成像光谱矿物识别方法与识别模型评述
- 格式：pdf
- 大小：471.13 KB
- 文档页数：9
第1期,总第71期国 土 资 源 遥 感No.1,2007
2007年3月15日REMOTESENSINGFORLAND&RESOURCESMar.,2007
成像光谱矿物识别方法与识别模型评述
王润生,杨苏明,阎柏琨
(中国国土资源航空物探遥感中心,北京 100083)
摘要:矿物识别和矿物填图是成像光谱应用最成功的领域之一。本文将国内外发展的矿物识别模型归纳为光谱匹配和以知识为基础的智能识别两大类型进行讨论。对光谱匹配方法分别从其方法的分类、光谱相似性测度、整体光谱匹配算法、局部光谱识别、亚像元光谱识别、混合像元分解和矿物端元选择、光谱减维和噪声弱化等方面作了评述。最后,讨论了矿物识别和填图研究中存在的主要问题,指出研究建立全谱段矿物识别方法和技术体系将是今后光谱矿物识别和矿物填图的重要发展方向。关键词:成像光谱;矿物识别;矿物填图;光谱匹配;光谱相似性测度;全谱段中图分类号:TP75 文献标识码:A 文章编号:1001-070X(2007)01-0001-09
0 引言
成像光谱技术的兴起与发展,极大地增强了遥
感对地的观测能力和对地物的鉴别能力,使遥感从
鉴别(Discrimination)发展到对地物的直接识别(I2
dentification),使遥感工作方法由图像分析转变为以谱分析为主的图谱结合模式,也使遥感应用逐渐摆
脱“看图识字”的阶段,而越来越依赖于对地物波谱
特征定量分析和理解。
矿物填图是成像光谱技术最成功的,也是最能
发挥其优势的应用领域。应用成像光谱数据,不仅
可以直接识别与成矿作用密切相关的蚀变矿物,分
析蚀变矿物组合,定量或半定量估计相对蚀变强度
和蚀变矿物含量,评价地面化探异常,追索矿化热液
蚀变中心,圈定找矿靶区,而且还可探测一些蚀变矿
物和一些造岩矿物的成分及结构变异特征,用以分
析蚀变带的空间分带、成矿成岩作用的温压条件、热
动力过程和热液运移的时空演化。矿物识别技术不
仅在矿产资源(金、铜等金属矿床,油气、钾盐等)勘
查和评价中发挥重要作用,而且对土质调查、土地退
化(沙漠化和盐碱化)监测、矿山环境监测及月球和
行星地质学研究都具有重要意义。
成像光谱数据的特点是图谱合一,其数据处理、
地物识别方法和识别模型分为图像分析、图像识别
和光谱分析、光谱识别两大类,本文仅讨论矿物的光
谱识别方法(当然,它们之间并没有截然的界限)。成像光谱矿物识别的基本原理是成像光谱数据
的重建光谱与矿物标准光谱或实测光谱的定量比对
分析。国内外发展的光谱识别模型从本质上可分为
两大类型:即以重建光谱与标准光谱相似性度量为
基础的光谱匹配方法和以矿物学和矿物光谱知识为
基础的智能识别方法。
1 光谱匹配方法分类
光谱匹配是将重建光谱与参考光谱相比较,以
某种测度函数度量它们之间的相似性或相关性程
度,从而对矿物进行识别的方法。相似性测度函数
可以是距离函数(欧氏距离、马氏距离)、相似系数、
相关系数、光谱信息散度和光谱矢量夹角等;参考
光谱既可以是光谱数据库中的标准光谱(典型光
谱),也可以是野外或实验室实测的工作区岩矿光
谱,还可以是从图像中提取的已知区的图像光谱。
对光谱匹配方法的分类有如下几种:(1)按匹配时所利用的数据,光谱匹配可分为直接匹配和间接匹配两大类型。直接匹配是直接用重
建光谱与参考光谱数据进行匹配;间接匹配方法不
直接使用原始光谱数据作匹配,而是对光谱数据作
编码或变换,利用编码和变换后的数据作匹配,如光
谱编码匹配[1]、光谱傅立叶频谱的振幅和相位[2]、小
波和分维数[3,4〗等匹配方法。(2)按所利用的光谱特征,光谱匹配可分为整体光谱匹配和局部光谱匹配。整体光谱匹配指以全部
收稿日期:2006-12-05;修订日期:2007-01-06基金项目:国家高技术研究发展计划(863计划)课题“成像光谱矿物填图技术及其应用示范”(2001AA36020-4)、中国地质调查局科研项目“成像光谱技术在资源勘查中的应用研究”(200220140003)
。国 土 资 源 遥 感2007年
光谱区间或某一光谱段的整体光谱相似性测度为基
础的匹配,利用了光谱区间上光谱的整体特征,如
光谱角填图、光谱相关填图等方法;局部光谱匹配仅
使用诊断性光谱吸收谱带特征,以吸收谱带参量为基础的识别方法,使用的特征包括谱带的形态、位
置、宽度、深度和对称度等。整体匹配利用了整个光
谱的形状特性,受照度、光谱定标和光谱重建精度等
的影响较小,但受矿物光谱的不确定性影响较大,且
对矿物光谱的微小差异不够敏感;局部匹配方法对
矿物光谱的微小差异比较敏感,但仅利用了特定的一些特征,受图像的信噪比、光谱定标和光谱重建精
度等因素的影响较大。
按所检测目标的尺度,光谱匹配又有全像元匹配和亚像元匹配之分。全像元匹配以像元为单位,检测像元中是否存在目标物质(矿物)以及其与其它
像元相比的相对含量;相应地,试图探测较像元尺寸小得多的物质在像元中的含量或在像元中所占比
例的方法,则属于亚像元方法,代表性的方法有混合
像元分解和光谱匹配滤波。
2 常用的光谱相似性测度与整体光谱
匹配算法
(1)欧氏距离(ED,EuclidianDistance)及基于欧氏距离的相似指数(SI,SimilarityIndex)方法[5]。欧氏距离以像元光谱与已知区光谱集群中心(平均值)
在高维光谱空间中的距离作为光谱的相似性测度。
欧氏距离与波谱强度的关系密切,地物波谱的强度本身变异性较大,且受照度、地形、环境因素的影响
显著,稳定性较差。因而,该法仅适用于与已知区像
元光谱的比较,实际上是一种图像监督分类方法。(2)光谱角制图(SAM,SpectralAngleMapping)
技术[6]。该技术以高维空间中像元光谱矢量与参考光谱矢量之间所张的角度作为相似性度量,当像元
光谱与参考光谱矢量都为单位矢量时,光谱角与欧氏距离的关系为ED=2sin(SAM/2),因而,光谱角
实际上也是一种距离测度,它与欧氏距离的区别是
仅考虑光谱形状或光谱特征的相似性,而不考虑光
谱矢量长度,即光谱强度的影响,而得到更普遍的
使用。(3)光谱相关填图(SCM,SpectralCorrelationMapper)方法[7]。由于SAM使用光谱矢量的绝对值作匹配,不能区别正、负相关或相似性。为此,O.A.
CarvalhoJr等对SAM方法作了改进,以皮尔森相关系数(PearsoianCorrelationCoefficient)代替光谱角作为光谱的相似性测度,称为光谱相关填图。SCM的
值域为[-1,+1],较SAM能更有效抑制阴影、照度
等对识别的影响,减少SAM因不能区分正、负相关
而带来的误判。(4)光谱信息散度(SID,SpectralInformationDi2
vergence)是基于光谱信息测度(SIM,SpectralInfor2
mationMeasure)的,以目标光谱与参考光谱之间光谱概率分布的距离表征光谱相似性的参量。它将每
一像元光谱看作一个随机变量,将归一化成单位矢
量的光谱矢量定义为概率矢量P=(p1,p2…pL)T,L为波段数,用以描述光谱的不确定性和随机性,则光
谱信息量可用光谱信息熵H描述,即
H=∑L
l=1pllogpl(1)
光谱x、y的光谱信息散度则定义为两光谱互相之间
的相对信息熵D(x‖y)、D(y‖x)之和,即
SID(x,y)=D(x‖y)+D(y‖x)(2)
SID描述了两光谱之间的信息差异,值越接近于0,表示两光谱之间的相似性程度越大。
(5)交叉相关光谱匹配(CCSM,CrossCorrelo2
gramSpectralMatching)方法。考虑到可能存在的光
谱波段波长位置的漂移问题,通过光谱轴的相对平
移,使像元光谱和参考光谱在不同光谱位置(波段位
置)进行匹配,计算每个匹配位置上对应光谱段的线
性相关系数(交叉相关系数),绘制交叉相关曲线图
(Correlogram),用t检验法检验其相关的显著性。以
交叉相关系数的最大值、交叉相关曲线的偏度(Skewness)作为相似性指标度量其相似性,识别端元矿物[8]。
VanderMeer以浅成低温热液金矿床典型蚀变矿物明矾石、高岭石、蒙托石及石英等的光谱模拟生
成的由内到外呈同心圆状分布的图像(601个波段,光谱采样间隔1～2nm)和Cuprite地区的AVIRIS图
像为实验数据,以光谱识别概率(PSD,Probabilityof
SpectralDiscrimination)和光谱识别能力(PWSD,
PowerofSpectralDiscrimination)作为评判的可分性指标,分析比较了ED、SAM、SCM和SID4种光谱相
似性测度对识别这4种矿物的有效性[9]。PSD表示
了从光谱库或选择出的一系列端元中,以某种相似
性测度能够识别出目标端元的可能性;PWSD表示
了以d为参考光谱,用某种相似性测度能识别和区
分端元si与sj的能力[10]。
实验结果表明,SID识别这4种矿物的效果最
好,识别能力最强;ED和SAM识别的效果类似,光
谱混淆较SCM和SID的严重;SCM由于考虑了所有・2・第1期王润生,等: 成像光谱矿物识别方法与识别模型评述
光谱,因此,使用不同光谱区间其识别效果不同,且
对随机噪声比较敏感[9]。
3 以诊断性光谱吸收谱带的特征参量
为基础的局部光谱识别
光谱吸收谱带的特征可以用一些特征参数来度
量,这些参数有谱带的波长位置(P)、波段深度(H)、
宽度(W)、斜率(K)、面积(A)及对称度(S)[11]等等。
P是吸收谱带的谷底(极小值点)所对应的波长;H为谱带极小值点与谱带两侧肩部连线的距离;W定
义为吸收谱带半极值的宽度;K定义为谱带两侧肩
部连线的角度;A指谱带曲线与两侧肩部连线所围
图形的面积;S为谱带左右两部分的对称程度的度
量,可用左半部分面积与总面积A之比,或左肩部距
谷底的波长宽度与谷底波长之比表示。代表性的方
法有“光谱特征拟合(SFF,SpectralFeatureFitting)、
光谱吸收指数(SAI,SpectralAbsorptionIndex)和吸
收谱带定位分析(AABP,AnalysisofAbsorptionBand
Positioning)等。
SFF是选择包含目标矿物特定吸收谱带的光谱
区间,利用最小二乘拟合方法,比较像元光谱与目标
光谱吸收特征的整体形态和吸收深度[11];SAI定义
为“非吸收基线(谱带两肩部的连线)”在谱带的波
长位置处的反射强度与谱带谷底的反射强度之
比[12],实际上是谱带深度的另一种度量方式,可称
为“相对吸收深度”,它用谱带谷底的光谱强度对吸
收深度作归一化,因而减少了照度等变化所带来的
干扰,增强了对地物的区分能力。
SFF和SAI方法都强调对单个吸收特征的分
析,但在实际应用中,分离位置较接近的谱带一般比
较困难,特征相似的谱带有时也很难区分,特别是由
于混合光谱的影响,一些谱带往往呈复合谱带或过
度状态出现。在信噪比较低时,单个谱带的特征更
加难以识别。而谱带的光谱位置一般受影响较小。
AABP方法即是确定和提取各吸收谱带的较精
确位置,形成相应谱带波长图像,通过对谱带波长图
像的分析,识别和区分不同的矿物[13]。
谱带特征分析方法一般都在分析之前先将波谱
数据作连续统(Continuum)去除,然后从连续统去除
后的数据中提取谱带参量,进行矿物识别[14～16]。连
