CN117828529A - 一种基于互信息的铁矿高光谱数据串联融合方法及系统 - Google Patents
一种基于互信息的铁矿高光谱数据串联融合方法及系统 Download PDFInfo
- Publication number
- CN117828529A CN117828529A CN202311862639.6A CN202311862639A CN117828529A CN 117828529 A CN117828529 A CN 117828529A CN 202311862639 A CN202311862639 A CN 202311862639A CN 117828529 A CN117828529 A CN 117828529A
- Authority
- CN
- China
- Prior art keywords
- iron ore
- imaging spectrometer
- data
- hyperspectral data
- wave band
- 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
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 292
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 145
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims abstract description 187
- 230000003595 spectral effect Effects 0.000 claims abstract description 71
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012952 Resampling Methods 0.000 claims description 29
- 241000283965 Ochotona princeps Species 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于互信息的铁矿高光谱数据串联融合方法及系统,涉及铁矿分类及品位反演领域,方法包括:根据成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据以及重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据;计算第一与第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段;在成像光谱仪间相关性最大的波段处对成像光谱仪在Vis‑SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。本发明能够在光谱数据交叉范围内选择有效波段进行串联融合,从而有效提升反演模型的准确性与精度。
Description
技术领域
本发明涉及铁矿分类及品位反演技术领域,特别是涉及一种基于互信息的铁矿高光谱数据串联融合方法及系统。
背景技术
铁矿资源是中国经济发展和社会进步的物质基础,在铁矿开采过程中,快速精准地确定铁矿品位,对矿山开采决策及经济效益具有重要影响。目前矿区主要利用化学分析法进行矿石品位检测,该方法需要将采集的矿石样本粉碎后送到实验室进行化学分析,尽管该方法检测精度较高,但存在着化验周期长,检测成本高,无法原位测定品位等问题。
成像高光谱技术具有影像覆盖范围广、精度高等优势,已广泛应用于矿石分类及品位反演等领域。然而目前成像光谱仪的波段范围主要为可见-短近红外(Vis-SWIR)和近红外(NIR)两类,且两类数据多为独立获取,缺乏连续性,采用单一数据所建模型的精度往往偏低。因此融合多传感器所获光谱数据,可有效解决单一传感器波段范围小、包含目标特征波段少等问题,提高基于成像高光谱技术的铁矿品位反演精度,但传统研究(即传统融合方法)大多将边缘交叉波段去除以解决串联融合过程中出现的数据冗余问题,若该波段区间内存在目标特征信息则会降低反演模型准确性与精度。
发明内容
本发明的目的是提供一种基于互信息的铁矿高光谱数据串联融合方法及系统,能够在光谱数据交叉范围内选择有效波段进行串联融合,从而有效提升反演模型的准确性与精度。
为实现上述目的,本发明提供了如下方案:
一种基于互信息的铁矿高光谱数据串联融合方法,所述方法包括:
获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据;
获取成像光谱仪的波段重合范围;
根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据;
根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据;
计算所述第一一阶微分处理后光谱数据与所述第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段;
在所述成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
可选地,所述成像光谱仪包括Pika L成像光谱仪与PIka NIR-320成像光谱仪;
所述Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;
所述PIka NIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
可选地,所述获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据,之前还包括:
利用所述Pika L成像光谱仪得到所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据;
利用所述PIka NIR-320成像光谱仪得到所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据;所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据。
可选地,所述根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,具体包括:
根据所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
根据所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到所述PIka NIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述PIka NIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据。
可选地,所述根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据,具体包括:
以所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据为重采样基准,使用三次样条插值方法对所述Pika NIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据重采样,得到重采样后的高光谱数据。
可选地,所述根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据,具体包括:
对所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据做一阶微分处理,得到第一一阶微分处理后光谱数据;
对所述重采样后的高光谱数据做一阶微分处理,得到第二一阶微分处理后光谱数据。
可选地,所述获取成像光谱仪的波段重合范围,之前还包括:
确定所述Pika L成像光谱仪与所述PIka NIR-320成像光谱仪的波段重合范围;所述Pika L成像光谱仪与所述PIka NIR-320成像光谱仪的波段重合范围为成像光谱仪的波段重合范围。
可选地,所述成像光谱仪间相关性最大的波段为所述Pika L成像光谱仪与所述PIka NIR-320成像光谱仪间相关性最大的波段。
本发明还提供了如下方案:
一种基于互信息的铁矿高光谱数据串联融合系统,所述系统包括:
Vis-SWIR与NIR波段范围内数据获取模块,用于获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据;
波段重合范围获取模块,用于获取成像光谱仪的波段重合范围;
波段重合范围内高光谱数据得到模块,用于根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
重采样模块,用于根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据;
一阶微分处理模块,用于根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据;
互信息计算模块,用于计算所述第一一阶微分处理后光谱数据与所述第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段;
串联融合模块,用于在所述成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
可选地,所述成像光谱仪包括Pika L成像光谱仪与PIkaNIR-320成像光谱仪;
所述Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;
所述PIka NIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开的基于互信息的铁矿高光谱数据串联融合方法及系统,通过对成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据以及重采样后的高光谱数据进行一阶微分处理,得到第一一阶微分处理后光谱数据与第二一阶微分处理后光谱数据,通过计算第一一阶微分处理后光谱数据与第二一阶微分处理后光谱数据对应数据间的互信息,从而利用重合波段处光谱数据间相关性,在光谱数据交叉范围内选择有效波段,确定出数据串联融合的最佳波段,即成像光谱仪间相关性最大的波段,通过在成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,实现在光谱数据交叉范围内选择有效波段进行串联融合,从而有效提升反演模型的准确性与精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一种基于互信息的铁矿高光谱数据串联融合方法的流程图;
图2为鞍山市铁矿样本的高光谱图像;
图3为鞍山市铁矿样本的高光谱数据示意图;
图4为部分样品重采样前后光谱波段数据示意图;
图5为互信息计算结果示意图;
图6为融合后的光谱数据示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。
本发明的目的是提供一种基于互信息的铁矿高光谱数据串联融合方法及系统,能够在光谱数据交叉范围内选择有效波段进行串联融合,从而有效提升反演模型的准确性与精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种基于互信息的铁矿高光谱数据串联融合方法的流程图。如图1所示,本发明提供了一种基于互信息的铁矿高光谱数据串联融合方法,包括如下步骤:
步骤101:获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据。
其中,成像光谱仪包括Pika L成像光谱仪与PIkaNIR-320成像光谱仪;Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;PIkaNIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
该步骤101之前还包括:
利用Pika L成像光谱仪得到Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据。
利用PIka NIR-320成像光谱仪得到PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据;Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据。
步骤102:获取成像光谱仪的波段重合范围。
该步骤102之前还包括:
确定Pika L成像光谱仪与PIka NIR-320成像光谱仪的波段重合范围;Pika L成像光谱仪与PIkaNIR-320成像光谱仪的波段重合范围为成像光谱仪的波段重合范围。
步骤103:根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及波段重合范围,得到成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据。
该步骤103具体包括:
根据Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及波段重合范围,得到Pika L成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据。
根据PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据以及波段重合范围,得到PIkaNIR-320成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据;Pika L成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据以及PIkaNIR-320成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据。
步骤104:根据成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据。
该步骤104具体包括:
以Pika L成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据为重采样基准,使用三次样条插值方法对PikaNIR-320成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据重采样,得到重采样后的高光谱数据。
步骤105:根据成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据以及重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据。
该步骤105具体包括:
对Pika L成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据做一阶微分处理,得到第一一阶微分处理后光谱数据。
对重采样后的高光谱数据做一阶微分处理,得到第二一阶微分处理后光谱数据。
步骤106:计算第一一阶微分处理后光谱数据与第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段。
其中,成像光谱仪间相关性最大的波段为Pika L成像光谱仪与PIkaNIR-320成像光谱仪间相关性最大的波段。
步骤107:在成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
下面以一个具体实施例说明本发明的技术方案:
本发明提供了一种基于互信息的光谱串联融合算法(即基于互信息的铁矿高光谱数据串联融合方法)研究,本研究以在Vis-SWIR与NIR两个波段范围内采集鞍山市铁矿的高光谱图像为研究对象,针对传统融合方法中忽略在光谱数据交叉范围内选择有效波段就进行串联融合的问题,提出了一种基于互信息的串联融合算法(即基于互信息的铁矿高光谱数据串联融合方法)。
为扩大波段覆盖范围,增加样品特征信息,采用数据串联融合对Vis-SWIR与NIR光谱数据进行融合处理,数据串联融合方法是将同一样品的Vis-SWIR与NIR光谱数据首尾串联连接,融合后光谱数据的波段数等于融合前两传感器波段之和,公式如下所示:
Vis-NIRm1×n1=Vis-SWIRm2×n2+NIRm3×n3 (1)
其中VIS-NIRm1×n1为融合后可见-近红外光谱数据,VIS-SWIRm2×n2与NIRm3×n3分别为可见短近红外与近红外数据,m为样品数,n为波段数,且m1=m2=m3,n1=n2+n3。
直接对光谱数据进行串联融合会造成波段冗余,传统方法多去除光谱数据的冗余波段后去进行串联融合,然而受Fe3+影响,去除此区间数据将丢失部分光谱特征。因此将Vis-SWIR大于某一波段的光谱数据以及NIR小于该波段的光谱数据作为噪声数据剔除后,对剩余的光谱数据进行串联融合以解决上述问题。
但选择不同的波段剔除噪声数据进行两组光谱数据的串联融合,势必对矿石品位、类别等分析造成影响。针对此现象,本发明提出了一种基于互信息的光谱串联融合方法(即基于互信息的铁矿高光谱数据串联融合方法),利用重合波段处光谱数据间相关性,确定数据串联融合的最佳波段。
基于互信息的光谱串联融合方法如下:
步骤1、分别获取鞍山市铁矿样本Vis-SWIR与NIR的高光谱图像,并提取样本对应的平均光谱,具体过程为:
(1)将样本与标准白板放置于数据采集的移动平台上,分别以Pika L成像光谱仪与PIkaNIR-320成像光谱仪采集样本的原始DN值数据。
(2)以标准白板为定标背景,使用与成像光谱仪配套的Spectronon Pro软件将仪器采集的原始DN值数据转化为反射率数据,鞍山市铁矿样本的高光谱图像如图2所示。
(3)通过ENVI圈定每个样本在高光谱图像中所对应的全部像元为感兴趣区(ROI),并提取ROI内的平均光谱为该样本的高光谱数据,如图3所示(下述步骤中的高光谱数据均为此步骤中的平均光谱),图3中(a)部分表示第一个传感器采集的高光谱数据,(b)部分表示第二个传感器采集的高光谱数据。
步骤2、对PIkaNIR-320采集的高光谱数据进行重采样,以便于后续相关性计算,具体过程为:
(1)确定两成像光谱仪的波段重合范围为886.24~1025.35nm,因Pika L成像光谱仪具有更高的光谱分辨率,以Pika L在886.24~1025.35nm采集的高光谱数据为重采样基准,设为Li,j 1,如公式(2)所示:
其中i为Pika L采集的高光谱数据在波段重合范围内的波段,一共有63个,j为本研究采集样本的编号,一共192个。
(2)以Pika L采集的63个波段为基准,使用三次样条插值方法对PikaNIR-320重合范围内采集的高光谱数据重采样,重采样后波段的范围为886.24~1025.35nm,设重采样后高光谱数据为NIRi,j 1,如公式(3)所示:
部分样品重采样前后光谱波段数据如图4所示,图4中(a)部分为部分样品重采样前光谱波段数据,图4中(b)部分为部分样品重采样后光谱波段数据,NIRi,j 1与Li,j 1具有相同的波段数。公式(3)中i、j含义与公式(2)中i、j含义相同。
步骤3、分别对Li,j 1与NIRi,j 1做一阶微分处理,得到第一一阶微分处理后光谱数据Li,j 2与第二一阶微分处理后光谱数据NIRi,j 2,具体过程为:
受仪器自身条件限制与实验背景影响,在相同波段处,Pika L采集的光谱数据与PikaNIR-320重采样的光谱反射率大小存在差异。为消除传感器间差异与背景的干扰,保留光谱数据的变化趋势,分别对Pika L重合区间内采集的光谱数据与PikaNIR-320重合区间内重采样后的光谱数据做一阶微分处理,如公式(4)和公式(5)所示:
其中Li,j 2为Li,j 1一阶微分处理后光谱数据,Wi,j 1为光谱数据Li,j 1所对应的波段数据。
其中NIRi,j 2为NIRi,j 1一阶微分处理后光谱数据,Wi,j 1为光谱数据NIRi,j 1所对应的波段数据,因Li,j 1与NIRi,j 1具有相同的波段数据,故公式(4)与公式(5)中采用相同的符号表示波段数据。
步骤4、计算Li,j 2与NIRi,j 2对应数据间的互信息,以求取两仪器间相关性最大的波段,具体过程为:
(1)为消除个别一阶微分数据间互信息不稳定的影响,以五个相邻的微分数据为一组计算互信息(MI),即Li,j 3={Li,j 2,Li+1,j 2,Li+2,j 2,Li+3,j 2,Li+4,j 2},NIRi,j 3={NIRi,j 2,NIRi+1,j 2,NIRi+2,j 2,NIRi+3,j 2,NIRi+4,j 2},(1≤i≤58,1≤j≤192)。互信息计算公式如下所示:
其中X为Li,j 3,Y为NIRi,j 3,x与y分别为Li,j 3与NIRi,j 3对应的子集,MI(X;Y)表示X和Y之间的互信息,p(x,y)表示X和Y同时发生的概率,p(x)和p(y)分别表示X和Y各自发生的概率。
分别计算同一件样本的互信息(即j相同),求192件样品MIi,j的平均值MIaver为第i组数据的互信息值,互信息计算结果如图5所示,分布在0.65~0.78之间,在第34组取得最大值0.78,对应的中间波段为959.89nm(重合波段中的第36个波段)。
步骤5、因此在该波段处对所有光谱数据进行串联融合。因不同传感器的光谱响应特征和测试背景存在一定差异,相同波段处测得的光谱反射率大小不同,光谱数据串联融合后出现阶跃现象,因此以959.89nm处Pika L采集的光谱数据与PikaNIR-320重采样后光谱数据的差值对NIR光谱数据进行校正,校正公式如下所示:
NIRc=NIR+L36,j 1-NIR36,j 1 (7)
其中NIRc为NIR校正后光谱数据,Li,j 1与NIRi,j 1为两组光谱数据在第36个重合波段处(959.89nm)的光谱反射率,NIR表示PIka NIR-320采集的NIR光谱数据。
基于公式(1),在959.89nm处对Vis-SWIR光谱数据(886.49~959.89nm)与校正后的NIR光谱数据(959.89nm~1667.87nm)进行串联融合,融合后的光谱数据如图6所示。
由于融合多传感器所获光谱数据,可有效解决单一传感器波段范围小、包含目标特征波段少等问题,提高基于成像高光谱技术的铁矿品位反演精度,但传统研究大多将边缘交叉波段去除以解决串联融合过程中出现的数据冗余问题,若该波段区间内存在目标特征信息则会降低反演模型准确性与精度,本发明采集的两组光谱数据在886~1025nm间存在重合,但受Fe3+影响,鞍山式铁矿在880~1000nm附近存在显著的光谱特征,保留此区间光谱数据可有效提升反演模型的准确性与精度。
基于本发明提供的基于互信息的铁矿高光谱数据串联融合方法,本发明还提供一种基于互信息的铁矿高光谱数据串联融合系统,该系统包括如下模块:
Vis-SWIR与NIR波段范围内数据获取模块,用于获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据。
波段重合范围获取模块,用于获取成像光谱仪的波段重合范围。
波段重合范围内高光谱数据得到模块,用于根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及波段重合范围,得到成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据。
重采样模块,用于根据成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据。
一阶微分处理模块,用于根据成像光谱仪在波段重合范围内采集的铁矿样本的高光谱数据以及重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据。
互信息计算模块,用于计算第一一阶微分处理后光谱数据与第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段。
串联融合模块,用于在成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
其中,成像光谱仪包括Pika L成像光谱仪与PIkaNIR-320成像光谱仪;Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;PIkaNIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
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。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述方法包括:
获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据;
获取成像光谱仪的波段重合范围;
根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据;
根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据;
计算所述第一一阶微分处理后光谱数据与所述第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段;
在所述成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
2.根据权利要求1所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述成像光谱仪包括Pika L成像光谱仪与PIka NIR-320成像光谱仪;
所述Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;
所述PIka NIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
3.根据权利要求2所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据,之前还包括:
利用所述Pika L成像光谱仪得到所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据;
利用所述PIka NIR-320成像光谱仪得到所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据;所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据。
4.根据权利要求3所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,具体包括:
根据所述Pika L成像光谱仪在Vis-SWIR波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
根据所述PIka NIR-320成像光谱仪在NIR波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到所述PIkaNIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述PIka NIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据共同构成成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据。
5.根据权利要求4所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据,具体包括:
以所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据为重采样基准,使用三次样条插值方法对所述Pika NIR-320成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据重采样,得到重采样后的高光谱数据。
6.根据权利要求4所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据,具体包括:
对所述Pika L成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据做一阶微分处理,得到第一一阶微分处理后光谱数据;
对所述重采样后的高光谱数据做一阶微分处理,得到第二一阶微分处理后光谱数据。
7.根据权利要求2所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述获取成像光谱仪的波段重合范围,之前还包括:
确定所述Pika L成像光谱仪与所述PIka NIR-320成像光谱仪的波段重合范围;所述Pika L成像光谱仪与所述PIkaNIR-320成像光谱仪的波段重合范围为成像光谱仪的波段重合范围。
8.根据权利要求2所述的基于互信息的铁矿高光谱数据串联融合方法,其特征在于,所述成像光谱仪间相关性最大的波段为所述Pika L成像光谱仪与所述PIkaNIR-320成像光谱仪间相关性最大的波段。
9.一种基于互信息的铁矿高光谱数据串联融合系统,其特征在于,所述系统包括:
Vis-SWIR与NIR波段范围内数据获取模块,用于获取成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据;
波段重合范围获取模块,用于获取成像光谱仪的波段重合范围;
波段重合范围内高光谱数据得到模块,用于根据成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据以及所述波段重合范围,得到成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据;
重采样模块,用于根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据,进行重采样,得到重采样后的高光谱数据;
一阶微分处理模块,用于根据成像光谱仪在所述波段重合范围内采集的铁矿样本的高光谱数据以及所述重采样后的高光谱数据,进行一阶微分处理,得到第一一阶微分处理后光谱数据和第二一阶微分处理后光谱数据;
互信息计算模块,用于计算所述第一一阶微分处理后光谱数据与所述第二一阶微分处理后光谱数据对应数据间的互信息,得到成像光谱仪间相关性最大的波段;
串联融合模块,用于在所述成像光谱仪间相关性最大的波段处对成像光谱仪在Vis-SWIR与NIR两个波段范围内采集的铁矿样本的高光谱数据进行串联融合,得到融合后的光谱数据。
10.根据权利要求9所述的基于互信息的铁矿高光谱数据串联融合系统,其特征在于,所述成像光谱仪包括Pika L成像光谱仪与PIka NIR-320成像光谱仪;
所述Pika L成像光谱仪用于在Vis-SWIR波段范围内采集铁矿样本的高光谱数据;
所述PIka NIR-320成像光谱仪用于在NIR波段范围内采集铁矿样本的高光谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311862639.6A CN117828529A (zh) | 2023-12-29 | 2023-12-29 | 一种基于互信息的铁矿高光谱数据串联融合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311862639.6A CN117828529A (zh) | 2023-12-29 | 2023-12-29 | 一种基于互信息的铁矿高光谱数据串联融合方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117828529A true CN117828529A (zh) | 2024-04-05 |
Family
ID=90507471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311862639.6A Pending CN117828529A (zh) | 2023-12-29 | 2023-12-29 | 一种基于互信息的铁矿高光谱数据串联融合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117828529A (zh) |
-
2023
- 2023-12-29 CN CN202311862639.6A patent/CN117828529A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533084B (zh) | 一种基于自注意力机制的多尺度目标检测方法 | |
Goto et al. | The cut-and-enhance method: selecting clusters of galaxies from the Sloan Digital Sky Survey commissioning data | |
CN109374537B (zh) | 城市黑臭水体识别方法及装置 | |
CN102445544B (zh) | 一种提高单同位素峰判断准确率的方法和系统 | |
Menanteau et al. | The optical—infrared colour distribution of a statistically complete sample of faint field spheroidal galaxies | |
CN105334279B (zh) | 一种高分辨质谱数据的处理方法 | |
CN110838340B (zh) | 一种不依赖数据库搜索的蛋白质生物标志物鉴定方法 | |
CN104990892B (zh) | 种子的光谱图像无损鉴别模型建立方法及种子鉴别方法 | |
CN111007039B (zh) | 中低分辨率遥感图像亚像元级水体自动提取方法和系统 | |
CN111144250A (zh) | 融合雷达和光学遥感数据的土地覆盖分类方法 | |
CN114170527A (zh) | 一种利用旋转框表示的遥感目标检测方法 | |
CN110108644A (zh) | 一种基于深度级联森林和高光谱图像的玉米品种鉴别方法 | |
CN115049640B (zh) | 一种基于深度学习的道路裂缝检测方法 | |
CN111089856B (zh) | 一种拉曼光谱弱信号提取的后处理方法 | |
KR20160049305A (ko) | 초분광 영상의 분광혼합분석에 의한 표적물질 탐지방법 | |
CN114419463B (zh) | 一种基于云平台的全球太阳能光伏板遥感自动识别方法 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN112906740B (zh) | 一种针对组织质谱成像结果去除批次间差异的方法 | |
CN111521575B (zh) | 质控物质选择方法及装置 | |
CN117828529A (zh) | 一种基于互信息的铁矿高光谱数据串联融合方法及系统 | |
CN112084941A (zh) | 一种基于遥感图像的目标检测与识别方法 | |
CN115236058A (zh) | 一种基于拉曼光谱的红茶发酵度识别方法及系统 | |
CN113902759B (zh) | 一种空谱信息联合的星载高光谱影像分割与聚类方法 | |
CN109190506A (zh) | 一种基于核稀疏和空间约束的高光谱目标检测方法 | |
CN110766700B (zh) | 基于数字微镜的icp-aes光谱图像处理方法 |
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 |