CN114596430A - 一种岩石蚀变信息提取方法、系统及介质 - Google Patents
一种岩石蚀变信息提取方法、系统及介质 Download PDFInfo
- Publication number
- CN114596430A CN114596430A CN202210491226.0A CN202210491226A CN114596430A CN 114596430 A CN114596430 A CN 114596430A CN 202210491226 A CN202210491226 A CN 202210491226A CN 114596430 A CN114596430 A CN 114596430A
- Authority
- CN
- China
- Prior art keywords
- alteration
- principal component
- remote sensing
- sensing image
- iron
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种岩石蚀变信息提取方法、系统及介质,该方法包括:获取目标岩石的遥感影像,并对所述遥感影像进行预处理;选取所述遥感影像对应的光谱曲线波段区间;利用比值法计算所述遥感影像对应的植被指数和水体指数,利用所述植被指数和所述水体指数将所述遥感影像中植被和水体区域去除;选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析,确定矿化蚀变的主分量,划分矿化蚀变的主分量图像,并绘制矿化蚀变信息等级图像。本发明提高了蚀变信息提取的准确性。
Description
技术领域
本发明涉及工程地质技术领域,具体涉及一种基于遥感影像和主成分分析的岩石蚀变信息提取方法、系统及介质。
背景技术
遥感地质应用中,近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类、结构、颜色等方面都有差异,这些差异导致了岩石反射光谱特征的差异,并且在某些特定的光谱波段形成了特定蚀变岩石的光谱异常。
现有的岩石蚀变信息提取方法是依据矿化蚀变岩与围岩的波谱特征的差异,可获取矿化蚀变信息增强的图像变量,从而实现提取矿化蚀变信息的目的。但是现有的岩石蚀变信息提取方法存在以下问题:无法凸显波谱特征的差异变化,而且多光谱影像的波段之间一般具有较高的相关性,其灰度图像表现出相似的视觉效果,不利于提取蚀变信息。
发明内容
有鉴于此,本发明提出一种基于遥感影像和主成分分析的岩石蚀变信息提取方法、系统及介质,考虑了矿化蚀变与围岩的波谱特征差异以及多光谱影像的波段相关性,通过比值法计算植被指数和水体指数,去除植被和水体对提取蚀变信息的干扰,选择更有效的几个波段增强铁染蚀变信息,提高了蚀变信息提取的准确性。
本发明第一方面提供一种岩石蚀变信息提取方法,该方法包括:获取目标岩石的遥感影像,并对所述遥感影像进行预处理;选取所述遥感影像对应的光谱曲线波段区间;利用比值法计算所述遥感影像对应的植被指数和水体指数,利用所述植被指数和所述水体指数将所述遥感影像中植被和水体区域去除;选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析,确定矿化蚀变的主分量,划分矿化蚀变的主分量图像,并绘制矿化蚀变信息等级图像。
进一步的,对所述遥感影像进行预处理至少包括辐射定标、大气校正、裁剪及重采样。
进一步的,所述选取所述遥感影像对应的光谱曲线波段区间的步骤包括:根据目标区域内地质概况,分析岩石种类;查找对应的岩石光谱曲线,确定光谱曲线的反射峰波段范围和吸收谷波段范围;依据光谱曲线的反射峰波段范围和吸收谷波段范围,选取所述遥感影像对应的光谱曲线波段区间。
进一步的,所述矿化蚀变包括铁染蚀变;所述选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析的步骤包括:根据铁染蚀变相关的矿物目标的波谱特征,选取光谱曲线波段区间中铁染蚀变对应的不同波段进行第一次主成分分析,得到铁染蚀变的主成分特征向量矩阵;从铁染蚀变的主成分特征向量矩阵中选择满足铁染蚀变主分量判断准则的主分量;按照铁染蚀变等级划分标准,划分铁染蚀变的主分量图像,并绘制铁染蚀变信息等级图像。
进一步的,所述铁染蚀变主分量的判断准则是铁染蚀变的主成分特征向量的载荷系数在具有强反射特征的波段为正值,在具有强吸收特征的波段为负值。
进一步的,所述矿化蚀变还包括泥化蚀变;所述选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析的步骤包括:根据泥化蚀变相关的矿物目标的波谱特征,选取光谱曲线波段区间中泥化蚀变对应的不同波段进行第二次主成分分析,得到泥化蚀变的主成分特征向量矩阵;从泥化蚀变的主成分特征向量矩阵中选择满足泥化蚀变主分量判断准则的主分量;按照泥化蚀变等级划分标准,划分泥化蚀变的主分量图像,并绘制泥化蚀变信息等级图像。
进一步的,所述泥化蚀变主分量的判断准则是泥化蚀变的主成分特征向量在具有强反射特征的波段和具有强吸收特征的波段的载荷系数的符号相反。
本发明第二方面提供一种岩石蚀变信息提取系统,该系统包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如上所述岩石蚀变信息提取方法的步骤。
本发明第三方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述岩石蚀变信息提取方法的步骤。
上述的岩石蚀变信息提取方法,利用比值法计算植被指数和水体指数,利用植被指数和水体指数,去除植被、水体等干扰信息,增强蚀变信息差异;利用主成分分析法可以使多波段的图像信息压缩到比原波段更有效的少数几个转换波段,并且各分量互不相关,处理的数据量减少,达到数据降维目的,提取蚀变信息效果较好。
附图说明
为了说明而非限制的目的,现在将根据本发明的优选实施例、特别是参考附图来描述本发明,其中:
图1是本发明一实施例提出的岩石蚀变信息提取方法的流程图;
图2是本发明一实施例提出的对遥感影像进行预处理方法流程图;
图3为本发明一实施例提出的常见铁染蚀变矿物波谱曲线图;
图4为本发明一实施例提出的常见羟基蚀变矿物波谱曲线图;
图5为本发明一实施例提出的岩石蚀变信息提取方法的主成分分析后的主分量图;
图6为本发明一实施例提出的岩石蚀变信息提取方法的彩色合成图;
图7是本发明另一实施例提出的岩石蚀变信息提取系统的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
图1是本发明一实施例提供的一种基于遥感影像的岩石蚀变信息提取方法流程图。该岩石蚀变信息提取方法首先获取Landsat-8 OLI格式的遥感影像数据并对其进行预处理,选取遥感影像对应的光谱曲线波段区间,利用比值法计算植被指数和水体指数,去除植被、水体等干扰信息,增强蚀变信息差异;利用主成分分析法将多波段的图像信息压缩到比原波段更有效的少数几个转换波段,确定主分量的特征向量,选择与特征向量相对应的主分量图像,运用密度分割和主分量门限化等处理方法划分主分量图像,凸显主分量中的蚀变异常信息。
请参阅图1,该岩石蚀变信息提取方法包括以下步骤:
S100,获取目标岩石的遥感影像,并对获取的遥感影像进行预处理。
在本实施例中,对遥感影像进行预处理包括辐射定标、大气校正、裁剪、重采样等。
图2是本发明一实施例提供的对遥感影像进行预处理方法流程图。请参阅图2,步骤S100的具体实现方式如下:
S101,获取Landsat-8 OLI格式的目标岩石的遥感影像。
S102,对Landsat-8 OLI格式的遥感影像进行辐射定标。
通过对遥感影像进行辐射定标,能够消除遥感影像中存在的干扰,得到真实的遥感影像数据。
S103,对辐射定标后的遥感影像进行大气校正。
通过对遥感影像进行大气校正,能够消除大气散射、吸收、反射引起的误差。
S104,利用矢量数据对大气校正后的遥感影像进行裁剪,得到目标研究区域。
S105,重采样遥感影像中的光谱曲线,得到较高分辨率的多光谱的遥感影像。
本实施例对遥感影像进行辐射定标、大气校正、裁剪、重采样等预处理,得到分辨率高的多光谱的遥感影像。
S200,选取遥感影像对应的光谱曲线波段区间。
在本实施例中,步骤S200中选取遥感影像对应的光谱曲线波段区间的具体实现方式为:
S201,通过研究目标区域内地质概况,分析主要的岩石种类。
S202,去USGS波谱库查找对应的岩石光谱曲线,确定光谱曲线的反射峰波段范围和吸收谷波段范围。
S203,依据光谱曲线的反射峰波段范围和吸收谷波段范围,选取Landsat-8 OLI格式的遥感影像对应的光谱曲线波段区间。
S300,根据遥感影像对应的光谱曲线波段区间,利用比值法计算遥感影像对应的植被指数和水体指数,利用植被指数和水体指数将遥感影像中植被和水体区域去除。
本实施例中,植被指数和水体指数的计算方法为:
式中,NDVI为植被指数;NDWI为水体指数;B 2、B 4、B 5分别为所述遥感影像对应的光谱曲线波段区间中波段2、波段4和波段5。
本发明利用比值法计算植被指数和水体指数,利用植被指数和水体指数去除植被、水体等干扰信息,增强蚀变信息差异。
S400,根据铁染蚀变相关的矿物目标的波谱特征,选取光谱曲线波段区间中不同波段进行第一次主成分分析,得到铁染蚀变的主成分特征向量矩阵。
矿化蚀变类型主要的为铁染(Fe2+、Fe3+)和泥化(羟基OH-、CO2-3)两种。其中,铁染蚀变相关的矿物目标包括针铁矿、赤铁矿和黄钾铁矾等。铁染蚀变相关的矿物目标的波谱特征包括强吸收特征和强反射特征。铁染蚀变相关的矿物目标在0.45~0.50μm和0.86μm附近呈吸收特征,对应遥感影像的光谱曲线波段区间中的波段Band2(0.450~0.515μm)和波段Band5(0.845~0.885μm);铁染蚀变相关的矿物目标在0.65μm和1.61μm附近呈反射特征,对应遥感影像的光谱曲线波段区间中的波段Band4(0.630~0.680μm)和波段Band6(1.560~1.660μm),如图3所示。根据针铁矿、赤铁矿和黄钾铁矾等矿物的波谱特征,选择遥感影像的光谱曲线波段区间中的波段Band2、波段Band4、波段Band5、波段Band6进行第一次主成分分析,得到铁染蚀变在波段Band2、波段Band4、波段Band5、波段Band6的主成分特征值及主成分特征向量,如表1和表2所示。基于铁染蚀变在波段Band2、波段Band4、波段Band5、波段Band6的主成分特征向量,构建铁染蚀变的主成分特征向量矩阵。
表1 铁染蚀变的主成分特征值及方差累计百分比
表2 铁染蚀变的主成分特征向量矩阵
S500,选择铁染蚀变的主成分特征向量矩阵中主分量,按照铁染蚀变等级划分标准,划分铁染蚀变的主分量图像,并绘制铁染蚀变信息等级图像。
在本实施例中,步骤S500的具体实现方向如下:
S501,从铁染蚀变的主成分特征向量矩阵中选择满足铁染蚀变主分量判断准则的主分量。
在本实施例中,铁染蚀变主分量的判断准则是铁染蚀变的主成分特征向量的载荷系数在具有强反射特征的波段为正值,在具有强吸收特征的波段为负值。
从铁染蚀变相关的矿物目标的光谱特征来看,铁染蚀变相关的矿物目标在波段Band2上具有强吸收特征,在Band4上具有强反射特征,由表2的铁染蚀变的主成分特征向量矩阵可知,可以看出第3主成分(PC3)最接近判断准则,PC3在波段Band4上的载荷系统(0.796597)为正值,在波段Band2上的载荷系数(-0.302015)为负值的主成分特征向量。因此,将PC3作为满足铁染蚀变判断准则的铁染蚀变的主分量,如图5中(a)所示。
S502,按照铁染蚀变等级划分标准,划分铁染蚀变的主分量图像,并绘制铁染蚀变信息等级图像。
在本实施例中,铁染蚀变等级划分标准如表3所示。根据表3所示的铁染蚀变等级划分标准,采用主分量门限化处理方法划分铁染蚀变的PC3主分量图像,采用密度分割工具制作蚀变信息等级图像,用不同的颜色表示不同的铁染强度,以凸显主分量中的蚀变异常信息,如表4所示。
表3 铁染蚀变等级划分标准
表4 铁染蚀变遥感异常分级简表
S600,根据泥化蚀变相关的矿物目标所在的波谱特征,选取光谱曲线波段区间中不同波段进行第二次主成分分析,得到泥化蚀变的主成分特征向量矩阵。
矿化蚀变类型主要的为铁染和泥化两种。其中,泥化蚀变相关的矿物目标包括绿泥石、高岭石、白云母和蒙脱石等。泥化蚀变相关的矿物目标的波谱特征包括强吸收特征和强反射特征。泥化蚀变相关的矿物目标在0.85μm附近呈强反射特征,泥化蚀变相关的矿物目标在2.10~2.30μm附近呈强吸收特征,分别对应遥感影像的光谱曲线波段区间中的波段Band5(0.845~0.885μm)和波段Band7(2.10~2.30μm),如图4所示。根据绿泥石、高岭石、白云母和蒙脱石等等矿物的波谱特征,选择遥感影像的光谱曲线波段区间中的波段Band2、波段Band5、波段Band6、波段Band7进行第二次主成分分析,得到泥化蚀变在波段Band2、波段Band5、波段Band6、波段Band7的主成分特征向量,如表5。基于泥化蚀变在波段Band2、波段Band5、波段Band6、波段Band7的主成分特征向量,构建泥化蚀变的主成分特征向量矩阵。
表5泥化蚀变的主成分特征向量矩阵
S700,选择泥化蚀变的主成分特征向量中主分量,按照泥化蚀变等级划分标准,划分泥化蚀变的主分量图像,并绘制泥化蚀变信息等级图像。
在本实施例中,步骤S700的具体实现方式如下:
S701,从泥化蚀变的主成分特征向量中选择满足泥化蚀变主成分判断准则的主分量。
在本实施例中,泥化蚀变主分量的判断准则是泥化蚀变的主成分特征向量的在具有强反射特征的波段和具有强吸收特征的波段的载荷系数的符号相反。由表5泥化蚀变的主成分特征向量矩阵可知,PC2符合条件。因此,将PC2作为泥化蚀变主分量,如图5中(b)所示。将PC2主分量图像作为泥化蚀变异常信息增强图像。
S702,按照泥化蚀变等级划分标准,划分泥化蚀变的主分量图像,并绘制泥化蚀变信息等级图像。
在本实施例中,泥化蚀变等级划分标准如表6所示。根据表6所示的泥化蚀变等级划分标准,采用主分量门限化处理方法划分泥化蚀变的PC2主分量图像,采用密度分割工具制作蚀变信息等级图像,用不同的颜色表示不同的泥化强度,以凸显主分量中的蚀变异常信息,如表7所示。
表6 泥化蚀变等级划分标准
表7 泥化蚀变遥感异常分级简表
在本实施例中,划分泥化蚀变的主分量图像的具体方法为:计算泥化蚀变主分量的标准差,根据泥化蚀变主分量的标准差,设置划分等级值,根据设置的划分等级值,对泥化蚀变的主分量图像进行等级划分,用不同的颜色表示不同的泥化蚀变强度,制作出研究区泥化异常分布。
示例性的,计算统计后,PC2主分量的标准差是980.851678。所以,等级划分值取为2,2.5,3。依据该值设置等级进行密度分割,来提取泥化蚀变信息,并分级圈定遥泥化蚀变感异常,根据标准差的倍数,对PC2主分量进行等级划分,用不同的颜色表示不同的泥化蚀变强度,制作出研究区泥化异常分布,如图6所示。
本实施例利用主成分分析法可以使多波段的图像信息压缩到比原波段更有效的少数几个转换波段,并且各分量互不相关,处理的数据量减少,达到数据降维目的,提取蚀变信息效果较好。
相应于上面的方法实施例,参见图7,图7为本发明另一实施例所提供的岩石蚀变信息提取系统的结构示意图,该系统100可以包括:
存储器101,用于存储计算机程序;
处理器102,用于执行上述存储器101存储的计算机程序时可实现如下步骤:
获取目标岩石的遥感影像,并对所述遥感影像进行预处理;选取所述遥感影像对应的光谱曲线波段区间;利用比值法计算所述遥感影像对应的植被指数和水体指数,利用所述植被指数和所述水体指数将所述遥感影像中植被和水体区域去除;选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析,确定矿化蚀变的主分量,划分矿化蚀变的主分量图像,并绘制矿化蚀变信息等级图像。
对于本发明提供的介质的介绍请参照上述方法实施例,本发明在此不做赘述。
相应于上面的方法实施例,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下步骤:
获取目标岩石的遥感影像,并对所述遥感影像进行预处理;选取所述遥感影像对应的光谱曲线波段区间;利用比值法计算所述遥感影像对应的植被指数和水体指数,利用所述植被指数和所述水体指数将所述遥感影像中植被和水体区域去除;选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析,确定矿化蚀变的主分量,划分矿化蚀变的主分量图像,并绘制矿化蚀变信息等级图像。
该计算机可读存储介质可以包括 :U盘、移动硬盘、只读存储器 (Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例,本发明在此不做赘述。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种岩石蚀变信息提取方法,其特征在于,包括:
获取目标岩石的遥感影像,并对所述遥感影像进行预处理;
选取所述遥感影像对应的光谱曲线波段区间;
利用比值法计算所述遥感影像对应的植被指数和水体指数,利用所述植被指数和所述水体指数将所述遥感影像中植被和水体区域去除;
选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析,确定矿化蚀变的主分量,划分矿化蚀变的主分量图像,并绘制矿化蚀变信息等级图像。
2.根据权利要求1所述的岩石蚀变信息提取方法,其特征在于,对所述遥感影像进行预处理至少包括辐射定标、大气校正、裁剪及重采样。
3.根据权利要求1所述的岩石蚀变信息提取方法,其特征在于,所述选取所述遥感影像对应的光谱曲线波段区间的步骤包括:
根据目标区域内地质概况,分析岩石种类;
查找对应的岩石光谱曲线,确定光谱曲线的反射峰波段范围和吸收谷波段范围;
依据光谱曲线的反射峰波段范围和吸收谷波段范围,选取所述遥感影像对应的光谱曲线波段区间。
5.根据权利要求1所述的岩石蚀变信息提取方法,其特征在于,所述矿化蚀变包括铁染蚀变;所述选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析的步骤包括:
根据铁染蚀变相关的矿物目标的波谱特征,选取光谱曲线波段区间中铁染蚀变对应的不同波段进行第一次主成分分析,得到铁染蚀变的主成分特征向量矩阵;
从铁染蚀变的主成分特征向量矩阵中选择满足铁染蚀变主分量判断准则的主分量;
按照铁染蚀变等级划分标准,划分铁染蚀变的主分量图像,并绘制铁染蚀变信息等级图像。
6.根据权利要求5所述的岩石蚀变信息提取方法,其特征在于,所述铁染蚀变主分量的判断准则是铁染蚀变的主成分特征向量的载荷系数在具有强反射特征的波段为正值,在具有强吸收特征的波段为负值。
7.根据权利要求1所述的岩石蚀变信息提取方法,其特征在于,所述矿化蚀变还包括泥化蚀变;所述选取所述光谱曲线波段区间中与矿化蚀变相关的不同波段进行主成分分析的步骤包括:
根据泥化蚀变相关的矿物目标的波谱特征,选取光谱曲线波段区间中泥化蚀变对应的不同波段进行第二次主成分分析,得到泥化蚀变的主成分特征向量矩阵;
从泥化蚀变的主成分特征向量矩阵中选择满足泥化蚀变主分量判断准则的主分量;
按照泥化蚀变等级划分标准,划分泥化蚀变的主分量图像,并绘制泥化蚀变信息等级图像。
8.根据权利要求7所述的岩石蚀变信息提取方法,其特征在于,所述泥化蚀变主分量的判断准则是泥化蚀变的主成分特征向量在具有强反射特征的波段和具有强吸收特征的波段的载荷系数的符号相反。
9.一种岩石蚀变信息提取系统,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至8任一项所述岩石蚀变信息提取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述岩石蚀变信息提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210491226.0A CN114596430A (zh) | 2022-05-07 | 2022-05-07 | 一种岩石蚀变信息提取方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210491226.0A CN114596430A (zh) | 2022-05-07 | 2022-05-07 | 一种岩石蚀变信息提取方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114596430A true CN114596430A (zh) | 2022-06-07 |
Family
ID=81812048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210491226.0A Pending CN114596430A (zh) | 2022-05-07 | 2022-05-07 | 一种岩石蚀变信息提取方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596430A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 中国地质科学院矿产资源研究所 | 蚀变遥感异常提取方法和系统 |
CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN110706212A (zh) * | 2019-09-10 | 2020-01-17 | 甘肃省地质调查院 | 矿化蚀变信息提取方法、终端设备及存储介质 |
US20210356623A1 (en) * | 2020-05-12 | 2021-11-18 | Institute Of Geology And Geophysics Chinese Academy Of Sciences (Iggcas) | Rock Reservoir Structure Characterization Method, Device, Computer-Readable Storage Medium and Electronic Equipment |
-
2022
- 2022-05-07 CN CN202210491226.0A patent/CN114596430A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 中国地质科学院矿产资源研究所 | 蚀变遥感异常提取方法和系统 |
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
CN110706212A (zh) * | 2019-09-10 | 2020-01-17 | 甘肃省地质调查院 | 矿化蚀变信息提取方法、终端设备及存储介质 |
US20210356623A1 (en) * | 2020-05-12 | 2021-11-18 | Institute Of Geology And Geophysics Chinese Academy Of Sciences (Iggcas) | Rock Reservoir Structure Characterization Method, Device, Computer-Readable Storage Medium and Electronic Equipment |
Non-Patent Citations (5)
Title |
---|
张胜龙 等: "基于Landsat 8 OLI数据甘肃陇南赵家庄地区遥感蚀变信息提取", 《铀矿地质》 * |
李平 等: "基于空间特征的蚀变信息提取研究", 《吉林地质》 * |
王守志等: "基于Landsat-8 OLI和GF-1 PMS数据融合的铁染蚀变信息提取", 《遥感技术与应用》 * |
王曦 等: "基于Aster和Landsat8数据在青海赛什腾地区蚀变信息提取研究", 《地质论评》 * |
陈涛: "基于TM数据的某矿区遥感矿化蚀变信息提取研究", 《皖西学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358260B (zh) | 一种基于表面波cnn的多光谱图像分类方法 | |
CN108122008B (zh) | 基于稀疏表示和多特征决策级融合的sar图像识别方法 | |
CN109493338B (zh) | 基于联合提取空谱特征的高光谱图像异常检测方法 | |
CN110008948B (zh) | 基于变分自编码网络的高光谱图像目标检测方法 | |
Shi et al. | A latent encoder coupled generative adversarial network (le-gan) for efficient hyperspectral image super-resolution | |
CN113723255A (zh) | 一种高光谱影像分类方法和存储介质 | |
Akhtar et al. | Optical character recognition (OCR) using partial least square (PLS) based feature reduction: an application to artificial intelligence for biometric identification | |
CN111783884A (zh) | 基于深度学习的无监督高光谱图像分类方法 | |
CN113486869B (zh) | 一种基于非监督特征提取的岩性识别方法、装置及介质 | |
CN114398948A (zh) | 一种基于空-谱联合注意力网络的多光谱影像变化检测方法 | |
CN108647726B (zh) | 一种图像聚类方法 | |
CN115205703A (zh) | 一种多特征蓝藻提取方法、装置、电子设备及存储介质 | |
CN115205528A (zh) | 一种用于面向地理对象影像分析的特征选择方法 | |
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 | |
Richards et al. | Interpretation of hyperspectral image data | |
CN107944474B (zh) | 基于局部自适应字典的多尺度协作表达高光谱分类方法 | |
CN114596430A (zh) | 一种岩石蚀变信息提取方法、系统及介质 | |
CN109839356B (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
CN111199251B (zh) | 一种基于加权邻域的多尺度高光谱图像分类方法 | |
CN113516084A (zh) | 高分辨率遥感影像半监督分类方法、装置、设备及介质 | |
CN113837123A (zh) | 一种基于谱空信息结合的中分辨率遥感图像近海养殖区提取方法 | |
CN110378268B (zh) | 高光谱快速目标检测方法及系统 | |
Rasti et al. | Wavelet based hyperspectral image restoration using spatial and spectral penalties | |
CN109543717B (zh) | 基于自适应邻域及字典的联合协作表达高光谱分类方法 | |
CN111860534A (zh) | 一种基于图像显著性分析的sar图像溢油检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220607 |