读书报告-基于分形理论的遥感蚀变信息提取与分级探讨

基于分形理论的遥感蚀变信息提取与分级探讨

通过最近这一阶段的学习，我掌握了运用遥感技术找矿和分形以及多重分形理论在找矿以及遥感蚀变信息提取中应用的一些基本知识，在阅读了大量遥感影像的蚀变信息提取和分形理论相关的研究论文下，写了这篇读书报告，以下我就基于分形理论在遥感蚀变信息提取与分级中的应用进行一些探讨。（备注：我报告中用到的遥感数据，是由师兄提供的，而在进行遥感蚀变信息提取时我说明了我学到的提取和分级的方法与过程，并最终给出了相应的遥感蚀变图与相应的分级结果图）

1 分形理论简介

分形理论创立于20世纪70年代中期。分形的概念是由曼德布罗特（B B Mandelbort）在1975 年首先提出的解决非线形现象的一种方法，其研究对象为自然界和社会活动中广泛存在的无序（无规则）而具有自相似性的系统。分形理论是研究自然界空间结构复杂性的一门学科，可从复杂的看似无序的图案中，提取出确定性、规律性的参量。既可以反演分形结构的形成机制，又可以从看似随机的演化过程(时间序列)中推测体系演化的结果，近年来倍受地球科学家的注意。

多重分形是当今分形理论的一个主旋律。多重分形研究一种物理量在一个支撑上的分布状况，换句话说，多重分形理论是定义在分形上的、多个标度指数奇异测度所组成的无限集合。简单分形只能用一个维数来描述整体特征，不能完整地刻画大自然的复杂性和多样性。许多复杂的现象往往包含多个层次，每个层次具有不同的统计特征，因此需要多个维数来全面刻画事物的特征。多重分形就是针对这类情况提出的新概念。

分形是局部和整体以某种方式相似的形。在实际问题中为了考察一个事物是否存在局部和整体的相似性，只要检测该事物是否存在无标度区即可。检测无标度区的方法如下：以尺度r把事物划分成N个相似的部分，对变化的r画出logN-logr曲线，然后检查曲线上是否有明显的直线段，直线段对应的r的区域即是无标度区。

分形方法已经广泛应用于确定地球化学背景值及其异常，我们可以借鉴已有的化探异常提取的方法，将分形应用于遥感蚀变异常的确定（相关研究如2009年王倩,陈建平基于分形理论的遥感蚀变异常提取和分级）。

2 遥感蚀变信息提取与分级的国内外研究现状

国外的研究主要有，1989 年，Crosta 利用Landsat TM 图像数据成功地圈定了巴西Minais Gerais 半干旱地区铁染和泥化现象；1991 年，Loughin 也利用主成分分析法进行了蚀变岩的研究。2003年，Crosta利用具有更高分辨率的ASTER数据对阿根廷巴塔哥尼亚地区的热液型金矿床蚀变进行了研究。

在我国，1997年，马建文提出了TM 掩模+主成分变换+分类识别提取矿化弱信息方法；1999年，张远飞等利用“多元数据分析+比值+主成份变换+掩膜+分类(分割)”的方法在新疆、内蒙古及江西、云南成功的提取了金矿化蚀变信息；2005年，毛晓长、刘文灿等利用ETM + 和ASTER数据在安徽铜陵凤凰山矿田进行了蚀变信息提取；2007年，张玉君等利用自己提出的“去干扰异常主分量门限化技术”很好的验证了蒙古国欧玉陶勒盖铜金矿床的存在位置，并提出三个新的有希望的羟基异常矿点。

近年来，随着高分辨率遥感数据的不断应用，蚀变信息提取的方法也由定性、半定量到定量的方向发展。所以将分形理论应用于遥感蚀变异常的确定具有很大的研究价值。

3 遥感蚀变信息提取的理论基础

3.1 蚀变异常指示找矿的地质依据

近矿围岩蚀变是矿化的一个主要特征，是找矿的一个直接标志。热液流体在运移过程中由于温度等物理、化学条件以及围岩组分差异，形成不同的蚀变矿物，按照围岩组分可以分为三类：中酸性岩的蚀变(云英岩化、绢云母化、钠长石化、钾长石化)、基性超基性岩的蚀变(蛇纹石化、绿泥石化、青盘岩化、碳酸盐化)、石灰岩及其他碳酸盐类的蚀变(矽卡岩化、硅化、重晶石化、白云岩化)。

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。光谱异常为用遥感图像的异常信息提取提供了理论依据。根据遥感图像数据的异常识别，可得到近矿围岩蚀变信息或矿化高丰度值异常区信息。

3.2 蚀变异常信息提取的波谱依据

地面上的各种岩石、土壤、植被及水体等均有各自独特的光谱特征，作为指示矿床和矿带存在的蚀变岩及蚀变带，也具有其独特的光谱特征。地物光谱特征的差异，是遥感技术识别各类地物的主要依据。近四十年来，中外学者进行了岩石和矿物波谱特性的大量研究工作，对大量粒状矿物进行了波谱测试，形成了矿物波谱专门数据库（USGS数字光谱库）。在各种常见矿物中：①含铁矿物，其波谱特征主要取决于铁离子的价态及矿物的含水性和透明度等。铁矿物以次生氧化物为主，部分作为热液蚀变带的原生矿物，如常见的褐铁矿、针铁矿、赤铁矿、黄钾铁矾等含大量Fe3+，也有少量Fe2+的铁氧化矿物，它们在ETM+1和ETM+4波段有强吸收带；②含羟基基团和含水的矿物，如高岭石、绿泥石、绿帘石、蒙脱石、明矾石及云母类等次生蚀变矿物，在2.2—2.3μm（相当于ETM+7波段）附近有较强的吸收谱带，使得这类含羟基和水的矿物及其所组成的岩石（蚀变岩）在ETM+7波段产生低值，而在ETM+5波段有相对的高值；③含碳酸根（CO32-）的矿物，如方解石、白云石、菱铁矿、石膏等，在1.8—2.5μm和2.55μm附近为较强吸收谱带。这些矿物的特征谱带正是进行遥感矿化蚀变异常信息提取的波谱依据（见表3-1）。

表3-1 铁蚀变和羟基蚀变的波谱依据

3.3 ETM+遥感影像的波谱特征

ETM + 是NASA (美国国家航空和宇宙航行局)于1999年4 月15 日成功发射的美国陆地卫星LandSat 7 携带的对地观测传感器，是一台8波段的多光谱扫描辐射计，工作于可见

光、近红外、短波红外和热红外波段。

LandSat 7 平台轨道是近极地圆形太阳同步轨道，轨道高度705 km，倾角98.22°，穿越赤道时间为上午10 点，扫描带宽185 km，地面重复访问周期为16天。

表3-2 ETM+遥感数据基本参数及各波段主要应用领域

根据前人工作经验，结合蚀变矿物的波谱特性，ETM+数据在1、3、4、5、7波段对矿化蚀变信息具有良好的指示作用。

ETM+1：位于铁离子由晶体场和电荷转移所产生的吸收波段，因而，可用于增强铁离子信息。

ETM+3：位于含铁离子矿物的高反射波段，因而，被广泛应用于增强铁染信息。

ETM+4：拉大了植被与含铁离子矿物信息之间的区别。同时该波段处于水体的强吸收区，对区分土壤湿度及寻找地下水、识别与水有关的地质构造、地貌、土壤岩石类型等均有利。

ETM+5：蚀变矿物在该波段具有高反射的特点，因此该波段对于蚀变矿物的判定具有重要意义。此外，该波段雪比云反射率低，色调暗而形成较大反差，易于区分雪和云，可用来去除雪、云干扰。

ETM+7：包含了粘土化蚀变矿物吸收谷（2.2μm 附近）及碳酸盐化蚀变矿物吸收谷（2.35μm），对岩石、特定矿物反映敏感，有利于区分主要岩石类型、岩石的水热蚀变、探测与交代岩石有关的粘土矿物等，该波段增加ETM+数据在地质探矿方面的应用。各类岩石在TM7 波段的光谱特征是由阴离子基团中的羟基、碳酸根引起的。因此，ETM+第7波段可以作为蚀变信息提取的波段。

4 遥感图像处理

4.1 遥感数据的选择

根据需要选择合适的遥感影像（选择时主要考虑成像时间和云量多少）。

本次研究所采用LandSat ETM +遥感数据景号为123/030，数据时间为2001年7月6日。

4.2 子区切取

根据研究需要，对经过大气校正和几何校正等预处理之后的图像切割以选择研究区。

4.3 遥感图像的波段选择

经过几何校正和子区切取后，研究区范围已经确定，但是开展遥感地质工作，首先需要获取一幅信息量丰富、层次分明、色彩饱和度适中且含有目标地物特征信息的彩色合成图像作为基础图像。

为了充分利用彩色在遥感图像判读中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。由于不同波段反映的地质现象不同，选择最佳波段组合进行彩色合成显得尤为重要。选择ETM+合成图像组合波段的一般原则是：

1．各波段的标准差要尽可能的大。ETM+数据各波段的标准差显示了各自所含信息的离散程度，即信息量的丰富程度，标准差越大的波段信息量越丰富。

2．各波段的相关系数要尽可能的小。如果相关性很强，各波段的信息就会出现大量的重复和冗余，导致合成图像的总信息量不高。同时还影响合成图像的色彩饱和度，三波段相关性越强，图像饱和度越差。

3．各波段的均值大小不能相差太悬殊。如果均值相差太大，会导致合成图像严重偏色。

选用含有目标物特征谱带的波段。

综合文献中的组合方式常选取ETM+741最为最佳波段组合，该组合可以反映较多的地物信息。

5 研究区遥感蚀变异常信息提取

5.1 提取方法研究

通过对自己阅读文献了解到的遥感蚀变异常信息提取的国内外研究进展，通过对比分析和归纳，目前主要使用的图像处理及提取方法有以下几种：

5.1.1 比值变换法

波段比值法（Band Ratio）是根据代数运算的原理，当波段间差值相近但斜率不同时，利用反射波段与吸收波段的比值处理增强各种岩性之间的波谱差异，抑制地形的影响，并显示出动态的范围。因而，以矿物的特征光谱为基础，选用适当的波段比值进行彩色合成，可增强弱信息。

对于蚀变矿物就是分析蚀变矿物的波谱曲线，找出斜率变化最大的区间和曲线中的反射峰和吸收谷，确定波谱范围，作比值增强处理，形成突出蚀变信息的图像。

根据野外光谱测量，理论上能被ETM+图像资料识别的蚀变矿物有三类：（1）铁的氧化物，氢氧化物和硫酸盐，包括褐铁矿，赤铁矿，针铁矿和黄钾铁矾，这类矿物在ETM+1，2，3波段，光谱反射率曲线上升梯度较大，而在ETM+4波段附近有一个较强的光谱吸收带。（2）羟基类矿物，包括粘土矿物和云母，其反射光谱的典型特征表现在ETM+7波段存在有较强的光谱吸收。（3）水合硫酸盐矿物（石膏和明矾石）和硫酸盐矿物（方解石和白云石）在ETM+7波段，均有较强的光谱吸收，而前者ETM+4大于ETM+5，后者ETM+4与ETM+5相近。

识别热液蚀变常用的波段比值有：ETM+3/ 1，用于识别褐铁矿；ETM+5/ 7，识别含羟基矿物，水合硫酸盐和碳酸盐；ETM+7/ 4，区分云母、石膏与明矾石；ETM+3/ 4，识别植被和区分褐铁矿化岩石。

5.1.2 主成分分析法

主成分分析法（PCA —principal components analysis ）（又称K-L 变换）是现在广泛采用的提取岩石蚀变信息的方法。这种方法是对图像数据的集中和压缩，它将多光谱图像中各个波段那些高度相关的信息集中到少数的几个波段，并且尽可能的保证这些波段的信息互不相干。即用几个综合性波段代表多波段的原图像，使处理的数据量减少。对于ETM+图像，通常PC1、PC2、PC3就包含了95％以上的信息，而后面的主成分几乎多数是噪音。

主成分分析基于变量之间的相互关系，在信息总量守恒的前提下，利用线性变换的方法来实现去相关性。由于所获各主分量之间不相关，故各主分量之间信息没有重复或冗余。蚀变异常信息的提取正是利用了主成分分析的这一基本性质。ETM+多波段数据通过PCA 所获每一主分量常常代表一定的地质意义，且互不重复，即各主分量的地质意义有其独特性。

文献中最早（1989年）报道的提取岩石蚀变信息的方法crosta 法就是利用主成分分析法，该方法通过（TM1、TM 3、TM 4、TM 5）和（TM 1、TM 4、TM 5、TM 7）两组主成分分析提取铁质成分和OH-，CO 32-蚀变信息。

用TM 1、TM 3、TM 4、TM 5 4个波段进行PCA ，对代表铁染物主分量的判断准则是：构成该主分量的特征向量，其TM3系数应与TM1及TM4的系数符号相反，TM3一般与TM5系数符号相同。依有关地物的波谱特征，铁染信息包含于符合这一判断准则的主分量内，将该主分量称之为铁染异常主分量。避免TM5，TM7波段同时参加运算，主要是为了排除粘土类矿物蚀变信息干扰。

用TM1、TM4、TM5、TM7 4个波段进行PCA ，对代表羟基化物主分量的判断准则是：构成该主分量的特征向量，其TM5系数应与TM7及TM4的系数符号相反，TM1一般与TM5系数符号相同。依有关地物的波谱特征，羟基信息包含于符合这一判断准则的主分量内，故此主分量可称为羟基异常主分量。删去TM2，TM3波段，是为了避免可见光波段同时参加运算，主要是为了排除铁氧化物的干扰。

由于异物同谱现象的存在，这些异常主分量还可能包含着非蚀变的地质因素，有待于用其它计算方法乃至借助地质知识经目视解译加以区分。

5.1.3 光谱角填图法

光谱角度填图法(SAM －Spectral Angle Mapper)将光谱数据视为多维空间的矢量，利用解析方法计算像元光谱与光谱数据库光谱或像元训练光谱之间矢量的夹角，根据夹角的大小来确定光谱间的相似程度，以达到识别地物的目的。

我们可以选取高光谱数据运用SAM 方法来提取蚀变信息。该方法基于整个谱形特征的相似概率的大小，能有效避免因岩石矿物光谱漂移或光谱变异而造成的单个光谱特征的不匹配，并能充分综合利用弱的波谱信息。与此同时，辅之以其他的图象处理方法，提取矿化蚀变信息分布。

光谱角识别方法(又称光谱角度填图技术)是在由光谱组成的多维光谱矢量空间，利用一个角度测度函数(θ)求解参考光谱端元矢量（r ）与图像像元光谱矢量（t ）的相似程度， 即θ＝arccos r

t r t 参考端元光谱可来自实验室、野外测量或已知类别的图像像元光谱。当用实验测量光谱与图像光谱比较时，须将测量光谱按照图像光谱的波长进行重采样，使得两个光谱具有相同的维数。θ介于0和π/2之间，其值愈小，说明二者的相似程度愈高，识别与提取的信息也就愈可靠。通过合理的阈值选择，可以获取蚀变信息的二值图像。

5.1.4 对应分析法

因子分析是把一些具有错综复杂关系的因子(样品或变量)归结为数量较少的几个综合因子的一种多元统计方法。通过一系列坐标旋转变换，能够在n 个变量中，提取出几个主要

的因子，反映n 个变量的主要信息，通常也叫降维分析。

因子分析分为R 型和Q 型两种因子分析。Q 型因子分析提取出主因子后，分析各个样品的主因子得分，从中研究各个样品间的相互关系。根据因子得分的情况，对样品进行分类；R 型因子分析，也叫做主成分分析，对变量进行归纳整理，获得各个变量的主因子得分。从而分析变量之间的关系，对变量进行必要的分类。

对应分析(Correspondence Analysis)(R-Q 型因子分析法)是在R 型和Q 型因子的基础上发展起来的，又称R-Q 型因子分析，是由法国巴黎科学院统计研究室Benzeci 教授于1970年首次提出的。对应分析提供以下信息：

（1）变量（波段）间的关系：在主成分空间，邻近的一些变量（波段）点，表示这些变量（波段）紧密相关。

（2）样品间的关系：在主成分空间，邻近的样品具有相似的光谱特征，属于同一种地物类型。

（3）变量（波段）与样品间的关系：同一类型的样品点将为邻近的变量（波段）点所表征。具体到图像就是说，这些波段是这些样品的特征波段。同时各个主成分的物理含义也得到明确。

对应分析与主成分相比不仅能提供原始图像各波段与对应分析后各成分的关系，还能清晰表达原始图像各波段与图像中主要地物的关系、对应分析后各成分与图像中主要地物的关系，更重要的是所需岩性信息在对应分析后三成分的假彩色合成图像上得到了更加清晰地展现，图像局部细节被挖掘。

5.1.5 混合像元分解法

一个像素只包含了一种地物的信息，这种像素叫做纯像素（pure pixel ）。然而在遥感图像中，通常一个像素包含了多种地物的信息，这种像素称为混合像元（mixed pixel ）。根据每个像素中某种地物所占百分比对像素进行分解，这一过程叫混合像元的分解（Mixed Pixel Decomposition ）。

人们已经建立了多种模型用于混合像元的分解，这些模型包括：线性模型，概率模型，几何光学模型，随即几何模型，模糊模型等。将混合像元分解模型用于蚀变信息提取的目的是通过计算每个像元中各典型地物(如植被)的丰度，除去植被等干扰信息，为后续提取矿化蚀变信息提供可靠的基础数据。

刘成等（2003年）利用混合像元线性分解模型提取卧龙泉地区粘土蚀变信息取得了较好的效果。

他建立的混合像元线性分解模型为：

R i i ij e F +=∑m

1j *

j Re ＝）（ i ＝1，2，3，…n 公式（1） ∑≤≤m

1j j j 1F 0 1＝＝F 公式（2） 其中m 代表地物类别的总数，n 代表波段的总数；R i 代表像元在第i 波段的灰度值。F j 代表像元中第j 类地物的丰度，Re ij 代表第j 中地物在i 波段的光谱反射值，e i 是服从正态分布的随机噪声。F j 为待求值，R i 和Re ij 为已知值，e i 本文忽略不计。

当公式（1）在公式（2）的约束下求解完毕后，设某点植被的丰度为F t ，则清除植被信息后的像元中其他各地物的丰度应为

F j =

t j 1F F -， j=1，2，3…m ， j ≠t 公式（3）

则消除植被影响后的第i波段的灰度值为

R i-new=

m

j ij

j t

(f*Re)

≠

∑公式（4）

确定哪种典型地物是植被后，就可以按照公式（3）和（4），对原始的图像进行“除植被”处理，得到新的、认为不含有植被信息的图像。对于新的图像可以采用常规的蚀变信息提取方法来提取矿化蚀变信息。

5.1.6 MPH技术

MPH技术(Mask PCA and HSI)是排除临边效应影响和提取矿化弱信息的一种数字图像处理技术。该技术有机地组合了三种传统的数字图像处理方法：掩膜技术（MASK）、主成分变换（PCA）以及弱信息色度与饱和度调整（HSI）。

掩膜技术就是去除遥感图像中的干扰信息(如水体、云、阴影等)，掩膜后图像像元灰度值的均值有所下降，而标准差有较大提高。

将去除干扰信息的图像作主成分变换，即在信息总量守恒的前提下，利用线性变换的方法来实现去相关性。由于所获各主分量之间不相关，故各主分量之间信息没有重复或冗余。TM多波段数据通过PCA所获每一主分量常常代表某一特定的地质意义。

对做完主成分变换的彩色合成图像作从RGB空间到HIS空间的彩色空间变换。HIS空间是采用H（色调）I（饱和度）S（亮度）来定义颜色。H、S、I三者之间相关系数很小，对3个成分作增强处理信息量损失较小。常用该方法进行遥感图像中色调定量解释，图像增强及含矿信息提取，多源遥感数据的融合，以及对地质信息中的岩性识别和构造解译。

5.2 基于ETM+数据的蚀变信息提取

在基于ETM+数据的蚀变信息提取时主要采取主成分分析的方法，辅助波段比值，同时还结合了彩色空间变换，阈值分割，中值滤波等手段对研究区的矿化蚀变信息进行了提取，可以取得较好的效果。

5.2.1 ETM数据检查

ETM各波段数据在全景中起止列数不一致,ETMl起始列数最左,ETM5终止列数最右。为了获得精确的统计和处理结果，把东西两头数据不齐的像素去除，使之不参与PCA处理。

具体做法是通过乘法形成边框二值图像：ETMl×ETM5(0，1，0，255)。括弧中四个参数的意义是，从运算后的Min=0，Max≥l；拉伸为边框二值图像的Min=0，Max=255。

5.2.2 掩膜生成

掩膜技术是指对混合像元中去除干扰信息的影响，使其不影响或者使其不参与后续的图像处理。其原理为：首先在对ETM+数字图像预处理的基础上，再进行比值处理、主成分分析等，然后选择一定的阈值圈定图像中的需要剔除的部分，并置这部分像元灰度值为0，其余的像元灰度值为1，即形成所谓的二值图像。

(1)阴影区

地形起伏常常遮挡阳光的照射,形成阴影区,阴影区可分为全阴影区和半阴影区，其间可有临界阴影区。根据阴影区的反射光谱特征，采用(ETM7/ETMl)

(2)植被掩膜

图5-1 植被的波谱曲线图5-2 ETM+数据植被掩膜根据图5-1所示植被在红光波段具有强吸收，在近红外波段有强反射的特点，植被的去除采用了传统的比值植被指数（RVI）的方法（DNNIR/DNR），即ETM+4/ETM+3，此处取灰度值大于等于1的为植被覆盖区。

(3)水体掩膜

水体的反射率在整个波段范围内都很小，从蓝光段的15％降至红光段的２％，进入红

外波段后几乎等于零。影响水体反射率

的主要因素是水的混浊度、水深、以及

波浪起伏、水面污染、水中生物等。

在这里主要采用主成分分析的方法

提取水体，对ETM+数据6个波段进行

主成分分析，在主成份2中，水体信息

以高亮度明显显示，对PC2选取一定的

阈值进行分割后在进行图像二值化，得

到水体的掩膜。

图5-4 ETM+数据水体掩膜图5-5 ETM+数据干扰信息掩膜图为得到干扰信息综合掩膜图，对水体和植被掩膜图像相乘得到如图5-5所示掩膜图。

5.2.2 铁染蚀变信息提取

根据铁蚀变异常信息提取的波谱依据，选取采用把ETM + 6个波段组合进行主成分分析

以提取铁蚀变异常信息。因为铁氧化物的特征光谱信息集中在了ETM+1—4波段，在ETM+4和ETM+1波段有吸收峰，在ETM+3波段无特征吸收而呈高反射，判断铁染蚀变异常的依据是在第3 波段的特征值最大。

对ETM+1-5和7波段应用掩膜做主成分分析，统计分析可以看出，PC4分量中暗色调部分表征了铁染信息。

5.2.3 羟基蚀变信息提取

选取ETM+1、ETM+4、ETM+5、ETM+7共4个波段作为组合波段做主成分分析。这是因为粘土类矿物（含羟基矿物）的特征光谱信息集中在ETM5和ETM+7波段，在ETM+7波段为特征吸收带，在ETM+5相对高反射。对ETM+1、ETM+4、ETM+5、ETM+7应用掩膜做主成分分析，统计分析可以看出，PC1主要反映的是ETM+5和ETM+7波段的信息，且符号相同；PC2主要反映的是ETM+4波段的信息；PC3反映的是ETM+1波段的信息；PC4反映的是ETM+5和ETM+7波段的信息，且符号相反。根据含羟基类矿物的波谱特征，PC4图像中的暗色调部分就是表征含羟基类矿物的蚀变异常信息。

5.3蚀变信息的分级

一般异常分级的用常规数理统计中表征正态分布的特征因子σ(标准方差)和均值X 等，来表达蚀变遥感异常分布状态。利用直方图统计均值X 和方差σ，通过对“均值+N ×标准方差(σ)”中N 的调整，进行异常主分量异常等级阈值分割。即偏离均值X 的程度(N 倍标准方差σ)表示异常的级别(张玉君等，2003；Zhao et al, 2007)。而且，N 值越高，异常数量越少，异常级别越高。但是这种方法是以图像灰度直方图呈正态分布为前提的。遥感影像经过一系列处理后得到的用于显示蚀变信息的图像的灰度直方图往往并不是正态分布，所以上述方法的适用性受到很大限制。

蚀变是一种异常，分维与异常又往往有一定的关系（申维—分形混沌与矿产预测）。所以我们可以借鉴已有的化探异常提取的方法，将分形应用于遥感蚀变异常的确定。常采用采用求和法，即像元亮度-面积模式来确定蚀变异常限。

分形模型：

()D r C r -=N ()0>r

其中r 表示特征尺度，C>0， 称为比例系数，D>0，称为分维数，()r N 表示尺度大于等于r 的数目或和数。设像元亮度值{i x },i=1,2,…,N ，记作

()∑≥==

N r X i i i X r 1N

这里和式是对于所有满足r x i

≥ 的i x 求和，()i i x r x max min ≤≤。这样就得到了数据（()1N r ，()2N r ，…，()n r N ）和（1r ，2r ，…，n r ），将这些数据代入分形模型中，将()r N 和r 取对数，用最小二乘法分段拟合直线。其基本思想是：找出的分界点使各区间拟合的直线与原始数据点之间的剩余平方和在各区间的总和最小。

首先统计遥感影像经过一系列处理后得到的灰度值信息（假设放在表1）。将表1中所有的Logr 和LogN(r)数据生成散点图，用最小二乘法拟合2段直线，得到相应的直线方程，2段直

线的斜率即分别为蚀变异常和背景对应的分维数。两直线交点的r的值为蚀变异常和背景的分界值。

将以上得到的蚀变异常进一步分级。利用上述方法将r<蚀变异常和背景的分界值的数据拟合3 段直线，不同程度的蚀变异常对应不同的分维数值。此处拟合的3段直线的交点处对应的r 值分别为一、二级和二、三级异常的分界值。

将上面得到一、二级和二、三级异常分界值的方法分别应用到铁染和羟基异常信息的分级中（此处的阈值分界点即为上述多重分形模型得出的异常的分界值），分别得到铁染和羟基异常信息的分级图，分别对得到的铁染和羟基异常信息的分级图做中值滤波处理（剔除孤立点并平滑图像，图5-6（红色异常最高、黄色次之、蓝色最弱）），并将其叠加到遥感图像上，制作成铁染蚀变和羟基类蚀变异常综合遥感图。

图5-6 铁染和羟基异常信息的分级图（左：铁染右：羟基）

6 结论

6.1 蚀变信息提取的一般流程

蚀变信息提取作为一种技术手段广泛运用在矿产资源的综合评价中。通过本次研究以及对前人大量工作和论文的总结整理，得出蚀变信息的一般流程：

1．了解研究区基础地质情况和自然概况，选取合适的覆盖研究区的遥感影像；

2．了解相关蚀变矿物的波谱特征，得到波谱特征曲线，为蚀变异常信息的提取提供理论依据；

3．对遥感图像做预处理，切取合适大小的选区，消除植被、水体等干扰信息的影响；

4．选择合适的方法或方法组合对遥感图像进行处理，通过对相关数据的统计分析得出指示蚀变区域的信息；

5．对这部分信息应用多重分形的方法进行阈值分割，获得蚀变等级不同的蚀变异常图；

6．为提高可视化效果，可对异常图进行中值滤波等后期处理。

6.2 研究方法与技术路线

综合各个文献中的蚀变遥感信息提取方法，我设计了如下的基于ETM+的蚀变遥感信息提取研究流程图（图6-1）

图6-1 蚀变遥感信息提取研究流程图

7 结语

通过最近的学习，我掌握了运用遥感技术找矿和分形以及多重分形的一些基本知识，在阅读了大量遥感影像的蚀变信息提取和分形理论相关的研究论文下，写了这篇读书报告，通过学习我取得了以下一些认识和成果：

1，掌握了更多关于ArcGIS和ENVI的操作步骤，了解了蚀变信息提取的波谱和地质依据；

2，了解了更多国内外遥感蚀变异常信息提取的方法；

3，提出遥感蚀变异常信息提取的一般步骤，在完成蚀变信息提取后，进行蚀变信息阈值分割时，考虑选用多重分形的方法。

4，掌握了更多多重分形在各个领域内的应用，了解了更多多重分形的模型。

遥感矿物蚀变信息提取方法及ENVI下实现

遥感矿物蚀变信息提取方法及ENVI下实现

蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 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。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。

遥感信息智能化提取方法

遥感信息智能化提取方法 目前，大部分遥感信息的分类和提取，主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低，效率不高，劳动强度大，而且依赖参与解译分析的人，在很大程度上不具备重复性。尤其对多时相、多传感器、多平台、多光谱波段遥感数据的复合处理，问题更为突出。在遥感影像相互校正方面，一些商业化的遥感图像处理软件，虽然提供了简单的影像相互校正和融合功能，但均是基于纯交互式的人工识别选取同名点，不仅效率非常低，而且精度也难于达到实用要求。因此,研究遥感信息的智能化提取方法对于提高遥感信息的提取精度和效率具有重要意义。 1．遥感图像分类 遥感图像分类是遥感图像处理系统的核心功能之一，它实现了基于遥感数据的地理信息提取，主要包括监督分类，非监督分类，以及分类后的处理功能。非监督分类包括等混合距离法分类（Isodata）等。监督分类包括最小距离（Minimum Distance）分类、最大似然（Maximum Likehood）分类、贝叶斯（Bayesian）分类、以及波谱角分类、二进制编码分类、AIRSAR散射机理分类等。 自动分类是计算机图像处理的初期便涉及的问题。但作为专题信息提取的一种方法，则有其完全不同的意义，是从应用的角度赋予其新的内容和方法。传统的遥感自动分类，主要依赖地物的光谱特性，采用数理统计的方法，基于单个像元进行，如监督分类和非监督分类方法，对于早期的MSS这样较低分辨率的遥感图像在分类中较为有效。后来人们在信息提取中引入了空间信息，直接从图像上提取各种空间特征，如纹理、形状特征等。其次是各种数学方法的引进，典型的有模糊聚类方法、神经网络方法及小波和分形。 近年来对于神经网络分类方法的研究相当活跃。它区别于传统的分类方法在于：在处理模式分类问题时，并不基于某个假定的概率分布，在无监督分类中，从特征空间到模式空间的映射是通过网络自组织完成的，在监督分类中，网络通过对训练样本的学习，获得权值，形成分类器，且具备容错性。人工神经网络 (ANN) 分类方法一般可获得更高精度的分类结果，因此 ANN方法在遥感分类中被广泛应用，特别是对于复杂类型的地物类型分类，ANN 方法显示了其优越性。如 Howald(1989)、McClellad(1989)、 Hepner(1990)、T.Yosh ida(1994)、K.S.Chen(1995)、J.D.Paola(1997) 等利用 ANN 分类方法对 TM 图像进行土地覆盖分类，在不同程度上提高了分类精度；Kanellopoulos(1992) 利用 ANN方法对 SPOT 影像进行了多达20类的分类，取得比统计方法更精确的结果；G.M.Foody(1996)用ANN对混合像元现象进行了分解；L.Bruzzone 等 (1997) 在 TM－5 遥感数据、空间结构信息数据、辅助数据（包括高程、坡度等）等空间数据基础下，用 ANN 方法对复杂土地利用进行了分类，比最大似然分类法提高了 9% 的精度。与统计分类方法相比较，ANN 方法具有更强的非线性映射能力，因此，能处理和分析复杂空间分布的遥感信息。2．基于知识发现的遥感信息提取

遥感信息提取资料

遥感图像信息提取方法综述 0、遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非

遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。 （2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。

教程-ENVI遥感地质蚀变异常信息提取过程(全)

“基础地质学”创新性实验遥感地质蚀变异常信息提取实验 “基础地质学”国家级教学实验示范中心 二〇一六年三月二十五日

目录 1实验目的 (3) 2实验内容 (3) 2.1熟悉遥感影像的辐射定标的方法与流程 (3) 2.2掌握遥感影像的波段合成、投影转换、影像裁剪的方法 (3) 2.3掌握ETM+遥感影像的Flaash大气校正、掩膜的应用方法 (3) 2.4掌握ETM+遥感影像羟基和铁染异常信息提取的方法与流程 (3) 2.5掌握ENVI与Surfer软件协同制图的方法。 (3) 3实验要求 (3) 4实验条件 (4) 4.1软件平台：ENVI4.6、Surfer9 (4) 4.2遥感数据源：金川地区Landsat7 ETM+遥感影像 (4) 5实验原理 (4) 5.1蚀变异常提取的地质依据 (4) 5.2蚀变异常提取的物理依据 (4) 5.2.1利用主成分分析方法提取矿化蚀变信息 (5) 5.2.2铁染蚀变异常分析 (5) 5.2.3含羟基类矿物和含CO32-矿物蚀变异常分析 (6) 6实验步骤 (7) 6.1金川地区ETM+遥感影像辐射定标 (7) 6.2金川地区ETM+遥感影像不同波段的合成 (9) 6.3定义金川地区ETM+遥感影像的地理坐标 (10) 6.4对金川地区ETM+遥感影像的地理坐标进行投影转换 (12) 6.5对金川地区ETM+遥感影像进行裁剪 (15) 6.6对金川地区ETM+遥感影像进行FLAASH大气校正 (17) 6.6.1数据转换 (17) 6.6.2编辑头文件信息 (18) 6.6.3进行FLAASH大气校正 (19) 6.7简易去除ETM+遥感影像的干扰信息 (23) 6.7.1建立ROI（感兴趣区） (23) 6.7.2建立掩膜 (24) 6.7.3应用掩膜 (25) 6.7.4掩膜的反选 (27) 6.7.5掩膜反选后的应用 (28) 6.8主成分分析 (29) 6.9提取蚀变异常信息 (32) 6.10用Surfer软件修饰铁染蚀变异常信息 (34) 6.11总结 (40) 7课后练习及作业 (41)

遥感专题讲座——影像信息提取(四、面向对象特征提取)

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有经常伴有光谱相互影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以ENVI中的面向对象的特征提取FX模块为例，对这种技术和处理流程做一个简单的介绍。 本专题包括以下内容： ??●面向对象分类技术概述 ??●ENVI FX简介 ??●ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。它主要分成两部分过程：影像对象构建和对象的分类。

影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的等分割算法。比较常用的就是多尺度分割算法，这种方法综合遥感图像的光谱特征和形状特征，计算图像中每个波段的光谱异质性与形状异质性的综合特征值，然后根据各个波段所占的权重，计算图像所有波段的加权值，当分割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有分割对象的综合加权值大于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。这里的监督分类和我们常说的监督分类是有区别的，它分类时和样本的对比参数更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能，如ENVI的FX扩展模块、易康（现在叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收购）等。 表1为三大类分类方法的一个大概的对比。 类型基本原理影像的最小单元适用数据源缺陷 传统基于光谱的分类方 法地物的光谱信息 特征 单个的影像像元 中低分辨率多光谱 和高光谱影像 丰富的空间信息利 用率几乎为零 基于专家知识决策树根据光谱特征、空 间关系和其他上 下文关系归类像 元 单个的影像像元多源数据知识获取比较复杂 面向对象的分类方法几何信息、结构信 息以及光谱信息 一个个影像对象 中高分辨率多光谱 和全色影像 速度比较慢

遥感矿物蚀变信息提取基于ENVI

遥感矿物蚀变信息提取方法及ENVI下实现 (2011-07-12 08:28:36) 转载▼ 分类：遥感解决方案 标签： 矿物蚀变信息 蚀变围岩 找矿标志 波段加减 波段比值 蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 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。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。

遥感影像的居民地提取

遥感影像的居民地自动提取 一、摘要 科技的飞速发展，卫星的应用也变得相当广泛，卫星遥感数据提取地物信息, 已成为遥感观测地物的一种重要手段。应用遥感图像提取居民地信息，探讨提取居民地的提取方法，可以快速得到居民地的分布情况。在当今灾害频发的时代，研究居民地的受灾情况，快速获取受灾面积等有很好的经济效益。 从遥感信息机理分析入手，首先分析了图像区域的居民地信息，应用监督分类、非监督分类，探讨了居民地的研究提取，分析它们的优缺点；在监督分类中，应用最大似然法进行提取，有较好的效果；非监督分类效果不好。本文重点应用谱间阈值法进行研究，进而提取居民地信息。并以重庆市主城区遥感图像为例，通过试验，选择合适的谱间阈值，例如：b5-b3<80，可以得到比较好的研究效果。关键字：卫星，居民地，自动提取 二、遥感影像信息提取方法 主动接收和被动接收方式是雷达影像和光学影像所代表的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。应用遥感图像制图可以大致分为4个步骤：1、接收；2、预处理；3、用户应用处理；4、分析结果、图表输出。处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调、彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调、彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调、彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的像元色调、彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调、彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。

遥感卫星影像数据信息提取.

北京揽宇方圆信息技术有限公司 、 遥感卫星影像数据信息提取 北京揽宇方圆信息技术有限公司中科院企业,卫星影像数据服务全国领先。业务包括遥感数据获取与分发、遥感数据产品深加工与处理。按照遥感卫星数据一星多用、多星组网、多网协同的发展思路,根据观测任务的技术特征和用户需求特征,重点发展光学卫星影像、雷达卫星影像、历史卫星影像三个系列,构建由 26个星座及三类专题卫星组成的遥感卫星系统,逐步形成高、中、低空间分辨率合理配置、多种观测技术优化组合的综合高效全球观测和数据获取能力形成卫星遥感数据全球接收与全球服务能力。 (1光学卫星影像系列。 面向国土资源、环境保护、防灾减灾、水利、农业、林业、统计、地震、测绘、交通、住房城乡建设、卫生等行业以及市场应用对中、高空间分辨率遥感数据的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 卫星、北京二号、资源三 号、高分一号、高分二号等高分辨率光学观测星座。围绕行业及市场应用对基础地理信息、土地利用、植被覆盖、矿产开发、精细农业、城镇建设、交通运输、水利设施、生态建设、环境保护、水土保持、灾害评估以及热点区域应急等高精度、高重访观测业务需求,发展极轨高分辨率光学卫星星座,实现全球范围内精细化观测的数据获取能力。像国产的中分辨率光学观测星座。围绕资源调查、环境监测、防灾减灾、碳源碳汇调查、地质调查、水资源管理、农情监测等对大幅宽、快速覆盖和综合观测需求,建设高、低轨道合理配置的中分辨率光学卫星星座,实现全球范围天级快速动态观测以及全国范围小时级观测。

ETM_TM_蚀变遥感异常提取方法研究与应用_方法选择和技术流程_张玉君

ETM +(TM )蚀变遥感异常提取方法研究与应用 ———方法选择和技术流程 张玉君,曾朝铭,陈　薇 (中国国土资源航空物探遥感中心,北京100083) 摘要:从原理、模型试验及实际数据处理等方面分析对比了比值法、光谱角法及主分量分析法的优劣;选择了以主 分量分析为主、光谱角法为辅进行蚀变遥感异常的提取;引用了误差理论某些基本概念,以标准离差σ作为遥感异 常切割的尺度;建立了“去干扰异常主分量门限化技术流程”。以西藏驱龙—甲马蚀变遥感异常群为例,展示了此 技术的效果,并与高光谱研究结果进行了比较。 关键词:主分量分析;光谱角法;比值法;异常切割量化尺度;门限化 中图分类号:T P 753　文献标识码:A 文章编号:1001-070X (2003)02-0044-06 0　引言 提取蚀变遥感异常信息的方法有多种,常用或 较常用的有比值法、主分量分析法、光谱角法以及它 们的混合法[1～7]。近期新出现但较少被使用的有小 波分析、神经网络、分数维几何(分形或分几)等方 法。为了选择最佳方法,我们以东天山139/31景、 东昆仑135/35景和冈底斯137/39景ETM +或TM 数据为例,对常用的3种方法异常信息提取效果进 行了对比试验,其结果表明,3种方法所获互洽性异 常虽有,但占比例不大。因为除139/31景外,其余 两景中已知矿床、矿点分布较少,缺少评判3种方法 优劣的足够已知条件,故而萌生进行模型试验的想 法,即通过简单的模型试验来直观地展示3种方法 (比值法、主分量分析法及光谱角法)的特点,对比其 优劣,并以此为基础确定技术流程的主体。1　模型试验1.1　模型一1.1.1　模型设计取一组二维数据点,它们在平面上呈椭圆形分布,而各点的数值按级差递增,且与坐标相关。第一维数值从左向右递增(插页彩片6上左),第二维数 值从下向上递增(插页彩片6上中)。此设计是为了 保证试验结果的直观性。这一模型的原始数据(插页彩片6上右)可比拟为一个2波段的TM 图像,如TM5和TM 7。待提取异常应具备的条件是TM5为高亮度值,TM7为低亮度值。1.1.2　方法试验结果对模型一分别进行主分量分析、比值法处理及光谱角填图等方法试验,对所获第二主分量进行高端切割,3种方法所获异常如插页彩片6左下图所示,其中,光谱角法异常提取以第二主分量异常区高位中心点的数值作为参考谱;比值法则为第一维/第二维,并对其进行异常切割。从插页彩片6可以直观地看出:①主分量分析所获异常位于第一维的高值区;②光谱角法所获异常区各点有相似的特征向量角,异常区内既包括高值点(与主分量异常互洽)也包括低值点;③比值法比较的是比值的大小,故该方法所获异常与原始值 的高低无直接关系,和主分量及光谱角法结果的互 洽区不大。这就不难理解3种方法所获异常不可能 全部互洽的原因。如果提取遥感异常的原则是以大 型、特大型矿(应有高异常)为主要目标,那么,提取 遥感异常的首选方法应是主分量分析法。 如果在比值计算之前进行数据截取,可以减少 低值区异常(插页彩片6的下右),但若先比值后截 取,则效果较差(插页彩片6的下中)。当然,对光谱收稿日期:2002-04-28;修订日期:2003-04-02基金项目:中国地质调查局“西部主要成矿带遥感找矿异常提取及应用研究”项目(200215000008)资助。 第2期,总第56期 国　土　资　源　遥　感No .2,2003　2003年6月15日REMOTE SENSI NG FOR LAND &RESOU RCES Jun .,2003

遥感矿物蚀变信息提取方法及ENVI下实现

蚀变岩石是在热液作用影响下，使矿物成分、化学成分、结构、构造等发生变化的岩石。由于它们经常见于热液矿床的周围，因此被称为蚀变围岩，蚀变围岩是一种重要的找矿标志。利用围岩蚀变现象作为找矿标志已有数百年历史，发现的大型金属、非金属矿床更是不胜枚举：北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等，都属于以围岩蚀变作为找矿标志发现的矿床。 国内外遥感工作者，都在不断地设计、研制和总结对这种遥感信息的提取和识别技术。矿化蚀变信息是找矿的一个重要标志，而这些对找矿有指导意义的矿化蚀变信息常常受其它地物信息的干扰，和受遥感图像的波谱分辨率和空间分辨率的制约，往往表现的很微弱。因此，国内外学者也在不断尝试各种技术方法提取这种矿化蚀变弱信息。 本文总结了遥感蚀变信息提取的各类方法，及其在ENVI软件中的实现。 ?原理 遥感技术主要是建立在物体反射和发射电磁波的原理之上。而地物波谱特性通常都是用地物反射辐射电磁波来描述。由于地物反射发射电磁波的特性不同，其反射波谱曲线形态也有千差万别。如植物的反射波谱曲线上，在绿光波段表现由于其叶绿素的存在表现为有一强反射峰，而在短波红外波段由于叶冠组织的相互作用表现为强反射峰，在红光波段则表现为强吸收谷。 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。光谱异常为用遥感图像的异常信息提取提供了理论依据。 ?方法及实现 依据矿化蚀变岩与围岩的波谱特征的差异，可采用图像增强处理方法获取矿化蚀变信息增强的图像变量，从而最终实现提取矿化蚀变信息的目的。一般图像增强突出蚀变信息有以下几种方法。 (1)蚀变干扰信息剔除 遥感数据包含地表的信息，遥感在地质方面的应用就是提取用户需要的信息，提取矿化蚀变信息的过程是计算影像中所有像素信息统计归类分析的过程，蚀变异常信息的提取对遥感图像的质量要求较高，因此首先要对遥感数据进行严格的筛选，干扰噪声小的数据，一般要求遥感数据的时相是植被发育较弱、冰雪覆盖少的季节，同时该时相的云覆盖量较少。由于受地形地貌的影响，有些因素靠数据的时相选择却难以克服，例如阴影、河流水体、高山上的冰雪、白泥地等，可以采用相应的数学方法来解决，以使阴影、水体等干扰像素的数据不参与统计分析。一方面是选择较好的数据；另一方面是对数据进行数据预处理，包括大气校正、掩膜等。 利用ENVI软件的大气校正模块flassh能快速的消除大气影响，还原地物的真实面目。有利于蚀变信息的提取。 (2)波段加减组合运算

ETM数据矿化蚀变信息提取教程

ETM数据矿化蚀变异常信息提取步骤ETM数据特点 美国陆地卫星7号Landsat7星发射于1999年4月15日，采用增强型主题制图仪ETM，星上设置绝对定标，提高了对地观测分辨率和定位质量，调整了辐射测量精度、范围和灵敏度，是目前应用比较成熟、比较稳定、具有全球覆盖性的遥感数据之一。ETM资料包含8个波段，1-5波段和7波段地面分辨率为30m，6波段地面分辨率为60m，8波段地面分辨率为15m，每景ETM覆盖面积为31110km2（183km×170km），重复周期为16天。 波段序号波段 波长范围 (μm) 地面分 辨率(m) 主要应用领域 1蓝色0.45-0.5230对水体有透射能力，能够反映浅水水下特征，可区分土壤和植被、编制森林类型图、区分人造地物类型 2绿色0.52-0.630探测健康植被绿色反射率、可区分植被类型和评估作物长势，区分人造地物类型，对水体有一定透射能力 3红色0.63-0.6930这个波段为红色区，在叶绿素吸收带内，在可见光中这个波段是识别土壤边界和地质界线的最有利的光谱区 4近红外0.76-0.9030测定生物量和作物长势，区分植被类型，绘制水体边界、探测水中生物的含量和土壤湿度 5短波红 外 1.55-1.7530水的吸收率很高，区分不同类型的岩石，区分云、地面冰和雪 6热红外10.4-12.560探测地球表面不同物质的自身热辐射的主要波段，可用于地热制图，热惯量制图 7短波红 外 2.08-2.3530用于地质制图，特别是热液蚀变岩制图。 PAN全色0.50-0.9015

一影像预处理 1辐射定标 （1）打开ETM影像，选择主菜单->File->Open External File-> Landsat->GeoTIFF with Metadata，选择MET文件，可以看到ENVI自动进行了波段合成。 图（1）-1（2）辐射定标，选择主菜单->Basic Tools->Preprocessing->Calibration Utilities->Landsat Calibration，选择含有六个波段的数据，即包括波段1,2,3,4,5,7的数据。 图（2）-1

遥感影像信息提取与分析_沈占锋

计算机世界/2006年/7月/31日/第B15版 技术专题 Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析,是具有自主知识产权的软件产品。 遥感影像信息提取与分析 沈占锋 近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。 Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。 Taries主要功能 1. 影像处理 （1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。 （2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。 2. 影像信息提取 （1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。 （2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。 （3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。 （4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。 3. 矢量数据显示、处理与分析 （1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。 （2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。 （3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。 （4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。 关键技术

遥感图像信息提取方法综述

遥感图像信息提取方法综述 遥感图像分析 遥感实际上是通过接收（包括主动接收和被动接收方式）探测目标物电磁辐射信息的强弱来表征的，它可以转化为图像的形式以相片或数字图像表现。多波段影像是用多波段遥感器对同一目标（或地区）一次同步摄影或扫描获得的若干幅波段不同的影像。 在遥感影像处理分析过程中，可供利用的影像特征包括：光谱特征、空间特征、极化特征和时间特性。在影像要素中，除色调/彩色与物体的波谱特征有直接的关系外，其余大多与物体的空间特征有关。像元的色调/彩色或波谱特征是最基本的影像要素，如果物体之间或物体与背景之间没有色调/彩色上的差异的话，他们的鉴别就无从说起。其次的影像要素有大小、形状和纹理，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。物体的大小与影像比例尺密切相关；物体影像的形状是物体固有的属性；而纹理则是一组影像中的色调/彩色变化重复出现的产物，一般会给人以影像粗糙或平滑的视觉印象，在区分不同物体和现象时起重要作用。第三级影像要素包括图形、高度和阴影三者，图形往往是一些人工和自然现象所特有的影像特征。 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类：一是目视解译，二是计算机信息提取。 1.1目视解译 目视解译是指利用图像的影像特征（色调或色彩，即波谱特征）和空间特征（形状、大小、阴影、纹理、图形、位置和布局），与多种非遥感信息资料（如地形图、各种专题图）组合，运用其相关规律，进行由此及彼、由表及里、去伪存真的综合分析和逻辑推理的思维过程。早期的目视解译多是纯人工在相片上解译，后来发展为人机交互方式，并应用一系列图像处理方法进行影像的增强，提高影像的视觉效果后在计算机屏幕上解译。 1）遥感影像目视解译原则 遥感影像目视解译的原则是先“宏观”后“微观”；先“整体”后“局部”；先“已知”后“未知”；先“易”后“难”等。一般判读顺序为，在中小比例尺像片上通常首先判读水系，确定水系的位置和流向，再根据水系确定分水岭的位置，区分流域范围，然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上，再进行地质、地貌等专门要素的判读。 2）遥感影像目视解译方法 （1）总体观察 观察图像特征，分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映，从而可以把图像分成大类别以及其他易于识别的地面特征。（2）对比分析 对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体；多时域图像对比分析主要用于物体的变化繁衍情况监测；而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。 各种直接判读标志之间的对比分析，可以识别标志相同（如色调、形状），而另一些标识不同（纹理、结构）的物体。对比分析可以增加不同物体在图像上的差别，以达到识别目的。（3）综合分析 综合分析主要应用间接判读标志、已有的判读资料、统计资料，对图像上表现得很不明显，或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点，可作更加深入细致的判读。如对已知判读为农作物的影像范围，按农作物与气候、地貌、土质的依赖关系，可以进一步区别出作物的种属；河口泥沙沉积的速度、数量与河流汇水区域

遥感图像土地覆被专题信息提取方法综述

遥感图像土地覆被专题信息提取方法综述 邹斌文 (1中国地质大学研究生院，湖北，武汉,430074； 2中国地质大学地球科学学院，湖北，武汉，430074） 摘要：土地覆被是全球变化研究的重要内容,而专题信息获取是其研究的前提和基础,如何有效地利用丰富的遥感数据源获取高精度的土地覆被专题信息,对于实时动态监测具有重要的意义。在综合分析当前主要的遥感信息提取方法基础上,将土地覆被专题信息提取方法归纳为目视解译、基于统计分析的图像分类、多源信息复合和基于对象的专题信息提取四大类,并综述了各种方法的优缺点、适用领域和应用情况,最后对其研究方向和发展趋势进行了展望,指出地学专家知识、人工智能、非线性理论以及“面向地块”的信息提取方法是其发展方向。 关键词：土地覆被；专题信息；信息复合；地块对象 1引言 土地覆被是指地球陆地表层和近地面层的自然状态,它是自然过程和人类活动共同作用的结果。土地覆被专题信息涵盖地球表面由于自然和人为影响而形成的所有覆盖物,诸如植被、水体、建筑物、道路、露天采矿场、采石场、岩石、沉积物、冰和雪等[1]。这些专题信息对于地表—近地面系统、地球各圈层的相互作用、环境监测、全球环境变化等方面研究具有重要作用,因而土地覆被信息获取成为当前研究热点之一。 遥感具有探测范围广、获得资料的速度快、周期短、实效性强、成本低，经济效益大等优点,通过遥感影像快速提取所需土地覆被专题信息,已经成为灾害评估和环境监测等应用的有力手段。快速准确地提取出土地覆被专题信息是研究土地覆被变化的前提和关键。近年来,随着遥感数据源的日益丰富,多平台、多传感器、多分辨率的遥感图像,为土地覆被信息获取提供了新的契机;另一方面,研究人员对专题信息的快速、高精度提取方法也进行了积极探索和深入研究,将许多新思想、新方法应用到信息提取中,使得信息获取的途径多样化,同时信息提取的精度也得到极大地提高。鉴于目前的研究现状,很需要对当前用于土地覆被信息提取的数据源、专题信息提取的方法进行分析和总结,分析不同方法的优势和劣势,并进一步探讨其研究和应用趋势。 本文针对土地覆被专题信息提取的应用需求,从遥感数据源的分析与应用出发,论述了目前专题信息提取的研究现状,并对他们分别展开分析评述,最后指出了土地覆被专题信息提取的发展方向。 2多源遥感数据源 随着遥感技术的发展,越来越多的不同类型的遥感器被用于对地观测。这些多传感器、多时相、多分辨率、多频段的遥感数据,在土地覆被专题信息提取中具有自身的优势和特性,不同类型的遥感数据具有不同的应用领域、信息提取精度。准确选取适当的数据源是快速、精确地发现并提取遥感图像中所需信息的前提,土地覆被专题信息提取常用的遥感图像可以分为以下几大类:(1)多光谱和全色图像。一般来说,多光谱遥感系统分波段记录地物波谱反射、辐射特征的微弱差异,具有较高的光谱分辨率,拥有丰富的光谱信息,有助于识别各种不同

遥感技术的发展趋势及应用领域

遥感技术的发展趋势及应用领域 经过数周的学习,我们的"遥感技术"课程结束了,在这课程的学习中,我们收获了很多遥感方面的知识. 随着传感器技术、航空航天技术和数据通讯技术的不断发展，现代遥感技术已经进入一个能动态、快速、多平台、多时相、高分辨率地提供对地观测数据地新阶段。 美国NOAA2005-2015国际遥感研究报告提出，“在未来10年遥感工业强壮发展”。从遥感影像的普及性看主要的发展方向： 1、携带传感器的微小卫星发射与普及 为协调时间分辨率和空间分辨率这对矛盾，小卫星群计划将成为现代遥感的另一发展趋势，例如，可用6颗小卫星在2-3天内完成一次对地重复观测，可获得高于1m的高分辨率成像光谱仪数据。除此之外，机载和车载遥感平台，以及超低空无人机载平台等多平台的遥感技术与卫星遥感相结合，将使遥感应用呈现出一派五彩缤纷的景象。 2、地面高分辨率传感器的使用 商业化的高分辨率卫星为未来发展的趋势，目前已有亚米级的传感器在运行。未来几年内，将有更多的亚米级的传感器上天，满足1比5000甚至1比2000的制图要求。如美国的OrbView-5、韩国的KOMPSAT-2等 3、高光谱/超光谱遥感影像的解译 高光谱数据能以足够的光谱分辨率区分出那些具有诊断性光谱特征的地表物质，而这是传统宽波段遥感数据所不能探测的，使得成像光谱仪的波谱分辨率得到不断提高。从几十到上百个波段，光谱分辨率也向更小的数量级发展。 从遥感影像处理技术和应用水平上看，主要发展方向： 1）多源遥感数据源的应用 信息技术和传感器技术的飞速发展带来了遥感数据源的极大丰富，每天都有数量庞大的不同分辨率的遥感信息，从各种传感器上接收下来。这些数据包括了光学、高光谱和雷达影像数据。 2）定量化：空间位置定量化和空间地物识别定量化 遥感信息定量化，建立地球系统科学信息系统，实现全球观测海量数据的定量管理、分析与预测、模拟是遥感当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。但是仅靠目视解译和常规的计算机数据统计方法来分析遥感数据，精度总提不高，

利用ETM数据进行矿化蚀变信息提取方法研究

利用ETM数据进行矿化蚀变信息提取方法研究1 ——以内蒙古打忽拉地区为例 陈亮，刘文灿，郑新奇 中国地质大学（北京）土地科学技术系，北京（100083） E-mail：chinesesimon2002@https://www.doczj.com/doc/4012054173.html, 摘要：随着遥感技术的快速发展，数字找矿已经成为新的发展趋势。本文利用ETM数据以内蒙古打忽拉地区为例进行了矿化蚀变信息提取的方法研究。对矿化蚀变信息提取方法的选择主要基于以下两方面：①研究区各种蚀变信息和与之相反的各干扰信息的光谱特征；②选择矿化蚀变信息提取的最优波段组合。通过分析研究区成矿条件和蚀变矿物光谱特征，采用“图像掩膜+波段比值+主成分分析+密度分割”的方法提取出矿化蚀变信息，并对提取出的成果进行了评价，为该区成矿预测提供了一定依据。 关键词：矿化蚀变，信息提取，遥感图像处理，主成分分析，ENVI 1 前言 随着遥感技术的快速发展，遥感与常规地质相结合的找矿方法已经成为了现代找矿技术的主流。近20年代来，国内外遥感地质工作者为开发利用这一技术进行了大量卓有成效的试验研究。国外对矿化蚀变信息的提取开始早于国内，早在1976年，戈茨就提出了从短红外波段的1.6μm到2.21μm之间两波谱带反射率的比值( 1.6μm/ 2.2μm)可以提供蚀变岩石和未蚀变岩石最大的分辨率。国内这方面的研究工作主要开始于90年代。1991年，赵元洪等提出了波段比值的主成分复合法。1994年，何国金、胡德永等提出了“微量信息处理”方法。1997年，马建文提出了“TM掩模+主成分变换+分类识别提取矿化弱信息法”。1999年，张远飞等利用“多元数据分析+比值+主成份变换+掩膜+分类(分割)”的方法在新张、内蒙古及江西、云南成功的提取了金矿化蚀变信息[1]。 实际上，矿化蚀变遥感信息提取技术的关键在于解决好以下三个问题：①研究区的矿化蚀变类型，以及各种矿化蚀变信息在遥感图像上的光谱特征；②研究非蚀变岩、植被和土壤等各种背景及干扰地物在遥感图像上的光谱特征；③根据成矿地质分析、波谱特征分析和多元数据分析选择提取矿化蚀变信息的最优波段组合。 本文以地处白云鄂博—宝昌成矿带东段的内蒙古打忽拉地区为例，在分析区域成矿条件、测试矿床地物光谱特征的基础上，通过图像掩膜、波段比值、主成分分析、密度分割等步骤对上述各方面进行探讨，提取矿化蚀变信息，所提取的成果能为该区成矿预测提供一定依据。 2 研究区背景 研究区位于华北板块北缘增生带，构造较为复杂，次级断裂、褶皱构造发育，是铜、金多金属矿重要的成矿带，并具有良好的找矿前景。研究区东北部有白乃庙中型铜矿床和石英脉型+蚀变岩型金矿床。此外，区内还发现有铜、镍、铁、钨、萤石等矿化点及重砂和金属 1本课题得到中国地质大学(北京)科研基金项目（编号：2006JJ012）的资助。 -1-

遥感矿化蚀变信息提取

遥感矿化蚀变信息提取的主要类型和方法 在可见光和短波红外的范围里，物体所产生的光谱特征主要是分子和离子的振动以及自由电子激发造成的，与地物中所含水、羟基、硅、铝和氧分子和离子的状态及组合有关。因此，地物中具体成分的光谱特征主要是由组成物体的基本成分所决定的，同时也易受周围晶格结构、基质的分布以及杂质成分存在的影响。特征谱带是由岩（矿）石中典型金属元素离子的电子跃迁（可见及近红外波段）或分子振动而引起的，铁、锰、钛等金属离子及蚀变矿物中的“羟基”成分、水分子等能够在可见-红外波段产生较强的吸收谱带，构成多光谱图像的识别信息。依据这些特征谱带在多光谱遥感图像中所处的波段位置，便可设计和选择出有关岩石单元的最佳识别波段及其特征信息提取的波段比值变量。 遥感矿化蚀变信息提取方法主要包括多光谱方法和成像光谱方法。 多光谱的信息提取主要包括：色调信息提取、纹理信息提取、信息融合。对于色调信息提取，主要是采样一些增强处理，扩大图像中地物间灰度差别，以突出目标信息或改善图像效果，提高解译标志的判别能力，如反差扩展、彩色增强、运算增强、变换增强等。其中较常用的有波段比值法、主成分分析法、芒塞尔彩色空间变换法等。 A．波段比值。对两个波段的图像进行比值运算，可减弱背景而突出类别或目标信息，消除地形、山影、云影等的影响。波段的选择基于对各种蚀变类型多波段光谱特征的研究。利用TM3/1可增强铁氧化物类蚀变，TM5/4可增强亚铁矿物类蚀变，TM5/7可增强碳酸盐化及绿泥石化类蚀变。 B．主成分分析。主成分分析主要采用“克罗斯塔”分析法，又称特征主成分选择技术。是根据地物的波谱特征和主成分分析后生成的特征向量矩阵中的各波段的载荷因子大小来提取目标地物信息的方法，它对PCA特征向量载荷进行分析，以确定那个主成分更集中地反映了某个波段（或某种地物）的特征波谱信息。为减少个别波段的干扰，提高工作效率，采用了4波段的主成分分析法。即用于增强粘土类矿物信息的4个波段采用TM1、4、5、7，删去TM2、3波段，避免3个可见光波段同时参与运算，主要是为了排除铁氧化物的干扰，这样在PC4负值图