基于光譜能級(jí)匹配的支持向量機(jī)蝕變信息提取

于浩，何浩，常玲，孫衛(wèi)東

（1.新疆維吾爾自治區(qū)地質(zhì)礦產(chǎn)勘查開發(fā)局信息中心，烏魯木齊 830000；2.新疆大學(xué) 建筑工程學(xué)院，烏魯木齊 830047）

1 引 言

遙感蝕變信息是指從遙感數(shù)據(jù)中提取的、可能與成礦圍巖蝕變礦物有關(guān)的一種量化微弱信息，在區(qū)域地質(zhì)制圖和找礦中應(yīng)用成效顯著，尤其是在一些地質(zhì)工作程度較低的偏遠(yuǎn)地區(qū)，能大大地減少野外工作量。比值法與主成分分析法是目前遙感礦化蝕變信息提取的常用方法［1-3］。但這些方法主要著眼于增強(qiáng)處理，以求目視效果，在背景與噪聲的干擾下，蝕變信息的增強(qiáng)效果并不理想［4］。

近年來出現(xiàn)的一些方法如：小波分析、神經(jīng)網(wǎng)絡(luò)、分?jǐn)?shù)維幾何（分形或分幾）等，由于受樣本數(shù)目和維數(shù)的限制，得到的結(jié)果常常不能令人滿意。支持向量機(jī)（SVM）是一種基于統(tǒng)計(jì)學(xué)理論的機(jī)器學(xué)算法，在解決有限樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的性能，并且具有強(qiáng)大的泛化能力［5-6］。但支持向量機(jī)算法本身是一種有監(jiān)督學(xué)習(xí)方法，需要一定數(shù)量的訓(xùn)練樣本，對(duì)遙感蝕變信息而言，訓(xùn)練樣本選取的方法主要通過野外實(shí)地調(diào)查，然后在遙感影像上，利用準(zhǔn)確的界線建立感興趣區(qū)，選取訓(xùn)練樣本。光譜能級(jí)匹配是通過同時(shí)度量?jī)蓚€(gè)光譜之間的大小和形狀來判定光譜相似性的，而傳統(tǒng)的光譜相似性度量方法（如：歐氏距離、相關(guān)系數(shù)、光譜角等）只計(jì)算兩個(gè)光譜之間的大小（亮度）或形狀。因此本文提出了一種基于光譜能級(jí)匹配（SEM）的支持向量機(jī)（SVM）遙感礦化蝕變信息提取算法，并在新疆西昆侖庫斯拉甫一帶將該方法與傳統(tǒng)方法進(jìn)行應(yīng)用對(duì)比，探索一種適合研究區(qū)的遙感蝕變信息提取和識(shí)別方法。

2 研究區(qū)地質(zhì)概況

研究區(qū)位于西昆侖山脈北坡山前地帶，屬高山區(qū)，總體地勢(shì)西高東低，其大地構(gòu)造單元包括塔里木地塊和西昆侖構(gòu)造帶，該地區(qū)山勢(shì)雄偉，地形切割劇烈，平均海拔在3500m以上。葉爾羌河自西向東穿越研究區(qū)，植被稀疏，主要分布于河道兩側(cè)。研究區(qū)出露主要地層有泥盆系、石炭系、二疊系，侏羅系、白堊系，古近系，新近系和第四系，處于西昆侖塔木—卡蘭古鉛鋅銅成礦構(gòu)造帶，目前發(fā)現(xiàn)的礦產(chǎn)主要賦存在一套陸棚海相碎屑巖和碳酸鹽巖層中，分別是中泥盆統(tǒng)克孜勒陶組（D2k）、上泥盆統(tǒng)奇自拉夫組（D3q）、下石炭統(tǒng)卡拉巴西塔克組（C1k1）、下石炭統(tǒng)和什拉甫組（C1h）及克里塔格組（Clk）。其中下石炭統(tǒng)卡拉巴西塔克組（C1k1）與和什拉甫組（Clh）是鉛—鋅礦帶主要賦礦層，其下部為碎屑巖，與白云巖、灰?guī)r和生物屑灰?guī)r共生，上部為灰?guī)r［7-8］。區(qū)內(nèi)深大斷裂極為發(fā)育，走向以北西向和南北向?yàn)橹?，主要的區(qū)域性深大斷裂有西昆侖山前斷裂、康西瓦斷裂。

圖1 研究區(qū)區(qū)域地質(zhì)圖（根據(jù)1∶25萬地質(zhì)圖修編）

3 基于光譜能級(jí)匹配的支持向量機(jī)算法

3.1 光譜能級(jí)匹配法

光譜能級(jí)匹配法（Spectral Energy level Matching，SEM）是譜帶強(qiáng)度與波形特征相結(jié)合的產(chǎn)物，主要包括平均譜帶強(qiáng)度相似度和光譜波形特征相似度兩部分，可以減少異物同譜的現(xiàn)象［9］。

（1）平均譜帶強(qiáng)度相似度

平均譜帶強(qiáng)度相似度是參考光譜與像元光譜的平均譜帶強(qiáng)度的相對(duì)誤差與1的差，反映了參考光譜與像元光譜間的總體相似性。表達(dá)式為：

其中，ipavg表示像元光譜的平均值，rpavg表示參考光譜的平均值，表達(dá)式分別為：

其中，I ij表示像元光譜中第j個(gè)波段的譜帶強(qiáng)度，I dj表示參考光譜中第j波段的譜帶強(qiáng)度，m是波段個(gè)數(shù)。

（2）光譜波形特征相似度

光譜波形特征反映了參考光譜與像元光譜間的局部波形相似性。通過快速排序法分別對(duì)參考光譜與像元光譜按譜帶強(qiáng)度從小到大進(jìn)行排序，將排序后相應(yīng)譜帶強(qiáng)度的波段位置分別記錄在rarr和iarr數(shù)組中。假設(shè)循環(huán)向量長(zhǎng)度為m，判斷數(shù)組rarr和iarr中同一位置的波段位置是否相等，并記錄相等的數(shù)量n，n與m的比值表示光譜波形特征相似度（wSim），表達(dá)式為：

（3）總相似度

總相似度（Sim）是譜帶強(qiáng)度相似度與波形特征相似度的乘積，表達(dá)式為：

3.2 SVM基本原理

支持向量機(jī)（SVM）是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新型機(jī)器學(xué)習(xí)算法，它利用核函數(shù)將樣本非線性映射到高維空間里，在這個(gè)空間里建立一個(gè)最大間隔超平面。在分開數(shù)據(jù)的超平面的兩邊建有兩個(gè)互相平行的超平面，建立方向合適的分隔超平面使兩個(gè)與之平行的超平面間的距離最大化。如圖2所示，圖中實(shí)心點(diǎn)和空心點(diǎn)代表兩類樣本，H為分類超平面，H1、H2為與分類超平面平行的分隔超平面，他們之間的距離叫做分類間隔（Margin），分隔超平面間的距離或差距越大，分類器的總誤差越小。

圖2 支持向量機(jī)的基本思想

支持向量機(jī)采用核函數(shù)巧妙地解決了由低維空間向高維特征空間映射的問題。對(duì)于滿足Mercer條件的核函數(shù)K（xi，xj），最優(yōu)分類函數(shù)是：

常用的核函數(shù)主要有：多項(xiàng)式核函數(shù)、RBF徑向基函數(shù)、Sigmoid核函數(shù)等。核函數(shù)的選擇決定了特征空間的結(jié)構(gòu)，選擇的好壞直接影響到算法的實(shí)現(xiàn)與效果。在實(shí)際應(yīng)用中常常對(duì)每一種核函數(shù)采用網(wǎng)格搜索的方法，做交叉驗(yàn)證，求得該核函數(shù)對(duì)應(yīng)的最佳參數(shù)。

3.3 基于SEM的SVM算法

研究區(qū)ASTER數(shù)據(jù)獲取時(shí)相為2004年9月12日，級(jí)別為L(zhǎng)1B，圖像云量少，質(zhì)量佳。對(duì)其進(jìn)行大氣糾正，對(duì)干擾數(shù)據(jù)進(jìn)行掩模處理，將預(yù)處理的影像進(jìn)行成員提取及歸一化處理，分析成員光譜，結(jié)合研究區(qū)礦化信息提取蝕變礦物光譜，并作為參考光譜。隨后的算法描述如下：

（1）計(jì)算影像中每個(gè)像元光譜與每類參考光譜之間的光譜能級(jí)值，并設(shè)定一個(gè)初始閾值，既要保證采集到足夠的訓(xùn)練樣本，又要保證訓(xùn)練樣本與提取目標(biāo)的最大相似性；

（2）如果某類的訓(xùn)練樣本數(shù)未達(dá)到所需的樣本數(shù)，則重新調(diào)整閾值，執(zhí)行（1）；

（3）利用提取的訓(xùn)練樣本集應(yīng)用 Crossvalidation算法確定最優(yōu)SVM模型參數(shù)；

（4）根據(jù)最優(yōu)SVM模型參數(shù)訓(xùn)練SVM分類器模型；

（5）采用訓(xùn)練好的SVM模型對(duì)整個(gè)遙感影像進(jìn)行蝕變信息提取。

具體算法流程見圖3。

4 實(shí)驗(yàn)結(jié)果及分析

4.1 算法應(yīng)用對(duì)比

選取PCA主成分分析法和本文方法分別提取鐵化、泥化和碳酸鹽化，對(duì)提取的結(jié)果進(jìn)行疊合，二者進(jìn)行對(duì)比并相互佐證，使得結(jié)果更加可靠。

（1）用常規(guī)的 PCA（ASTER1，2，3，4）、PCA（ASTER 4，6，7，9）和 PCA（ASTER 1，3，4，8）提取“鐵化”、“泥化”和“碳酸鹽化”信息，其結(jié)果如圖4（a）所示。

（2）在選取的成員光譜處采集樣本光譜，用本文方法提取上述蝕變信息，總相似度值設(shè)為0.86（該閥值最大設(shè)置為l，為盡可能減少假異常，本文設(shè)置的閥值相對(duì)較高），其結(jié)果如圖4（b）所示。

4.2 結(jié)果分析

圖4 遙感蝕變信息提取結(jié)果對(duì)比

由于PCA方法是對(duì)ASTER圖像原始波段的線性組合分析，各主分量中所包含的方差很小的面狀異常信息，許多是由噪聲引起的；加之受波譜分辨率和密度分割閾值的影響，PCA結(jié)果中常包含干擾異常。對(duì)比圖4可以看出，用PCA方法提取的遙感蝕變信息中干擾異常較多，且3類蝕變?cè)诳臻g上存在重疊現(xiàn)象。“鐵化”信息受高亮度巖體影響較大，而“泥化”信息受第四系沖積物影響較大，“碳酸鹽化”二者提取的分布情況較為相似。

綜合分析各類異常信息的疊加結(jié)果，可以發(fā)現(xiàn)遙感蝕變信息與地層的走向吻合性好?！疤妓猁}化”蝕變?cè)谙率拷y(tǒng)和什拉甫組（C1h）灰?guī)r地層較為普遍，影像上為青白色調(diào)，呈南北向帶狀分布，與卡蘭古鉛鋅礦所處的碳酸巖礦化蝕變帶基本一致。該區(qū)的幾個(gè)重要礦床，如卡蘭古、阿巴列克、托庫孜阿特等鉛、鋅、銅礦均產(chǎn)自碎屑巖與灰?guī)r過渡層，因此，這套灰?guī)r對(duì)于該區(qū)鉛鋅礦的成礦具有重要的指示意義，可作為鉛鋅礦化的找礦標(biāo)志之一。野外調(diào)查顯示（圖5（a）），該地層巖性為碎屑灰?guī)r，生物化石限定其時(shí)代為早石炭世，劃分為下石炭統(tǒng)和什拉甫組（C1h），與西側(cè)上泥盆統(tǒng)奇自拉夫組（D3q）石英砂巖呈假整合接觸，具有不同程度的角礫巖化特征，進(jìn)一步印證了該區(qū)由碎屑巖向灰?guī)r過渡的礦化富集過程。“鐵化”蝕變信息主要位于研究區(qū)葉兒羌群（J1－2y），呈黃色調(diào)，界限清晰，近南北向分布。野外調(diào)查顯示（圖5（b）），該地層巖石為色調(diào)上以灰色為主，含礫砂巖夾細(xì)砂巖，巖石固結(jié)程度較低，表面風(fēng)化破碎較強(qiáng)，局部具有褐鐵礦化特征?！澳嗷蔽g變信息在研究區(qū)廣泛分布，呈帶狀以細(xì)脈或團(tuán)塊的形式分布，在影像上表現(xiàn)為以深灰－灰綠色為基本色調(diào)。圖5（c）顯示庫斯拉甫斷層以東的褶皺處綠泥石化和高嶺土化的特征，與之平行呈近南北向展布；同時(shí)，賦存于塔哈奇組（C2t）的火山碎屑巖和砂巖中廣泛存在泥化現(xiàn)象（圖5（d）），說明在該區(qū)中低溫?zé)嵋夯顒?dòng)廣泛，這與該多金屬礦體的形成有重要聯(lián)系。

圖5 野外調(diào)查照片

5 結(jié)束語

（1）本文提出的基于光譜能級(jí)匹配的支持向量機(jī)遙感礦化信息提取方法，克服了傳統(tǒng)方法應(yīng)用中受樣本數(shù)目以及維數(shù)的限制，光譜能級(jí)匹配能夠同時(shí)度量譜帶強(qiáng)度和光譜波形特征，因此可以減少異物同譜的現(xiàn)象，更有利于從背景信息中分離目標(biāo)信息。

（2）通過與常規(guī)方法提取的蝕變信息的對(duì)比，本文提取的蝕變信息與地層的走向吻合性好，有效地克服了干擾異常的影響。

（3）結(jié)合地質(zhì)資料及野外查證，“碳酸鹽化”的提取能夠較好的描繪該區(qū)灰?guī)r的分布特征，這套灰?guī)r對(duì)該區(qū)鉛鋅礦的成礦具有重要的指示意義，可作為鉛鋅礦化的找礦標(biāo)志之一。

（4）研究區(qū)地層互層現(xiàn)象較為普遍，受ASTER數(shù)據(jù)空間分辨率所限，一些礦化蝕變信息無法識(shí)別在所難免。此外，光譜能級(jí)匹配中閾值的設(shè)定需要結(jié)合經(jīng)驗(yàn)和實(shí)地調(diào)查，才能設(shè)計(jì)出與實(shí)際情況更相適合的提取方法。

［1]張玉君，曾朝銘，陳薇.ETM＋（TM）蝕變遙感異常提取方法研究與應(yīng)用：方法選擇和技術(shù)流程［J］.國(guó)土資源遙感，2003，（2）：44－49.

［2]王亞紅，王永，王輝，等.利用ETM數(shù)據(jù)進(jìn)行礦化蝕變信息提取的方法研究：以柴北緣地區(qū)為例［J］.遙感信息，2009（6）：68－72.

［3]荊鳳，陳建平.礦化蝕變信息的遙感提取方法綜述［J］.遙感信息，2005（2）：1－4.

［4]傅文杰，洪金益，朱谷昌.基于SVM 遙感礦化蝕變信息提取研究［J］.地質(zhì)與勘探，2006，46（2）：69－73.

［5]VAPNIK V N.The Nature of Statistical Learning theory［M］.New York：Springer Verlag，1995.

［6]VAPNIK V N.Statistical Learning theory［M］.New York：Wiley，1998.

［7]辛存林，都衛(wèi)東，魏明，等.新疆西昆侖地區(qū)塔卡提鉛鋅礦地質(zhì)特征與成礦遠(yuǎn)景［J］.蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，48（1）：20－34.

［8]胡慶雯，朱紅英，周圣華.新疆塔木一卡蘭古鉛一鋅（銅）礦帶區(qū)域控礦條件［J］.礦產(chǎn)與地質(zhì)，2007，21（5）：551－554.

［9]王欽軍，藺啟忠，黎明曉.一種突出目標(biāo)的多光譜遙感信息提取方法［J］.光譜學(xué)與光譜分析，2009，29（4）：1018－1022.