CN113239779B - 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 - Google Patents

一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 Download PDF

Info

Publication number
CN113239779B
CN113239779B CN202110506744.0A CN202110506744A CN113239779B CN 113239779 B CN113239779 B CN 113239779B CN 202110506744 A CN202110506744 A CN 202110506744A CN 113239779 B CN113239779 B CN 113239779B
Authority
CN
China
Prior art keywords
malachite
image data
band
satellite image
worldview
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
Application number
CN202110506744.0A
Other languages
English (en)
Other versions
CN113239779A (zh
Inventor
何海洋
李士杰
王博
唐卫东
高永宝
魏立勇
李云昊
刘蓓
朱一龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Mineral Resources Survey Center Of China Geological Survey
Original Assignee
Xi'an Mineral Resources Survey Center Of China Geological Survey
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Mineral Resources Survey Center Of China Geological Survey filed Critical Xi'an Mineral Resources Survey Center Of China Geological Survey
Priority to CN202110506744.0A priority Critical patent/CN113239779B/zh
Publication of CN113239779A publication Critical patent/CN113239779A/zh
Application granted granted Critical
Publication of CN113239779B publication Critical patent/CN113239779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G06F2218/18—Classification; Matching by matching signal segments by plotting the signal segments against each other, e.g. analysing scattergrams
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Astronomy & Astrophysics (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请涉及一种基于孔雀石多波段逻辑运算模型的找矿方法及系统，其方法包括：获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；构建孔雀石多波段逻辑运算模型，利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。本申请通过孔雀石矿化异常得到铜矿找靶区，提高铜矿找靶区的精准度，方便于寻找铜矿。

Description

一种基于孔雀石多波段逻辑运算模型的找矿方法及系统
技术领域
本申请涉及遥感地质调查领域，尤其是涉及一种基于孔雀石多波段逻辑运算模型的找矿方法及系统。
背景技术
孔雀石又称铜绿，晶体形态常呈柱状或针状，是重要的宝石矿物，主要成分为碱式碳酸铜，其化学成分为Cu2(OH)2CO3，包含CuO71.95%、CO219.90%及H2O8.15%。孔雀石属单斜晶系，通常呈肾状、葡萄状和皮壳状集合体，具同心层状和放射纤维状结构。孔雀石有绿、孔雀绿及暗绿色等。浅绿色条痕，具有玻璃至金刚的光泽和透明度。其硬度为3.5至4，相对密度为4至4.5 g/cm3。孔雀石产于铜的硫化物矿床氧化带，常与其它含铜矿物共生，例如蓝铜矿、辉铜矿、赤铜矿和自然铜等，是铜找矿的重要标志之一。
目前，国内外针对遥感蚀变信息提取方面，多采用ASTER卫星传感器、TM卫星传感器及增强型专题制图仪ETM+等数据，针对这些数据均已形成了既定的蚀变信息提取方法及体系，主要利用主成分分析法或比值法等信息提取方法提取铝羟基Al-OH 异常、镁羟基Mg-OH 异常及铁染异常等信息。而针对铜矿找矿主要是使用Cu化探异常。
但是，目前针对孔雀石矿化异常的提取尚未有提取的技术方法，而Cu化探异常由于范围较大，划分的铜矿找靶区不够精准，不利于铜矿寻找。
发明内容
为了通过孔雀石矿化异常得到铜矿找靶区，提高铜矿找靶区的精准度，方便于寻找铜矿，本申请提供了一种基于孔雀石多波段逻辑运算模型的找矿方法及系统。
第一方面，本申请提供一种基于孔雀石多波段逻辑运算模型的找矿方法，采用如下的技术方案：
一种基于孔雀石多波段逻辑运算模型的找矿方法，包括：
获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；
对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；
构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；
根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区。
通过采用上述技术方案，通过高分辨率光学卫星对可能存在铜矿的待识别区域进行扫描，获取到待识别区域的高分辨率光学卫星图像数据，通过以前整理的关于待识别区域的地质资料获取到铜化探异常，对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，再利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。由于铜化探异常范围较大，划分的铜矿找靶区不够精准，将铜化探异常与孔雀石矿化异常进行叠加，从而提高了铜矿找靶区的精准度，方便于寻找铜矿。
可选的，所述获取待识别区域的高分辨率光学卫星图像数据及铜化探异常，包括：
读取高分辨率光学卫星WorldView-3对待识别区域进行扫描的卫星图像数据，得到WorldView-3卫星图像数据，所述WorldView-3卫星图像数据包括8个可见光-近红外波段和8个短波红外波段；
根据已知地质资料获取所述待识别区域的铜化探异常。
通过采用上述技术方案，高分辨率光学卫星具体为WorldView-3，WorldView-3除了提供0.31米分辨率的全色影像和8波段多光谱影像外，还提供8波段短波红外影像，因此，使用WorldView-3对待识别区域进行扫描得到WorldView-3卫星图像数据，包括8个可见光-近红外波段和8个短波红外波段。而利用以前对待识别区域进行的化探，即已知地质资料，就能获得待识别区域的铜化探异常。由于WorldView-3的分辨率为当下最高的，利用WorldView-3卫星图像数据，相比于ASTER卫星传感器、TM卫星传感器及增强型专题制图仪ETM+等数据，提高了数据精度。
可选的，所述对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，包括：
通过遥感图像处理软件的定标工具对所述WorldView-3卫星图像数据进行辐射校正；
通过所述遥感图像处理软件的大气校正功能对辐射校正后的所述WorldView-3卫星图像数据进行大气校正；
通过所述遥感图像处理软件的正射校正功能对大气校正后的所述WorldView-3卫星图像数据进行正射校正；
通过所述遥感图像处理软件的波段合成工具，对正射校正后的所述WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。
通过采用上述技术方案，依次通过遥感图像处理软件ENVI包括的定标工具、大气校正功能和正射校正功能，对WorldView-3卫星图像数据进行辐射校正、大气校正和正射校正，再通过波段合成工具，将WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。辐射校正是为了校正除了地面反射率之外的其他干扰因素。大气校正的目的是消除大气和光照等因素对地物反射的影响。正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程，除了能纠正系统因素产生的畸变之外，还可以校正地形引起的几何畸变。辐射校正、大气校正和正射校正之后进行波段合成，能够提高全波段WorldView-3卫星图像数据的准确性。
可选的，所述构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，包括：
根据ASTER标准波普数据库确定孔雀石对应所述全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定所述全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7；
从所述16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，所述第一波段比值用于表征所述孔雀石在0.78μm的吸收谷特征；
从所述16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，所述第二波段比值用于表征所述孔雀石在2.27μm的吸收谷特征；
对所述全波段WorldView-3卫星图像数据进行所述第一波段比值和所述第二波段比值处理，得到图像灰度值；
对所述图像灰度值进行统计分析，分别得到所述第一波段比值的第一平均值和第一标准方差及所述第二波段比值的第二平均值和第二标准方差；
根据所述第一平均值和所述第一标准方差进行异常阈值分割，确定所述第一波段比值对应的第一最优测试阈值，根据所述第二平均值和所述第二标准方差进行异常阈值分割，确定所述第二波段比值对应的第二最优测试阈值；
根据所述第一波段比值的表达式、所述第一最优测试阈值、所述第二波段比值的表达式及所述第二最优测试阈值，建立孔雀石多波段逻辑运算模型，所述孔雀石多波段逻辑运算模型的表达式为：
（(float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10）
其中，所述ge用于表征大于或等于，所述第一最优测试阈值的取值为1.08，所述第二最优测试阈值的取值为1.10；
根据所述孔雀石多波段逻辑运算模型，对所述WorldView-3卫星图像数据进行计算处理，得到所述待识别区域的孔雀石矿化异常。
通过采用上述技术方案，利用孔雀石在VNIR7和SWIR7具有明显的吸收谷特征，选择出VNIR2及SWIR3，构建表征孔雀石在0.78μm的吸收谷特征的第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，选择SWIR5，构建表征孔雀石在2.27μm的吸收谷特征的第二波段比值的表达式SWIR5/SWIR7，对波段比值处理后的图像灰度值进行统计分析，分别得到第一波段比值的第一平均值和第一标准方差及第二波段比值的第二平均值和第二标准方差，再进行异常阈值分割，确定第一波段比值对应的第一最优测试阈值及第二波段比值对应的第二最优测试阈值，建立孔雀石多波段逻辑运算模型，孔雀石多波段逻辑运算模型的表达式为：
（(float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10）
其中，ge用于表征大于或等于，第一最优测试阈值的取值为1.08，第二最优测试阈值的取值为1.10，基于孔雀石多波段逻辑运算模型，对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。利用孔雀石在WorldView-3卫星图像数据的VNIR7和SWIR7具有明显的吸收谷特征，构建孔雀石多波段逻辑运算模型，从而利用WorldView-3卫星图像数据得到孔雀石矿化异常。
可选的，所述根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区之后，还包括：
获取所述待识别区域的图像信息，根据所述图像信息进行图面查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常；
或，
获取所述待识别区域进行现场查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常。
通过采用上述技术方案，在得到铜矿找矿靶区之后，由于孔雀石矿化异常是一个异常值的浓集中心，而铜矿找矿靶区是以这个浓集中心辐射一定范围的区域，因此，为了验证孔雀石矿化异常在寻找铜矿中的效果，可以通过图面查证或现场查证的方式对孔雀石分布位置进行验证，孔雀石分布位置与孔雀石矿化异常的异常值的浓集中心重合，就表示找矿精准，如果位置差别较大，就表示需要重新优化孔雀石多波段逻辑运算模型。
第二方面，本申请提供一种基于孔雀石多波段逻辑运算模型的找矿系统，采用如下的技术方案：
一种基于孔雀石多波段逻辑运算模型的找矿系统，包括：
获取模块，用于获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；
预处理模块，用于对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；
孔雀石矿化异常提取模块，用于构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；
铜矿找矿模块，用于根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区。
通过采用上述技术方案，通过高分辨率光学卫星对可能存在铜矿的待识别区域进行扫描，获取模块获取到待识别区域的高分辨率光学卫星图像数据，并通过以前整理的关于待识别区域的地质资料获取到铜化探异常，预处理模块对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，孔雀石矿化异常提取模块利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，再利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，铜矿找矿模块根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。由于铜化探异常范围较大，划分的铜矿找靶区不够精准，将铜化探异常与孔雀石矿化异常进行叠加，从而提高了铜矿找靶区的精准度，方便于寻找铜矿。
可选的，所述获取模块包括：
卫星图像数据获取单元，用于读取高分辨率光学卫星WorldView-3对待识别区域进行扫描的卫星图像数据，得到WorldView-3卫星图像数据，所述WorldView-3卫星图像数据包括8个可见光-近红外波段和8个短波红外波段；
铜化探异常获取单元，用于根据已知地质资料获取所述待识别区域的铜化探异常。
通过采用上述技术方案，高分辨率光学卫星具体为WorldView-3，WorldView-3除了提供0.31米分辨率的全色影像和8波段多光谱影像外，还提供8波段短波红外影像，因此，卫星图像数据获取单元读取WorldView-3对待识别区域进行扫描得到WorldView-3卫星图像数据，包括8个可见光-近红外波段和8个短波红外波段。铜化探异常获取单元利用以前对待识别区域进行的化探，即已知地质资料，就能获得待识别区域的铜化探异常。由于WorldView-3的分辨率为当下最高的，利用WorldView-3卫星图像数据，相比于ASTER卫星传感器、TM卫星传感器及增强型专题制图仪ETM+等数据，提高了数据精度。
可选的，所述预处理模块包括：
辐射校正单元，用于通过遥感图像处理软件的定标工具对所述WorldView-3卫星图像数据进行辐射校正；
大气校正单元，用于通过所述遥感图像处理软件的大气校正功能对辐射校正后的所述WorldView-3卫星图像数据进行大气校正；
正射校正单元，用于通过所述遥感图像处理软件的正射校正功能对大气校正后的所述WorldView-3卫星图像数据进行正射校正；
波段合成单元，用于通过所述遥感图像处理软件的波段合成工具，对正射校正后的所述WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。
通过采用上述技术方案，辐射校正单元通过遥感图像处理软件ENVI的定标工具进行辐射校正，大气校正单元通过ENVI的大气校正功能进行大气校正，正射校正单元通过ENVI的正射校正功能进行正射校正，再通过波段合成工具，将WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。辐射校正是为了校正除了地面反射率之外的其他干扰因素。大气校正的目的是消除大气和光照等因素对地物反射的影响。正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程，除了能纠正系统因素产生的畸变之外，还可以校正地形引起的几何畸变。辐射校正、大气校正和正射校正之后进行波段合成，能够提高全波段WorldView-3卫星图像数据的准确性。
可选的，所述孔雀石矿化异常提取模块包括：
模型构建单元，用于根据ASTER标准波普数据库确定孔雀石对应所述全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定所述全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7；
所述模型构建单元，还用于从所述16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，所述第一波段比值用于表征所述孔雀石在0.78μm的吸收谷特征；
所述模型构建单元，还用于从所述16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，所述第二波段比值用于表征所述孔雀石在2.27μm的吸收谷特征；
所述模型构建单元，还用于对所述全波段WorldView-3卫星图像数据进行所述第一波段比值和所述第二波段比值处理，得到图像灰度值；
所述模型构建单元，还用于对所述图像灰度值进行统计分析，分别得到所述第一波段比值的第一平均值和第一标准方差及所述第二波段比值的第二平均值和第二标准方差；
所述模型构建单元，还用于根据所述第一平均值和所述第一标准方差进行异常阈值分割，确定所述第一波段比值对应的第一最优测试阈值，根据所述第二平均值和所述第二标准方差进行异常阈值分割，确定所述第二波段比值对应的第二最优测试阈值；
所述模型构建单元，还用于根据所述第一波段比值的表达式、所述第一最优测试阈值、所述第二波段比值的表达式及所述第二最优测试阈值，建立孔雀石多波段逻辑运算模型，所述孔雀石多波段逻辑运算模型的表达式为：
（(float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10）
其中，所述ge用于表征大于或等于，所述第一最优测试阈值的取值为1.08，所述第二最优测试阈值的取值为1.10；
孔雀石矿化异常提取单元，用于根据所述孔雀石多波段逻辑运算模型，对所述WorldView-3卫星图像数据进行计算处理，得到所述待识别区域的孔雀石矿化异常。
通过采用上述技术方案，模型构建单元利用孔雀石在VNIR7和SWIR7具有明显的吸收谷特征，选择出VNIR2及SWIR3，构建表征孔雀石在0.78μm的吸收谷特征的第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，选择SWIR5，构建表征孔雀石在2.27μm的吸收谷特征的第二波段比值的表达式SWIR5/SWIR7，对波段比值处理后的图像灰度值进行统计分析，分别得到第一波段比值的第一平均值和第一标准方差及第二波段比值的第二平均值和第二标准方差，再进行异常阈值分割，确定第一波段比值对应的第一最优测试阈值及第二波段比值对应的第二最优测试阈值，建立孔雀石多波段逻辑运算模型，孔雀石矿化异常提取单元基于孔雀石多波段逻辑运算模型，对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。利用孔雀石在WorldView-3卫星图像数据的VNIR7和SWIR7具有明显的吸收谷特征，构建孔雀石多波段逻辑运算模型，从而利用WorldView-3卫星图像数据得到孔雀石矿化异常。
可选的，所述系统还包括：
验证模块，用于获取所述待识别区域的图像信息，根据所述图像信息进行图面查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常；
或，
验证模块，用于获取所述待识别区域进行现场查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常。
通过采用上述技术方案，在得到铜矿找矿靶区之后，由于孔雀石矿化异常是一个异常值的浓集中心，而铜矿找矿靶区是以这个浓集中心辐射一定范围的区域，因此，为了验证孔雀石矿化异常在寻找铜矿中的效果，验证模块通过图面查证或现场查证的方式对孔雀石分布位置进行验证，孔雀石分布位置与孔雀石矿化异常的异常值的浓集中心重合，就表示找矿精准，如果位置差别较大，就表示需要重新优化孔雀石多波段逻辑运算模型。
综上所述，本申请包括以下至少一种有益技术效果：
1.利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，再利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。由于铜化探异常范围较大，划分的铜矿找靶区不够精准，将铜化探异常与孔雀石矿化异常进行叠加，从而提高了铜矿找靶区的精准度，方便于寻找铜矿；
2.用孔雀石在WorldView-3卫星图像数据的VNIR7和SWIR7具有明显的吸收谷特征，构建孔雀石多波段逻辑运算模型，从而利用WorldView-3卫星图像数据得到孔雀石矿化异常。
附图说明
图1是本申请其中一实施例的基于孔雀石多波段逻辑运算模型的找矿方法的流程示意图。
图2是本申请其中一实施例的全波段高分辨率光学卫星图像数据的获取过程的流程示意图。
图3是本申请其中一实施例的孔雀石矿化异常的计算过程的流程示意图。
图4是本申请其中一实施例的基于孔雀石多波段逻辑运算模型的找矿系统的第一结构示意图。
图5是本申请其中一实施例的基于孔雀石多波段逻辑运算模型的找矿系统的第二结构示意图。
附图标记说明：401、获取模块；402、预处理模块；403、孔雀石矿化异常提取模块；404、铜矿找矿模块；501、卫星图像数据获取单元；502、铜化探异常获取单元；503、辐射校正单元；504、大气校正单元；505、正射校正单元；506、波段合成单元；507、模型构建单元；508、孔雀石矿化异常提取单元；509、验证模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-5及实施例，对本申请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用以解释本申请，并不用于限定本申请。
本申请实施例公开一种基于孔雀石多波段逻辑运算模型的找矿方法。
实施例1
参照图1，该方法的执行步骤包括：
101，获取待识别区域的高分辨率光学卫星图像数据及铜化探异常。
其中，通过高分辨率光学卫星对可能存在铜矿的待识别区域进行扫描，获取到待识别区域的高分辨率光学卫星图像数据，通过以前整理的关于待识别区域的地质资料获取到铜化探异常，对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据。
可选的，高分辨率光学卫星具体为WorldView-3，WorldView-3除了提供0.31米分辨率的全色影像和8波段多光谱影像外，还提供8波段短波红外影像及12个 CAVIS波段影像，因此，使用WorldView-3对待识别区域进行扫描得到WorldView-3卫星图像数据，包括8个可见光-近红外波段和8个短波红外波段。而利用以前对待识别区域进行的化探，即已知地质资料，就能获得待识别区域的铜化探异常。由于WorldView-3的分辨率为当下最高的，利用WorldView-3卫星图像数据，相比于ASTER卫星传感器、TM卫星传感器及增强型专题制图仪ETM+等数据，提高了数据精度。
102，对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据。
其中，对高分辨率光学卫星图像数据进行预处理，预处理包括对辐射、大气及正射等因素造成的影响进行校正，再通过波段合成得到全波段高分辨率光学卫星图像数据。
103，构建孔雀石多波段逻辑运算模型，利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常。
其中，利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，在基于孔雀石多波段逻辑运算模型的基础上，利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常。
104，根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。
其中，根据铜化探异常及孔雀石矿化异常进行叠加，从而圈定出铜矿找矿靶区。
实施例1的实施原理为：获取到待识别区域的高分辨率光学卫星图像数据和铜化探异常，对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，再利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，由于铜化探异常范围较大，划分的铜矿找靶区不够精准，将铜化探异常与孔雀石矿化异常进行叠加，从而提高了铜矿找靶区的精准度，方便于寻找铜矿。
实施例2
参照图2，本实施例与以上实施例1的不同之处在于，对实施例1中的步骤102中的全波段高分辨率光学卫星图像数据的获取过程进行具体说明，具体的执行步骤包括：
201，通过遥感图像处理软件的定标工具对WorldView-3卫星图像数据进行辐射校正。
其中，遥感图像处理软件为ENVI（The Environment for Visualizing Images），在ENVI的具体版本是ENVI5.3，在工具箱中选择Radiometric Correction->RadiometricCalibration定标工具对WorldView-3卫星图像数据进行辐射校正。辐射强度反映在图像上是亮度值，辐射强度越大，亮度值就越大，主要受太阳辐射照射到地面的辐射强度和地物的光谱反射率的影响。当太阳辐射相同时，图像上亮度的差异直接反应了地面反射率的差异，但在实际测量时，辐射强度值还受其他因素的影响，这一部分就是需要校正的部分，因此，辐射校正是为了校正除了地面反射率之外的其他干扰因素。
202，通过遥感图像处理软件的大气校正功能对辐射校正后的WorldView-3卫星图像数据进行大气校正。
其中，大气校正功能是通过ENVI的大气校正模型（Fast Line-of-sightAtmospheric Analysis of Spectral Hypercubes，FLAASH），通过FLAASH对辐射校正后的WorldView-3卫星图像数据进行大气校正。大气校正的目的是消除大气和光照等因素对地物反射的影响，获取地物反射率、辐射及地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响。
203，通过遥感图像处理软件的正射校正功能对大气校正后的WorldView-3卫星图像数据进行正射校正。
其中，在ENVI5.3的工具箱中，通过选择Geometric Correction ->Orthorectification ->RPC Orthorectification工具进行正射校正。正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程，除了能纠正一般系统因素产生的畸变外，还可以引起地形引起的几何畸变。正射校正是几何校正的一种，与Image to Map方式的几何校正过程基本一致，需要高程点或数字高程模型（DigitalElevation Model，DEM)，在地形起伏较大的地区精度较高。其中高程数据选取SRTM（NASAShuttle Radar Topography Mission Global 1arcsecond V003）30米DEM数据。
204，通过遥感图像处理软件的波段合成工具，对正射校正后的WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。
其中，在ENVI5.3工具箱中，选择Raster Management->Layer Stacking工具对可见光-近红外波段（VNIR）和短波红外波段（SWIR）进行波段合成，获取16个波段的全波段WorldView-3卫星图像数据，8个VNIR分别是VNIR1（400-450nm）、VNIR2（450-510nm）、VNIR3（510-580nm）、VNIR4（585-625nm）、VNIR5（630-690nm）、VNIR6（705-745nm）、VNIR7（770-895nm）和VNIR8（860-1040nm），8个SWIR分别是SWIR1(1195-1225nm)、SWIR2(1550-1590nm)、SWIR3(1640-1680nm)、SWIR4(1710-1750nm)、SWIR5(2145-2185nm)、SWIR6(2185-2225nm)、SWIR7(2235-2285nm)和SWIR8(2295-2365nm)。
实施例2的实施原理为：大气校正的目的是消除大气和光照等因素对地物反射的影响。正射校正是对图像空间和几何畸变进行校正生成多中心投影平面正射图像的处理过程，除了能纠正系统因素产生的畸变之外，还可以校正地形引起的几何畸变。辐射校正、大气校正和正射校正之后进行波段合成，能够提高全波段WorldView-3卫星图像数据的准确性。
实施例3
参照图3，本实施例与以上实施例1的不同之处在于，对实施例1中步骤103中的孔雀石矿化异常的计算过程具体说明，具体的执行步骤包括：
301，根据ASTER标准波普数据库确定孔雀石对应全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7。
其中，依据ASTER标准波普数据库可以确定孔雀石对应到全波段WorldView-3卫星图像数据中16个波段的波谱曲线，通过对比分析孔雀石波谱曲线特征，就能确定确定全波段WorldView-3卫星图像数据中具有明显吸收谷特征的是VNIR7和SWIR7。
302，从16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7。
其中，在16个波段中，VNIR7是处于VNIR2和SWIR3正中间的波段，那么求VNIR2+SWIR3的平均值，再除以VNIR7，即第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，VNIR7的区间是770-895nm，以0.78μm为标准，
第一波段比值用于表征孔雀石在0.78μm的吸收谷特征。
303，从16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，第二波段比值用于表征孔雀石在2.27μm的吸收谷特征。
其中，在16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，SWIR7的区间是2235-2285nm，以2.27μm为标准，第一波段比值用于表征孔雀石在2.27μm的吸收谷特征。
304，对全波段WorldView-3卫星图像数据进行第一波段比值和第二波段比值处理，得到图像灰度值。
305，对图像灰度值进行统计分析，分别得到第一波段比值的第一平均值和第一标准方差及第二波段比值的第二平均值和第二标准方差。
其中，利用利用直方图统计第一波段比值和第二波段比值各自的第一平均值 1和第一标准方差σ1和第二平均值 2和第二标准方差σ2。
306，根据第一平均值和第一标准方差进行异常阈值分割，确定第一波段比值对应的第一最优测试阈值，根据第二平均值和第二标准方差进行异常阈值分割，确定第二波段比值对应的第二最优测试阈值。
其中，采用“平均值+n*标准方差σ”进行异常阈值分割，并且根据待识别区域所在的地区不同，n值有相应改变。n的取值即为最优测试阈值。通过测试得到第一最优测试阈值的取值为1.08，第二最优测试阈值的取值为1.10。
307，根据第一波段比值的表达式、第一最优测试阈值、第二波段比值的表达式及第二最优测试阈值，建立孔雀石多波段逻辑运算模型，孔雀石多波段逻辑运算模型的表达式为：
（(float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10）
其中，ge用于表征大于或等于，第一最优测试阈值的取值为1.08，第二最优测试阈值的取值为1.10。
其中，在孔雀石多波段逻辑运算模型中，(VNIR2+SWIR3)*0.5/VNIR7表征孔雀石在0.78μm吸收谷特征，SWIR5/SWIR7波段比值表征孔雀石在2.27μm吸收谷特征，ge是逻辑运算符号，表示大于或等于，float表示浮点型数据类型。
308，根据孔雀石多波段逻辑运算模型，对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。
其中，根据步骤307的孔雀石多波段逻辑运算模型，在ENVI5.3工具箱中选择BandAlgebra->Band Math计算工具对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。
实施例3的实施原理为：利用孔雀石在WorldView-3卫星图像数据的VNIR7和SWIR7具有明显的吸收谷特征，构建孔雀石多波段逻辑运算模型，从而利用WorldView-3卫星图像数据得到孔雀石矿化异常。
可选的，在以上实施例1、实施例2和实施例3的基础上，本申请的一个优选的实施例中，在步骤104之后，还包括：
获取待识别区域的图像信息，根据图像信息进行图面查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常；
或，
获取待识别区域进行现场查证，验证孔雀石分布位置是否符合孔雀石矿化异常。
本实施例的实施原理为：在得到铜矿找矿靶区之后，由于孔雀石矿化异常是一个异常值的浓集中心，而铜矿找矿靶区是以这个浓集中心辐射一定范围的区域，因此，为了验证孔雀石矿化异常在寻找铜矿中的效果，可以通过图面查证或现场查证的方式对孔雀石分布位置进行验证，孔雀石分布位置与孔雀石矿化异常的异常值的浓集中心重合，就表示找矿精准，如果位置差别较大，就表示需要重新优化孔雀石多波段逻辑运算模型。
本申请实施例还公开一种基于孔雀石多波段逻辑运算模型的找矿系统。
实施例4
参照图4，该系统包括：
获取模块401，用于获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；
预处理模块402，用于对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；
孔雀石矿化异常提取模块403，用于构建孔雀石多波段逻辑运算模型，利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；
铜矿找矿模块404，用于根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。
实施例4的实施原理为：通过高分辨率光学卫星对可能存在铜矿的待识别区域进行扫描，获取模块401获取到待识别区域的高分辨率光学卫星图像数据，并通过以前整理的关于待识别区域的地质资料获取到铜化探异常，预处理模块402对高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，孔雀石矿化异常提取模块403利用孔雀石在高分辨率光学卫星图像数据的吸收谷特征，构建出孔雀石多波段逻辑运算模型，再利用全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，铜矿找矿模块404根据铜化探异常及孔雀石矿化异常进行叠加，得到铜矿找矿靶区。由于铜化探异常范围较大，划分的铜矿找靶区不够精准，将铜化探异常与孔雀石矿化异常进行叠加，从而提高了铜矿找靶区的精准度，方便于寻找铜矿。
实施例5
参照图5，本实施例与以上实施例4的不同之处在于，对实施例4中的获取模块401、预处理模块402和孔雀石矿化异常提取模块403进行功能性划分出单元，并且增加验证模块，具体结构如下：
获取模块401包括：
卫星图像数据获取单元501，用于读取高分辨率光学卫星WorldView-3对待识别区域进行扫描的卫星图像数据，得到WorldView-3卫星图像数据，WorldView-3卫星图像数据包括8个可见光-近红外波段和8个短波红外波段；
铜化探异常获取单元502，用于根据已知地质资料获取待识别区域的铜化探异常。
预处理模块402包括：
辐射校正单元503，用于通过遥感图像处理软件的定标工具对WorldView-3卫星图像数据进行辐射校正；
大气校正单元504，用于通过遥感图像处理软件的大气校正功能对辐射校正后的WorldView-3卫星图像数据进行大气校正；
正射校正单元505，用于通过遥感图像处理软件的正射校正功能对大气校正后的WorldView-3卫星图像数据进行正射校正；
波段合成单元506，用于通过遥感图像处理软件的波段合成工具，对正射校正后的WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。
孔雀石矿化异常提取模块403包括：
模型构建单元507，用于根据ASTER标准波普数据库确定孔雀石对应全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7；
模型构建单元507，还用于从16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，第一波段比值用于表征孔雀石在0.78μm的吸收谷特征；
模型构建单元507，还用于从16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，第二波段比值用于表征孔雀石在2.27μm的吸收谷特征；
模型构建单元507，还用于对全波段WorldView-3卫星图像数据进行第一波段比值和第二波段比值处理，得到图像灰度值；
模型构建单元507，还用于对图像灰度值进行统计分析，分别得到第一波段比值的第一平均值和第一标准方差及第二波段比值的第二平均值和第二标准方差；
模型构建单元507，还用于根据第一平均值和第一标准方差进行异常阈值分割，确定第一波段比值对应的第一最优测试阈值，根据第二平均值和第二标准方差进行异常阈值分割，确定第二波段比值对应的第二最优测试阈值；
模型构建单元507，还用于根据第一波段比值的表达式、第一最优测试阈值、第二波段比值的表达式及第二最优测试阈值，建立孔雀石多波段逻辑运算模型，孔雀石多波段逻辑运算模型的表达式为：
（(float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10）
其中，ge用于表征大于或等于，第一最优测试阈值的取值为1.08，第二最优测试阈值的取值为1.10；
孔雀石矿化异常提取单元508，用于根据孔雀石多波段逻辑运算模型，对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。
系统还包括：
验证模块509，用于获取待识别区域的图像信息，根据图像信息进行图面查证，验证孔雀石分布位置是否符合孔雀石矿化异常；或，获取待识别区域进行现场查证，验证孔雀石分布位置是否符合孔雀石矿化异常。
实施例6的实施原理为：卫星图像数据获取单元501读取WorldView-3对待识别区域进行扫描得到WorldView-3卫星图像数据，包括8个可见光-近红外波段和8个短波红外波段，铜化探异常获取单元502利用以前对待识别区域进行的化探，即已知地质资料，就能获得待识别区域的铜化探异常；
辐射校正单元503通过遥感图像处理软件ENVI的定标工具进行辐射校正，大气校正单元504通过ENVI的大气校正功能进行大气校正，正射校正单元506通过ENVI的正射校正功能进行正射校正，波段合成单元506通过波段合成工具，将WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到全波段WorldView-3卫星图像数据。辐射校正、大气校正和正射校正之后进行波段合成，能够提高全波段WorldView-3卫星图像数据的准确性；
模型构建单元507利用孔雀石在VNIR7和SWIR7具有明显的吸收谷特征，选择出VNIR2及SWIR3，构建表征孔雀石在0.78μm的吸收谷特征的第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，选择SWIR5，构建表征孔雀石在2.27μm的吸收谷特征的第二波段比值的表达式SWIR5/SWIR7，对波段比值处理后的图像灰度值进行统计分析，分别得到第一波段比值的第一平均值和第一标准方差及第二波段比值的第二平均值和第二标准方差，再进行异常阈值分割，确定第一波段比值对应的第一最优测试阈值及第二波段比值对应的第二最优测试阈值，建立孔雀石多波段逻辑运算模型，孔雀石矿化异常提取单元508基于孔雀石多波段逻辑运算模型，对WorldView-3卫星图像数据进行计算处理，得到待识别区域的孔雀石矿化异常。利用孔雀石在WorldView-3卫星图像数据的VNIR7和SWIR7具有明显的吸收谷特征，构建孔雀石多波段逻辑运算模型，从而利用WorldView-3卫星图像数据得到孔雀石矿化异常；
在得到铜矿找矿靶区之后，由于孔雀石矿化异常是一个异常值的浓集中心，而铜矿找矿靶区是以这个浓集中心辐射一定范围的区域，因此，为了验证孔雀石矿化异常在寻找铜矿中的效果，验证模块509通过图面查证或现场查证的方式对孔雀石分布位置进行验证，孔雀石分布位置与孔雀石矿化异常的异常值的浓集中心重合，就表示找矿精准，如果位置差别较大，就表示需要重新优化孔雀石多波段逻辑运算模型。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

Claims (8)

1.一种基于孔雀石多波段逻辑运算模型的找矿方法，其特征在于，所述方法包括：
获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；
对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；
构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；
根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区；
其中，所述构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，包括：
根据ASTER标准波普数据库确定孔雀石对应全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定所述全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7；
从所述16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，所述第一波段比值用于表征所述孔雀石在0.78μm的吸收谷特征；
从所述16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，所述第二波段比值用于表征所述孔雀石在2.27μm的吸收谷特征；
对所述全波段WorldView-3卫星图像数据进行所述第一波段比值和所述第二波段比值处理，得到图像灰度值；
对所述图像灰度值进行统计分析，分别得到所述第一波段比值的第一平均值和第一标准方差及所述第二波段比值的第二平均值和第二标准方差；
根据所述第一平均值和所述第一标准方差进行异常阈值分割，确定所述第一波段比值对应的第一最优测试阈值，根据所述第二平均值和所述第二标准方差进行异常阈值分割，确定所述第二波段比值对应的第二最优测试阈值；
根据所述第一波段比值的表达式、所述第一最优测试阈值、所述第二波段比值的表达式及所述第二最优测试阈值，建立孔雀石多波段逻辑运算模型，所述孔雀石多波段逻辑运算模型的表达式为：
((float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10)
其中，所述ge用于表征大于或等于，所述第一最优测试阈值的取值为1.08，所述第二最优测试阈值的取值为1.10；
根据所述孔雀石多波段逻辑运算模型，对所述WorldView-3卫星图像数据进行计算处理，得到所述待识别区域的孔雀石矿化异常。
2.根据权利要求1所述的基于孔雀石多波段逻辑运算模型的找矿方法，其特征在于，所述获取待识别区域的高分辨率光学卫星图像数据及铜化探异常，包括：
读取高分辨率光学卫星WorldView-3对待识别区域进行扫描的卫星图像数据，得到WorldView-3卫星图像数据，所述WorldView-3卫星图像数据包括8个可见光-近红外波段和8个短波红外波段；
根据已知地质资料获取所述待识别区域的铜化探异常。
3.根据权利要求2所述的基于孔雀石多波段逻辑运算模型的找矿方法，其特征在于，所述对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据，包括：
通过遥感图像处理软件的定标工具对所述WorldView-3卫星图像数据进行辐射校正；
通过所述遥感图像处理软件的大气校正功能对辐射校正后的所述WorldView-3卫星图像数据进行大气校正；
通过所述遥感图像处理软件的正射校正功能对大气校正后的所述WorldView-3卫星图像数据进行正射校正；
通过所述遥感图像处理软件的波段合成工具，对正射校正后的所述WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到所述全波段WorldView-3卫星图像数据。
4.根据权利要求1-3中任意一项所述的基于孔雀石多波段逻辑运算模型的找矿方法，其特征在于，所述根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区之后，还包括：
获取所述待识别区域的图像信息，根据所述图像信息进行图面查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常；
或，
获取所述待识别区域进行现场查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常。
5.一种基于孔雀石多波段逻辑运算模型的找矿系统，其特征在于，所述系统包括：
获取模块，用于获取待识别区域的高分辨率光学卫星图像数据及铜化探异常；
预处理模块，用于对所述高分辨率光学卫星图像数据进行预处理，得到全波段高分辨率光学卫星图像数据；
孔雀石矿化异常提取模块，用于构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常；
铜矿找矿模块，用于根据所述铜化探异常及所述孔雀石矿化异常进行叠加，得到铜矿找矿靶区；
其中，所述构建孔雀石多波段逻辑运算模型，利用所述全波段高分辨率光学卫星图像数据提取得到孔雀石矿化异常，包括：
根据ASTER标准波普数据库确定孔雀石对应全波段WorldView-3卫星图像数据中16个波段的波谱曲线，对比分析孔雀石波谱曲线特征，确定所述全波段WorldView-3卫星图像数据中具有明显吸收谷特征的可见光-近红外第7波段VNIR7及短波红外第7波段SWIR7；
从所述16个波段中选择VNIR2及SWIR3，构建第一波段比值的表达式(VNIR2+SWIR3)*0.5/VNIR7，所述第一波段比值用于表征所述孔雀石在0.78μm的吸收谷特征；
从所述16个波段中选择SWIR5，构建第二波段比值的表达式SWIR5/SWIR7，所述第二波段比值用于表征所述孔雀石在2.27μm的吸收谷特征；
对所述全波段WorldView-3卫星图像数据进行所述第一波段比值和所述第二波段比值处理，得到图像灰度值；
对所述图像灰度值进行统计分析，分别得到所述第一波段比值的第一平均值和第一标准方差及所述第二波段比值的第二平均值和第二标准方差；
根据所述第一平均值和所述第一标准方差进行异常阈值分割，确定所述第一波段比值对应的第一最优测试阈值，根据所述第二平均值和所述第二标准方差进行异常阈值分割，确定所述第二波段比值对应的第二最优测试阈值；
根据所述第一波段比值的表达式、所述第一最优测试阈值、所述第二波段比值的表达式及所述第二最优测试阈值，建立孔雀石多波段逻辑运算模型，所述孔雀石多波段逻辑运算模型的表达式为：
((float(VNIR2+SWIR3)*0.5/(VNIR7))ge1.08）and ((float(SWIR5)/(SWIR7))ge1.10)
其中，所述ge用于表征大于或等于，所述第一最优测试阈值的取值为1.08，所述第二最优测试阈值的取值为1.10；
根据所述孔雀石多波段逻辑运算模型，对所述WorldView-3卫星图像数据进行计算处理，得到所述待识别区域的孔雀石矿化异常。
6.根据权利要求5所述的基于孔雀石多波段逻辑运算模型的找矿系统，其特征在于，所述获取模块包括：
卫星图像数据获取单元，用于读取高分辨率光学卫星WorldView-3对待识别区域进行扫描的卫星图像数据，得到WorldView-3卫星图像数据，所述WorldView-3卫星图像数据包括8个可见光-近红外波段和8个短波红外波段；
铜化探异常获取单元，用于根据已知地质资料获取所述待识别区域的铜化探异常。
7.根据权利要求6所述的基于孔雀石多波段逻辑运算模型的找矿系统，其特征在于，所述预处理模块包括：
辐射校正单元，用于通过遥感图像处理软件的定标工具对所述WorldView-3卫星图像数据进行辐射校正；
大气校正单元，用于通过所述遥感图像处理软件的大气校正功能对辐射校正后的所述WorldView-3卫星图像数据进行大气校正；
正射校正单元，用于通过所述遥感图像处理软件的正射校正功能对大气校正后的所述WorldView-3卫星图像数据进行正射校正；
波段合成单元，用于通过所述遥感图像处理软件的波段合成工具，对正射校正后的所述WorldView-3卫星图像数据的8个可见光-近红外波段和8个短波红外波段进行波段合成，得到所述全波段WorldView-3卫星图像数据。
8.根据权利要求5-7中任意一项所述的基于孔雀石多波段逻辑运算模型的找矿系统，其特征在于，所述系统还包括：
验证模块，用于获取所述待识别区域的图像信息，根据所述图像信息进行图面查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常；
或，
验证模块，用于获取所述待识别区域进行现场查证，验证孔雀石分布位置是否符合所述孔雀石矿化异常。
CN202110506744.0A 2021-05-10 2021-05-10 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 Active CN113239779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110506744.0A CN113239779B (zh) 2021-05-10 2021-05-10 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110506744.0A CN113239779B (zh) 2021-05-10 2021-05-10 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统

Publications (2)

Publication Number Publication Date
CN113239779A CN113239779A (zh) 2021-08-10
CN113239779B true CN113239779B (zh) 2023-04-21

Family

ID=77132951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110506744.0A Active CN113239779B (zh) 2021-05-10 2021-05-10 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统

Country Status (1)

Country Link
CN (1) CN113239779B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229356A (zh) * 2017-12-23 2018-06-29 航天恒星科技有限公司 动态集成自然灾害遥感监测方法
CN111091279A (zh) * 2019-12-06 2020-05-01 自然资源部国土卫星遥感应用中心 一种面向行业应用的星地一体化指标设计方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426625B (zh) * 2011-09-21 2014-06-18 中国国土资源航空物探遥感中心 基于aster卫星数据的斑岩铜典型蚀变带矿物信息提取方法
CN105574621A (zh) * 2016-01-18 2016-05-11 中国地质科学院矿产资源研究所 基于遥感蚀变异常的斑岩铜矿预测系统及方法
KR101732111B1 (ko) * 2016-06-30 2017-05-02 서울시립대학교 산학협력단 위성영상을 이용한 기름유출 탐지장치 및 방법
KR101756380B1 (ko) * 2017-03-06 2017-07-10 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
CN107727592B (zh) * 2017-10-10 2020-10-09 中国矿业大学 一种基于煤岩高光谱反射特性的煤岩界面识别方法
CN109839356B (zh) * 2017-11-29 2021-07-20 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
CN109961087B (zh) * 2019-02-01 2021-10-08 中国地质科学院矿产资源研究所 基于空间数据集分析的异常遥感信息提取方法及装置
CN112379453B (zh) * 2020-11-04 2024-05-17 西安建筑科技大学 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
CN112711646B (zh) * 2021-01-11 2023-05-16 中国地质大学（北京） 基于地学信息的找矿方法及装置、电子设备、存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229356A (zh) * 2017-12-23 2018-06-29 航天恒星科技有限公司 动态集成自然灾害遥感监测方法
CN111091279A (zh) * 2019-12-06 2020-05-01 自然资源部国土卫星遥感应用中心 一种面向行业应用的星地一体化指标设计方法

Also Published As

Publication number Publication date
CN113239779A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN100547438C (zh) 一种油气勘探方法及系统
Han et al. Mapping hydrothermally altered rocks with Landsat 8 imagery: A case study in the KSM and Snow field zones, northwestern British Columbia
Dadon et al. Use of derivative calculations and minimum noise fraction transform for detecting and correcting the spectral curvature effect (smile) in Hyperion images
US6484099B1 (en) Process for correcting atmospheric influences in multispectral optical remote sensing data
Kumar et al. Deep remote sensing methods for methane detection in overhead hyperspectral imagery
CN115761038B (zh) 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN114386497A (zh) 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法
Agar et al. Remote sensing for mineral exploration–A decade perspective 1997-2007
Omran Rapid prediction of soil mineralogy using imaging spectroscopy
Lin et al. Dynamic aperture factor analysis/target transformation (DAFA/TT) for Mg-serpentine and Mg-carbonate mapping on Mars with CRISM near-infrared data
CN113239779B (zh) 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统
CN113869143A (zh) 一种基于高光谱成像仪快速识别并提取甲烷点源的方法
CN109839356B (zh) 基于WorldView-3卫星数据的矿化蚀变信息提取方法
CN112379453A (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
Kayadibi Evaluation of imaging spectroscopy and atmospheric correction of multispectral images (Aster and LandsaT 7 ETM+)
Oskouei et al. Detection of alteration minerals using Hyperion data analysis in Lahroud
CN109738372A (zh) 一种航空高光谱岩矿探测多元数据处理方法
Davaadorj Evaluating atmosheric correction methods using Worldview-3 image
Magendran et al. A study on the potential of satellite image-derived hyperspectral signatures to assess the grades of iron ore deposits
Son et al. Ground-based visible–near infrared hyperspectral imaging for monitoring cliff weathering of a volcanic island in Dokdo, South Korea
CN109345459B (zh) 一种提升地球化学元素图层分辨率的方法及系统
MOHAMMADY et al. Role of smile correction in mineral detection on hyperion data
Mezned et al. Cascade sub-pixel unmixing of aster SWIR data for mapping alteration minerals in tamra sidi-driss SITE, NW Tunisia
Markoski et al. Evaluation of aster images for characterization and mapping of amethyst mining residues
Chen et al. Sulfate mineral mapping with hyperspectral imagery, a case study of the rodalquilar area, se spain

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230317

Address after: 710199 No. 7, Fengqi West Road, Chang'an District, Xi'an City, Shaanxi Province

Applicant after: Xi'an mineral resources survey center of China Geological Survey

Address before: No.7 Fengqi West Road, Chang'an District, Xi'an, Shaanxi 710100

Applicant before: The fifth gold detachment of the Chinese people's Armed Police Force

GR01 Patent grant
GR01 Patent grant