V. | Near-surface geomorphological characterization based on remote sensing data |
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 |
WO2018061561A1 (ja) * | 2016-09-29 | 2018-04-05 | Jx金属探開株式会社 | 金属化合物の存在推定方法、金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法 |
JP2018059888A (ja) * | 2016-09-29 | 2018-04-12 | Jx金属探開株式会社 | 金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法 |
CN108107481A (zh) * | 2017-12-04 | 2018-06-01 | 中国石油天然气股份有限公司 | 铀矿勘探有利远景区的确定方法和装置 |
CN108181664A (zh) * | 2018-01-18 | 2018-06-19 | 中国地质调查局西安地质调查中心 | 一种伟晶岩型稀有金属矿的识别方法及系统 |
WO2018164426A1 (ko) * | 2017-03-06 | 2018-09-13 | 한국지질자원연구원 | 공작석 초분광 영상을 이용한 반암동 광체 탐지 방법 |
CN108573206A (zh) * | 2017-10-11 | 2018-09-25 | 成都理工大学 | 基于层次分析法的成矿预测方法 |
CN110082839A (zh) * | 2019-05-27 | 2019-08-02 | 青海省地质调查院 | 一种隐爆角砾岩型铜多金属矿找矿方法 |
CN110726677A (zh) * | 2019-10-18 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种污染场地遥感探测与空间热区识别系统和方法 |
CN110991075A (zh) * | 2019-12-16 | 2020-04-10 | 中国地质调查局西安地质调查中心 | 一种金属矿产快速勘查评价方法 |
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 |
-
2020
- 2020-11-04 CN CN202011219403.7A patent/CN112379453B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010042388A2 (en) * | 2008-10-10 | 2010-04-15 | Geco Technology B.V. | Near-surface geomorphological characterization based on remote sensing data |
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 |
WO2018061561A1 (ja) * | 2016-09-29 | 2018-04-05 | Jx金属探開株式会社 | 金属化合物の存在推定方法、金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法 |
JP2018059888A (ja) * | 2016-09-29 | 2018-04-12 | Jx金属探開株式会社 | 金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法 |
WO2018164426A1 (ko) * | 2017-03-06 | 2018-09-13 | 한국지질자원연구원 | 공작석 초분광 영상을 이용한 반암동 광체 탐지 방법 |
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 |
CN108573206A (zh) * | 2017-10-11 | 2018-09-25 | 成都理工大学 | 基于层次分析法的成矿预测方法 |
CN108107481A (zh) * | 2017-12-04 | 2018-06-01 | 中国石油天然气股份有限公司 | 铀矿勘探有利远景区的确定方法和装置 |
CN108181664A (zh) * | 2018-01-18 | 2018-06-19 | 中国地质调查局西安地质调查中心 | 一种伟晶岩型稀有金属矿的识别方法及系统 |
CN110082839A (zh) * | 2019-05-27 | 2019-08-02 | 青海省地质调查院 | 一种隐爆角砾岩型铜多金属矿找矿方法 |
CN110726677A (zh) * | 2019-10-18 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种污染场地遥感探测与空间热区识别系统和方法 |
CN110991075A (zh) * | 2019-12-16 | 2020-04-10 | 中国地质调查局西安地质调查中心 | 一种金属矿产快速勘查评价方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112379453A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112379453B (zh) | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 | |
Kruse et al. | Fifteen years of hyperspectral data: northern Grapevine Mountains, Nevada | |
CN102622738B (zh) | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 | |
Dickson et al. | Interpreting aerial gamma-ray surveys utilising geomorphological and weathering models | |
Mbianya et al. | Remote sensing satellite-based structural/alteration mapping for gold exploration in the Ketté goldfield, Eastern Cameroon | |
CN109635713A (zh) | 高原山地阴影区冰川识别方法 | |
CN116932994A (zh) | 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 | |
CN111766638A (zh) | 一种强剥蚀区的金矿勘探方法 | |
Fan et al. | Application of an airborne hyper-spectral survey system CASI/SASI in the gold-silver-lead-zinc ore district of Huaniushan, Gansu, China | |
Ghorbani et al. | Regional scale prospecting for non-sulphide zinc deposits using ASTER data and different spectral processing methods | |
Zhao et al. | Mapping alteration minerals in the Pulang porphyry copper ore district, SW China, using ASTER and WorldView-3 data: Implications for exploration targeting | |
Bouzidi et al. | Mineralogical mapping using EO-1 Hyperion data for iron mine identification | |
Xu et al. | Study on clues for gold prospecting in the Maizijing-Shulonggou area, Ningxia Hui autonomous region, China, using ALI, ASTER and WorldView-2 imagery | |
Araffa et al. | Integrated geophysical, remote sensing and geochemical investigation to explore gold-mineralizations and mapping listvenites at Wadi Haimur, Eastern Desert, Egypt | |
Mendes et al. | Airborne geophysics, petrophysics, geochemistry and geology of Ni-Cu (Co-Au-PGE) footprints to define exploration targets in mafic-ultramafic rocks | |
Xiong et al. | Automatic defect detection in operational high-speed railway tunnels guided by train-mounted ground penetrating radar data | |
Muavhi et al. | Mapping of potential rare earth deposits in the Schiel alkaline complex using sentinel-2B multispectral sensor | |
Wu et al. | Mapping alteration zones in the Southern section of Yulong copper belt, Tibet using multi-source remote sensing data | |
Li et al. | Application of object-oriented classification with hierarchical multi-scale segmentation for information extraction in Nonoc Nickel mine, the Philippines | |
Abay et al. | Mapping of ferric (Fe3+) and ferrous (Fe2+) iron oxides distribution using ASTER and Landsat 8 OLI data, in Negash Lateritic iron deposit, Northern Ethiopia | |
Chen et al. | Extracting hydrothermally altered information using WorldView-3 data: a case study of Huitongshan, NW Gansu, China | |
Putra | Mapping Apatite-Ilmenite Rare Earth Element Mineralized Zone using Fuzzy Logic Method in Sijuk District, Belitung | |
Andersson et al. | Geochemistry of soil in relation to air-borne geophysical data and bedrock geology in Hattfjelldal, northern Norway | |
Zhong et al. | TM and ETM image based monitoring on rocky desertification in region of the return farmland pasture or forest in Tiandong County Guangxi Province, China | |
Khojastehfar et al. | Sub-pixel Mineral Mapping of Serpentine and Magnesite for Chromite Exploration, Using Hyperion (EO1) Images |
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 |