一种基于光谱知识的矿物信息智能识别方法技术

一种基于光谱知识的矿物信息智能识别方法，其步骤如下：（１）提取包括光谱波形与光谱特征参数的光谱知识；（２）读入高光谱图像数据；（３）根据图像光谱波长对各个参考光谱进行重采样；（４）对图像光谱及重采样后参考光谱进行连续统去除；（５）对步骤（４）处理后的图像光谱与各个参考光谱在主次吸收特征波段采用最小二乘拟合方法，得到最初匹配值；（６）对最初匹配值进行三个约束处理：特征波段光谱角匹配、是否存在特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值；（７）步骤（６）得到的各个最终匹配值中的最大匹配值所对应参考光谱即该像元初步识别结果，然后运用矿物空间分布连续性的约束得到高光谱图像最终识别结果。

【技术实现步骤摘要】

本专利技术涉及，属于高光谱数据处理方 法与应用
，适用于高光谱图像信息自动提取的理论方法以及在矿物信息识别等领 域的应用技术研究。
技术介绍
高光谱相对于传统遥感增加了光谱维信息，反映了其代表地物的内在特征，充分 利用该信息能够大大推动高光谱数据的应用范围与水平，并不断扩展高光谱数据的应用深 度和广度。目前高光谱矿物信息识别的方法主要为基于波谱相似性测度、混合光谱模型、基 于光谱波形参数等。在具有大量已知地物光谱时这些方法适应性强，但明显不足是由于实 际地物光谱变异、获取数据受观测角以及颗粒大小的影响而造成光谱变化，准确匹配比较 困难，造成矿物识别与分析上的混淆和误差。另外基于统计的光谱识别方法几乎没有用到 矿物光谱的内在特征及其化学组成等信息。事实上，矿物往往具有其特有的诊断吸收特征， 并且其吸收特征在不同的矿物中具有较稳定的波长位置和较稳定的独特波形，能够指示矿 物的存在。通过光谱吸收特征或其组合，能够实现对矿物的识别。针对这一问题，国外提出 了基于知识决策的识别方法，该方法利用了矿物光谱的诊断吸收特征。但是该类方法存在 着一定程度的问题受测量条件和环境的影响，同种矿物的标准参考光谱和图像像元光谱 的幅值存在较大差异，采用参考光谱在诊断特征波段区间的最大和最小值作为约束条件来 避免异物同谱的情况会造成识别误差；并且现有方法未考虑矿物在空间分布连续的特性， 造成一些散点的误识别。
技术实现思路
本专利技术的目的是针对现有矿物信息识别方法光谱吸收特征利用较少、未充分考虑 测量环境引起的参考光谱与图像像元光谱存在幅值差异以及未考虑矿物本身的分布特性 等不足，提出一种。本专利技术的技术解决方案是。该方法 主要是基于光谱知识的相关理论，提取包括光谱波形与光谱特征参数的光谱知识，获得参 考光谱以及光谱吸收特征波段区间，然后采用基于光谱主次吸收特征的最小二乘拟合方法 得到最初匹配值，并对最初匹配值进行以下三个约束处理特征波段光谱角匹配、是否存在 特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值，将图像像元光谱与各个参 考光谱的最终匹配值中的最大匹配值所对应参考光谱作为该像元初步识别结果，然后运用 矿物空间分布的连续性得到高光谱图像的最终识别结果，从而实现高光谱图像矿物信息的 自动识别。本专利技术，其步骤如下(1)提取包括光谱波形与光谱特征参数的光谱知识；(2)读入高光谱图像数据；(3)根据图像光谱波长对各个参考光谱进行重采样；(4)对图像光谱及重采样后参考光谱进行连续统去除；(5)对步骤(4)处理后的图像光谱与各个参考光谱在主次吸收特征波段采用最小 二乘拟合方法，得到最初匹配值；(6)对最初匹配值进行三个约束处理特征波段光谱角匹配、是否存在特定吸收 特征、特征波段反射率阈值设定，从而得到最终匹配值；(7)步骤(6)得到的各个最终匹配值中的最大匹配值所对应参考光谱即该像元初 步识别结果，然后运用矿物空间分布连续性的约束得到高光谱图像最终识别结果。其中，步骤(1)中所述的光谱波形与光谱特征参数等光谱知识的提取，其含义说 明如下选取美国地调局光谱库中常见矿物光谱为参考光谱(光谱波段范围0. 3951 2. 56 μ m)；提取其光谱波形以及光谱库中各参考光谱在整个波段范围内吸收特征的个数和 每个吸收特征的起止波段位置等相关参数作为光谱知识。其中，步骤(3)中所述的根据图像光谱波长对各个参考光谱进行重采样，其含义 说明如下由于参考光谱与图像像元光谱波长范围可能不一致，因此在拟合运算之前必须 采用临界采样的方法根据图像像元光谱波长对参考光谱进行重采样。其中，步骤(4)中所述的对图像像元光谱及重采样后参考光谱进行连续统去除， 其含义说明如下连续统去除处理可以突出光谱吸收特征，抑制噪声影响；其具体流程为 首先求得光谱曲线上所有极大值点中的最大值，然后以最大值点作为包络线的一个端点计 算该点与波长增加的方向各个极大值连线的斜率并以斜率最大点作为包络的下一个端点， 再以此点为起点循环直到最后一点，同时以最大值点作为包络的一个端点向波长减小的方 向进行类似计算并以斜率最小点为下一个端点，再以此点为起点循环直到曲线上的开始 点，最后沿波长增加方向连接所有端点可形成包络线，用实际光谱反射率去除包络线上相 应波段的反射率值可得连续统去除曲线；其计算公式如下Rcr(A) = R(A)/C(A)其中，λ为波长，RraU)为连续统去除后的反射率值，RU)为连续光谱的反射率 值，CU)为连续统的值。其中，步骤(5)中所述的基于主次吸收特征的最小二乘拟合方法，其含义说明如 下对连续统去除后的各个参考光谱和图像像元光谱在主次吸收特征区间进行最小二乘拟 合，得到最初的匹配值。其计算公式如下「 F —冬广YjOiLi-^OiYjLi)! η,tIOtai _ ΖΛ, / ^一一 7‘=1 ν(ΣΑ2-(ΣΑ)2、)(Σ0'2-(Σ0,)、)其中，ni为第i个吸收特征所含的波段数讽为第i个吸收特征连续统去除后的 图像像元光谱^为第i个吸收特征连续统去除后的参考光谱而为第i个光谱吸收特征 所占的权系数，可利用该吸收特征的面积在整个波段主次两个特征的面积之和中所占的比 例来得到；Fttrtal为连续统去除后的图像像元光谱与参考光谱在主次吸收特征区间的加权匹 配值。其中，步骤(6)中所述的“对最初匹配值进行三个约束处理特征波段光谱角匹配、是否存在特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值”，其含义说明如下由于存在不同种矿物连续统去除后特征区间波形相似的情况，因此需要对连续统去 除前的图像像元光谱和参考光谱进行光谱角匹配，并设定光谱角阈值，若光谱角匹配值小 于该阈值，则认为出现了异物同谱的情况，将步骤(5)中所得最初匹配值设为0;由于不同 种矿物会在某一波段区间存在相似特征，但不会在所有波段区间都具有相似特征，因此可 以根据一种矿物在与之具有相似特征的另一种矿物的其它特征波段区间不具有吸收特征 来区分具有相似吸收特征的两种矿物，并设定吸收深度阈值，若一种矿物在与之具有相似 特征的另一种矿物的其它某一特征波段区间的吸收深度大于该阈值，则将步骤(5)中所得 最初匹配值设为0 ；为了去除噪声影响，设定连续统去除前图像像元光谱在与其匹配的参 考光谱的特征波段区间的最小反射率阈值，若不满足该阈值则将步骤(5)中所得最初匹配 值设为0。其中，步骤(7)中所述的“步骤(6)得到的各个最终匹配值中的最大匹配值所对应 参考光谱即该像元初步识别结果，然后运用矿物空间分布连续性的约束得到高光谱图像最 终识别结果”，其含义说明如下图像像元光谱与各个参考光谱经过最小二乘拟合与约束条 件限制得到的最大匹配值表示匹配最佳，其对应矿物即为该图像像元初步识别结果；然后 运用矿物空间分布连续性约束条件，即矿物不以散点形式在图像中出现，得到高光谱图像 中矿物的最终识别结果。本专利技术与现有技术相比的优点在于本方法运用了光谱知识的相关理论，有效的 克服了现有识别方法对光谱吸收特征利用较少、未充分考虑测量环境引起的参考光谱与图 像像元光谱存在幅值差异以及未考虑矿物本身的分布特性的问题，实现了高光谱图像矿物 信息的自动识别。它具有以下的优点(1)改进了抑制异物同谱的约束条件，采用对本文档来自技高网...

【技术保护点】
一种基于光谱知识的矿物信息智能识别方法，其特征在于：它包含以下步骤：（１）提取包括光谱波形与光谱特征参数的光谱知识；（２）读入高光谱图像数据；（３）根据图像光谱波长对各个参考光谱进行重采样；（４）对图像光谱及重采样后参考光谱进行连续统去除；（５）对步骤（４）处理后的图像光谱与各个参考光谱在主次吸收特征波段采用最小二乘拟合方法，得到最初匹配值；（６）对最初匹配值进行三个约束处理：特征波段光谱角匹配、是否存在特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值；（７）步骤（６）得到的各个最终匹配值中的最大匹配值所对应参考光谱即该像元初步识别结果，然后运用矿物空间分布连续性的约束得到高光谱图像最终识别结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵慧洁，李娜，牛志宇，盛浩，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]