遥感蚀变信息提取步骤

基于SAM与SVM的高光谱遥感蚀变信息提取阎继宁;周可法;王金林;王珊珊;汪玮;李东【摘要】高光谱遥感技术的发展，提高了遥感技术的定量化水平，要求人们从光谱维去理解地物在空间维的变换。

提出了一种光谱角匹配技术（Spectral Angle Mapper，SAM）与支持向量机（Support Vector Machine，SVM）相结合的高光谱遥感蚀变信息提取模型，在光谱维提取地表的蚀变信息。

鉴于SAM算法仅考虑波谱矢量方向，忽略辐射亮度大小的缺点，利用SVM算法对SAM的提取结果进行二次分类，利用网格搜索法并结合分类精度评估进行参数寻优。

通过AVIRIS 高光谱数据实验证明，提取的蚀变信息分类精度为78.1726%，Kappa系数为0.7125。

该模型计算方便，对于解决光谱维的地物分类及相似矿物的蚀变信息提取具有一定的实际意义。

%With the development of hyper-spectral remote sensing technology, the level of quantitative remote sensing technology has improved. Aiming at the hyper-spectral image cube, the understanding and data processing in image spatial dimension must be changed to that completed in the spectral dimension. Therefore, an image classification model combined with SAM(Spectral Angle Mapper)and SVM(Support Vector Machine)is introduced, and extracts alteration information in the spectral dimension. In view of the SAM algorithm considering only the spectrum direction, ignoring radiance size, the second classification is made for the SAM results using SVM algorithm and the best parameter is sought using grid search method combined with the classification accuracy assessment. The results of AVIRIS hyper-spectral data show that the classification precision of alteration informationreaches 78.172 6%, and a Kappa coefficient of 0.712 5. This model is convenient calculation, and has some practical meaning in solving spectral dimension terrain classification and similar mineral alteration information extraction.【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)019【总页数】6页(P141-146)【关键词】光谱角匹配技术;支持向量机;高光谱;蚀变信息提取;相似矿物【作者】阎继宁;周可法;王金林;王珊珊;汪玮;李东【作者单位】中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011; 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐 830011; 中国科学院大学，北京 100049;中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011; 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐 830011;中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011;中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011;中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011;中国科学院新疆生态与地理研究所新疆矿产资源研究中心，乌鲁木齐 830011; 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐 830011; 中国科学院大学，北京100049【正文语种】中文【中图分类】TP79高光谱遥感技术是20世纪80年代遥感领域的最大成就之一，它在空间对地观测的同时获取众多连续波段的地物光谱图像，达到从空间直接识别地球表面物体的目的，因此高光谱遥感器一般又被称为成像光谱仪。

如何利用遥感数据进行测绘数据的提取遥感技术是一种通过卫星、飞机和无人机等远距离获取对象信息的技术手段。

利用遥感数据进行测绘数据的提取，可以为地理信息系统、城市规划、环境监测、农业管理等领域提供准确、高效的数据支持。

本文将探讨如何利用遥感数据进行测绘数据的提取。

一、遥感数据的获取与处理1. 遥感数据的获取方式遥感数据的获取方式包括卫星遥感、航空遥感和无人机遥感等。

卫星遥感是通过卫星对地观测，获取大范围的地表信息；航空遥感是利用航空器对特定区域进行遥感观测，数据分辨率较高；无人机遥感则是利用无人机进行遥感观测，可以获取更高分辨率的数据。

2. 遥感数据的处理流程遥感数据处理流程包括预处理、数据影像处理和数据提取等步骤。

预处理主要包括辐射校正、大气校正和地形校正等，以保证数据的准确性。

数据影像处理主要包括图像增强、图像融合和图像分类等，以提取出感兴趣的对象信息。

数据提取是利用图像处理结果，从中提取出需要的测绘数据，如道路、建筑物、水域等。

二、遥感数据在测绘中的应用1. 遥感数据在地图制作中的应用遥感数据在地图制作中可以提供地表物体的准确位置、形状和属性信息。

通过图像分类和对象提取等技术，可以从遥感数据中提取出各类地物信息，如道路、建筑物、水域等，用于地理信息系统和城市规划等领域。

2. 遥感数据在地形测量中的应用遥感数据可以提供地表高程信息，用于地形测量和三维地图制作。

通过遥感图像的几何纠正和数字高程模型的生成，可以获取地表的高程数据，用于地形分析、地质调查和水资源管理等。

3. 遥感数据在农业测量中的应用遥感数据在农业测量中可以提供农作物的生长状态、受灾情况和产量预测等信息。

通过遥感图像的特征提取和分类，可以监测农作物的种植面积、植被指数和土壤湿度等参数，用于农业管理和精准农业。

三、遥感数据提取测绘信息的方法1. 监督分类法监督分类法是常用的遥感数据提取测绘信息的方法之一。

该方法需要预先准备训练样本，并通过机器学习算法训练分类器，然后应用分类器对整个遥感图像进行分类，提取出感兴趣的测绘信息。

遥感蚀变信息提取方法嘿，朋友们！今天咱来聊聊遥感蚀变信息提取方法。

这可不是什么高深莫测的东西，就好像你找宝藏，得知道从哪儿开始挖，用啥工具一样。

遥感啊，就像是我们的千里眼，能从老远的地方就看到地面上的情况。

那蚀变呢，就是地面上一些特别的变化，就像你脸上长了颗痣一样明显。

那怎么把这些蚀变信息给提取出来呢？咱可以先从图像入手呀，就跟你看照片找不同一样。

仔细瞧瞧那些颜色、纹理啥的，说不定就能发现点蛛丝马迹。

这图像就像是一幅大地图，你得学会在上面找线索。

然后呢，可以利用一些专业的软件和算法。

这就好比你有了一把神奇的铲子，能帮你更准确、更快速地挖掘出那些蚀变信息。

这些软件和算法可厉害了，它们能把那些隐藏的信息都给揪出来。

你说这难不难？其实也没那么难啦！只要你有耐心，就像钓鱼一样，静静地等着鱼儿上钩。

而且啊，现在科技这么发达，工具这么多，还怕找不到那些蚀变信息吗？比如说，你可以想象一下，在一大片森林里找一朵特别的花，遥感就像是让你在空中俯瞰整个森林，然后软件和算法就是帮你把那朵花凸显出来的魔法。

再比如说，提取遥感蚀变信息就像是在一堆沙子里找金子，你得有好的方法和工具，还得有一双敏锐的眼睛。

还有啊，这可不是一个人能搞定的事儿，得大家一起合作。

就像一场足球比赛，每个人都有自己的位置和任务，大家齐心协力才能取得胜利。

遥感蚀变信息提取方法真的很有趣，也很有意义。

它能帮我们更好地了解地球，发现那些隐藏的宝藏和秘密。

所以啊，大家可别小瞧了它，要认真去学习、去探索。

总之，遥感蚀变信息提取方法就像是一把打开地球秘密之门的钥匙，只要我们掌握了这把钥匙，就能开启无限的可能。

让我们一起加油，去探索这个神奇的世界吧！。

“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二〇二二年四月二十八日目录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)1 实验目的通过学习基于地学软件的矿化蚀变异常信息提取的流程，了解利用主成分分析方法提取矿化蚀变异常信息提取的原理，掌握ENVI4.6以及Surfer9软件的基本使用方法。

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。

测绘技术中的遥感图像处理与信息提取方法遥感图像处理与信息提取是测绘技术中重要的组成部分，它利用遥感技术获取的遥感图像，通过一系列图像预处理、特征提取和分类分析等方法，实现对地物信息的提取和分析。

本文将从图像预处理、特征提取和分类分析三个方面，介绍遥感图像处理与信息提取方法。

一、图像预处理图像预处理是遥感图像处理的第一步，它对遥感图像进行去噪、增强、几何校正等处理，旨在提高图像质量和准确性。

其中，去噪是图像预处理的关键环节，主要通过滤波算法实现。

滤波算法根据图像频谱和滤波模板，对图像进行平滑或锐化处理，去除噪声和增强目标信息。

常用的滤波算法包括均值滤波、中值滤波等，它们针对不同的噪声类型和图像特征，选择不同的滤波模板进行处理。

另外，图像增强也是图像预处理的重要内容。

它通过对图像的对比度、亮度、色调等进行调整，提高图像的可视化效果和解译能力。

图像增强有很多方法，如直方图均衡化、拉普拉斯增强等。

直方图均衡化是一种常用的增强方法，它通过重新分配图像像素灰度级，使图像的灰度分布在整个灰度级范围内均匀分布，增强图像的对比度和细节。

二、特征提取特征提取是遥感图像处理中的核心环节，它通过分析图像的空间、光谱、纹理等特征，提取出地物的关键属性，为后续的分类和分析提供支持。

特征提取有很多方法，其中常用的方法包括主成分分析、单窗口法、多窗口法等。

主成分分析是一种常用的特征提取方法，它通过对遥感图像的光谱信息进行降维处理，提取出图像中能够体现最大方差的主成分，得到一个新的低维特征空间。

主成分分析可以有效地提取出地物的光谱信息，减少冗余信息的影响，提高分类效果。

单窗口法是一种基于统计学原理的特征提取方法，它通过设定一个窗口在图像上滑动，并计算窗口内像素的统计特征，如均值、标准差等。

通过对窗口内像素值的统计特征进行分析，可以提取出地物的光谱、纹理等特征，为后续的分类和分析提供参考依据。

三、分类分析分类分析是遥感图像处理与信息提取的最终目标，它通过对提取出的地物特征进行分类划分，将遥感图像中的不同地物进行识别和判别。