基于光譜相關(guān)角和光譜信息散度的高光譜蝕變信息提取

吳 浩,徐 元 進(jìn),高 冉

(1.中國(guó)地質(zhì)大學(xué)數(shù)學(xué)地質(zhì)遙感地質(zhì)研究所，湖北 武漢 430074；2.杭州科瀾信息技術(shù)有限公司，浙江 杭州 310000)

基于光譜相關(guān)角和光譜信息散度的高光譜蝕變信息提取

吳 浩1,徐 元 進(jìn)1,高 冉2

(1.中國(guó)地質(zhì)大學(xué)數(shù)學(xué)地質(zhì)遙感地質(zhì)研究所，湖北 武漢 430074；2.杭州科瀾信息技術(shù)有限公司，浙江 杭州 310000)

針對(duì)高光譜遙感蝕變信息提取過(guò)程中，由于混合像元的不可避免，導(dǎo)致蝕變礦物光譜曲線存在不同程度的失真而影響目標(biāo)礦物識(shí)別精度的問(wèn)題，提出一種基于光譜相關(guān)角(Spectral Correlation Angle,SCA)和光譜信息散度(Spectral Information Divergence,SID)的高光譜遙感蝕變信息提取算法(SIDSCAtan)。利用植被覆蓋度表征植被信息在混合像元中所占百分比，劃分出6種植被失真類型。采用不同區(qū)分方法分別比較失真光譜與理想光譜的差異，實(shí)驗(yàn)表明，當(dāng)輸入的光譜信息具有微小差異時(shí)，方法SIDSCAtan能夠做出較大的響應(yīng)，在識(shí)別光譜整體形態(tài)的前提下，增強(qiáng)了對(duì)光譜局部特征差異的區(qū)分能力。以云南省個(gè)舊西區(qū)為研究區(qū)，運(yùn)用該方法提取區(qū)內(nèi)蝕變信息，應(yīng)用效果較好。

高光譜遙感；蝕變信息提??；光譜相關(guān)角；光譜信息散度

0 引言

在礦產(chǎn)勘查中，蝕變巖作為一種重要的找礦標(biāo)志已有數(shù)百年的歷史，其中熱液型礦床常伴有不同程度的近礦圍巖蝕變現(xiàn)象[1,2]。遙感找礦異常提取的目的是探測(cè)和圈定與成礦密切相關(guān)的蝕變礦物、蝕變巖帶和礦體表生氧化帶[3]。高光譜遙感地表巖性識(shí)別的關(guān)鍵是目標(biāo)礦物光譜特征的識(shí)別，利用相似度衡量待匹配光譜特征差異以達(dá)到識(shí)別地物的目的，已得到廣泛的應(yīng)用[4-7]。

目前計(jì)算相似度的方法有很多，傳統(tǒng)的方法主要包括光譜角(SAM)、光譜相關(guān)角(SCA)、波譜特征擬合(SFF)、光譜信息散度(SID)、混合調(diào)制匹配濾波等[8-15]。由于光譜角是通過(guò)計(jì)算光譜矢量之間的夾角來(lái)衡量其相似性，夾角的大小只與光譜矢量方向有關(guān)，與其輻射亮度無(wú)關(guān)，因此當(dāng)兩種礦物的光譜矢量方向相似而輻射亮度大小有差別時(shí)，區(qū)分效果較差，并且光譜角只考慮夾角的絕對(duì)值，而不能識(shí)別待匹配光譜的正負(fù)相關(guān)性。光譜相關(guān)角則有效避免了光譜負(fù)相關(guān)，并保持了光譜角最小化陰影影響的優(yōu)勢(shì)。Du等提出了光譜角和光譜信息散度的組合方法(SIDSAMtan)[16-18]，對(duì)比于單一匹配算法，提高了礦物識(shí)別能力，在高光譜純凈端元提取中應(yīng)用廣泛[19-20]。

本文結(jié)合已有研究成果，提出基于光譜相關(guān)角和光譜信息散度(SIDSCAtan)的高光譜蝕變信息提取方法。實(shí)驗(yàn)表明，當(dāng)輸入的光譜信息具有微小差異時(shí)，該方法能夠做出較大的響應(yīng)，同時(shí)通過(guò)在云南省個(gè)舊西區(qū)實(shí)際蝕變信息提取中應(yīng)用該方法，取得較好的效果，驗(yàn)證了基于光譜相關(guān)角和光譜信息散度(SIDSCAtan)的高光譜蝕變信息提取方法的可靠性。

1 原理及方法

兩光譜信號(hào)Si、Sj可表示為L(zhǎng)維向量(si1,si2,……,siL)T和(sj1,sj2,……,sjL)T的形式。基于SID-SCA的混合方法在考慮光譜整體形態(tài)和局部特征差異的基礎(chǔ)上，相對(duì)于傳統(tǒng)巖性識(shí)別方法，期望可以提高相似光譜的區(qū)分能力，從而達(dá)到精確提取蝕變信息的目的。

SID-SCA模型計(jì)算光譜Si、Sj相似性定義為：

SIDSCAtan(si,sj)=(ΨSID(si,sj))(tan(ΨSCA(si,sj)))

(1)

或SIDSCAsin(si,sj)=(ΨSID(si,sj))(sin(ΨSCA(si,sj)))

(2)

在巖性光譜識(shí)別過(guò)程中，主要利用光譜Si、Sj的垂向距離而不是其投影距離，因此這里計(jì)算光譜相關(guān)角的正切(1)和正弦(2)，而不考慮其余弦。

光譜相關(guān)角ΨSCA(si,sj)定義如下：

(3)

(4)

式中：L為遙感數(shù)據(jù)的波段數(shù)；i和j分別代表進(jìn)行匹配的兩個(gè)光譜信號(hào)；m為光譜信號(hào)中的某一波段。

式(4)的結(jié)果介于-1和1之間，反映了Si、Sj的線性相關(guān)程度。因此光譜相關(guān)角Ψ的返回值介于0和1.570796 rad之間，度量?jī)晒庾V信號(hào)的相似度。

光譜信息散度ΨSID(si,sj)定義如下：

ΨSID(si,sj)=D(si‖sj)+D(sj‖si)

(5)

Si、Sj的概率向量分別是p=(p1,p2,……,pL)和q=(q1,q2,……,qL)，其中:

由信息理論可分別得到光譜Si、Sj中波段k的自信息為Ik(si)=-log2(pk)和Ik(sj)=-log2(qk)。因此可得Sj關(guān)于Si的相對(duì)熵以及D(si‖sj)和Si關(guān)于Sj的相對(duì)熵D(sj‖si)，如式(6)、式(7)：

(6)

(7)

2 方法分析與比較

本研究使用的高光譜數(shù)據(jù)來(lái)源于美國(guó)E0-1衛(wèi)星搭載的Hyperion高光譜成像儀，為L(zhǎng)1R產(chǎn)品。該產(chǎn)品共有242個(gè)波段，經(jīng)過(guò)輻射定標(biāo)的有198個(gè)(VNIR8-57，SWIR77-224)，其中VNIR56、57，SWIR77、78重疊，同時(shí)部分波段受水汽影響嚴(yán)重，所以只使用155個(gè)波段(426.816～2 353.180nm)。在使用之前，對(duì)影像進(jìn)行絕對(duì)輻射值轉(zhuǎn)換、壞線修復(fù)、條紋去除、大氣校正、幾何校正處理(圖1)。

植被覆蓋度(Fc)為單位面積內(nèi)植被地上部分垂直投影面積所占百分比(圖2，見(jiàn)封2)，在高光譜影像中，(1-Fc)可表示為單個(gè)植被像元內(nèi)摻雜其他干擾信息(土壤、巖石、道路等)百分比[21]。為了對(duì)其他學(xué)者提出的方法與本文基于SID-SCA方法的信息提取精度進(jìn)行比較，本文從高光譜影像中選擇摻雜不同比例干擾信息的植被像元光譜(圖3,見(jiàn)封2)，利用不同區(qū)分方法比較失真光譜與理想光譜(圖4)的差別。

本文采用像元二分模型，利用NDVI估算植被覆蓋度。假設(shè)高光譜遙感影像一個(gè)像元只由植被和非植被(裸土)組成，所占面積為Fc和(1-Fc)，光譜信息分別為Sveg和Ssoil，則混合像元光譜信息定義為：

圖1 高光譜遙感影像

Fig.1 Hyperspectral RS image

圖4 USGS光譜庫(kù)植被光譜曲線

Fig.4 Reflectance spectra of vegetation in USGS library spectra

S=Sveg×Fc+Ssoil×(1-Fc)

(8)

通常每個(gè)像元的NDVI可以看成是植被部分NDVIveg和非植被部分NDVIsoil的加權(quán)平均，那么混合像元植被指數(shù)定義如式(9)：

NDVI=NDVIveg×Fc+NDVIsoil×(1-Fc)

(9)

則植被覆蓋度(Fc)如式(10)：

Fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(10)

如圖2，將植被覆蓋度信息由高到低劃分為6個(gè)等級(jí)，分別表征植被像元中的干擾信息摻雜比由小到大，對(duì)應(yīng)圖3中6條光譜曲線，比較圖4可知，當(dāng)干擾信息摻雜比逐漸增大，光譜失真愈加嚴(yán)重。

相似度的模值體現(xiàn)植被像元間的差異性，模值越大，表示其差異性越大，則更易被區(qū)分。由式(11)可知，由于0<θ(si，sj)<1，顯然SIDSCAtan的相似度模值將大于SIDSCAsin。因此，下面只分析比較SIDSCAtan、SIDSAMtan和SIDSGAtan的區(qū)分能力，如表1。

(11)

表1 光譜識(shí)別方法(SIDSCAtan、SIDSAMtan、SIDSGAtan)相似度計(jì)算結(jié)果

Table 1 Results of the similarity calculated by different methods

混合植被像元類型方法SIDSCAtanSIDSAMtanSIDSGAtan10.01030.00550.014320.01070.00550.014930.01140.00570.015040.01450.00710.017550.02200.01070.022960.03370.01620.0311

為了更直觀地對(duì)比和評(píng)價(jià)上述方法的區(qū)分能力，每種區(qū)分方法以最小失真類型1為基準(zhǔn)，比較其他類型的相似度對(duì)于類型1的增量，如圖5a。由圖5a可知，隨著植被像元信息失真程度的增大，三種方法的區(qū)分能力也呈上升趨勢(shì)，并且SIDSCAtan方法的相似度增幅明顯高于SIDSAMtan和SIDSGAtan。為了測(cè)試三種方法區(qū)分能力的增速，分別計(jì)算其相似度梯度(圖5b)。由圖5b可知，由類型1至類型2，方法SIDSAMtan的相似度梯度增速較快，SIDSCAtan高于SIDSGAtan，至類型3，SIDSAMtan增速降為最小。隨后，方法SIDSCAtan的區(qū)分能力一直保持最高增速。

圖5 不同方法計(jì)算相似度曲線

Fig.5 Maps of the similarity calculated by different methods

綜上可知，SIDSCAtan區(qū)分方法對(duì)植被光譜信息變化的敏感性更強(qiáng)，即對(duì)目標(biāo)地物特征吸收譜帶的微小失真有較大的響應(yīng)，表現(xiàn)出較強(qiáng)的地物識(shí)別能力。由于混合像元的影響，蝕變礦物光譜在高光譜影像中也存在不同程度的失真，特征譜帶發(fā)生變化。因此本文試圖將SIDSCAtan區(qū)分方法應(yīng)用于蝕變信息的提取，期望得到理想的結(jié)果。

3 實(shí)例應(yīng)用與結(jié)果分析

3.1 研究區(qū)

本文研究區(qū)選在位于中國(guó)云南省個(gè)舊市西區(qū)(102°57′36.51″～103°2′51.78″E，23°28′8.56″～23°33′6.98″N),區(qū)內(nèi)圍巖蝕變類型較多，主要類型有矽卡巖化、硅化、綠泥石化、絹云母化、云英巖化、鈉長(zhǎng)石化，其次有鉀長(zhǎng)石化、電氣石化、黃鐵礦化、碳酸鹽化、鐵錳礦化、赤鐵礦化、褐鐵礦化等，且不同巖石類型中蝕變類型及強(qiáng)度均有明顯差異。

3.2 蝕變信息提取及結(jié)果分析

蝕變礦物在426.816～2 353.180 nm光譜區(qū)間內(nèi)具有明顯的診斷波譜特征(圖6)，是直接識(shí)別礦物類型與組分的關(guān)鍵。本研究使用圖6中的礦物光譜為參考光譜，利用SIDSCAtan方法提取個(gè)舊西區(qū)“鐵化”和“泥化”蝕變信息，如圖7、圖8所示。

圖6 USGS光譜庫(kù)中礦物光譜曲線

Fig.6 Reflectance spectra of mineral in USGS library spectra

圖7 鐵化礦物蝕變信息

Fig.7 Iron alteration minerals maps

圖8 粘土礦物蝕變信息

Fig.8 Clay alteration minerals maps

個(gè)舊礦區(qū)圍巖蝕變作用主要是花崗巖侵入及與之有關(guān)的成礦作用引起，因此，蝕變信息在空間上依附于花崗巖侵入巖體呈有規(guī)律的帶狀分布。由圖7可知，鐵的氧化物信息在位置和輪廓上大致相同，多沿北西向和北東向大斷裂呈線狀分布，野外地質(zhì)資料證實(shí)斷裂帶內(nèi)均出現(xiàn)帶狀分布的褐鐵礦化石英脈(圖9a)。經(jīng)風(fēng)化淋濾作用后地表多呈褐紅色，原蝕變礦物為黃鐵礦，出露地表易氧化為赤鐵礦、針鐵礦、褐鐵礦等鐵的氧化物。如圖7a、圖7d，赤鐵礦、黃鉀鐵礬的一些零星點(diǎn)狀異常，大多數(shù)分布于斷裂帶、花崗巖侵入體與地層接觸帶、不同巖性突變邊界，如圖9b，在北西向斷裂帶內(nèi)發(fā)育強(qiáng)烈的鐵化蝕變信息。泥化蝕變礦物易受流水動(dòng)力作用而沿水系富集，如圖8b、圖8c，絹云母和高嶺土信息在研究區(qū)西南角呈條帶狀分布，野外調(diào)查顯示此處為干涸山溝，溝內(nèi)高嶺土、葉臘石、絹云母、蛇紋石較為富集，含少量赤鐵礦及黃鉀鐵礬，可知此處為真實(shí)蝕變信息，但屬找礦假異常。如圖8a、圖8d，綠泥石和伊利石信息呈團(tuán)塊狀，并與鐵化異常輪廓相似，出現(xiàn)于重要的地質(zhì)體邊界(斷裂、侵入邊界、地層界線)，如圖9c，斷層裂隙中充填綠泥石(圖9d)，花崗巖侵入體內(nèi)有強(qiáng)烈泥化蝕變信息。綜上可知，鐵化和泥化信息大多數(shù)為真實(shí)蝕變信息。

圖9 野外驗(yàn)證照片

Fig.9 The photos of field validation

4 結(jié)論

本文提出一種基于光譜相關(guān)角和光譜信息散度的高光譜遙感蝕變信息提取算法，在識(shí)別光譜整體形態(tài)的前提下，增強(qiáng)了對(duì)光譜局部特征差異的區(qū)分能力，由對(duì)混合植被像元的識(shí)別實(shí)驗(yàn)可知，SIDSCAtan方法對(duì)光譜的細(xì)微差異有較大的響應(yīng)。利用SIDSCAtan方法提取了云南個(gè)舊市西區(qū)“鐵化”和“泥化”蝕變信息，鐵的氧化物信息分布情況較為相似，野外驗(yàn)證發(fā)現(xiàn)大多數(shù)分布于斷裂帶、花崗巖侵入體與地層接觸帶、不同巖性突變邊界，為真實(shí)蝕變信息；泥化信息雖受流水動(dòng)力作用易沿水系富集，為找礦假信息，但由野外驗(yàn)證可知，此信息為真實(shí)蝕變信息。綜上可知，SIDSCAtan方法提取的蝕變信息具有較高的準(zhǔn)確性，在熱液型礦床勘查中具有重要的指示意義。

本文在利用SIDSCAtan提取蝕變信息時(shí)，相似系數(shù)閾值是通過(guò)經(jīng)驗(yàn)值確定的，具有一定的盲目性。因此，如何更合理地確定SIDSCAtan閾值，是今后有待解決的重點(diǎn)問(wèn)題。本文結(jié)合野外地質(zhì)調(diào)查工作，對(duì)SIDSCAtan方法在個(gè)舊西區(qū)的蝕變信息提取效果做了定性評(píng)價(jià)，如何定量評(píng)價(jià)信息提取精度是今后進(jìn)一步研究的重點(diǎn)內(nèi)容。

[1] MURPHY R J,MONTEIRO S T.Mapping the distribution of ferric iron minerals on a vertical mine face using derivative analysis of hyperspectral imagery(430-97002nm)[J].Isprs Journal of Photogrammetry & Remote Sensing,2013,75(328):29-39.

[2] 王潤(rùn)生,熊盛青,聶洪峰，等.遙感地質(zhì)勘查技術(shù)與應(yīng)用研究[J].地質(zhì)學(xué)報(bào),2011,85(11):1699-1743.

[3] BAISSA R,LABBASSI K,LAUNEAU P,et al.Using HySpex SWIR-320m hyperspectral data for the identification and mapping of minerals in hand specimens of carbonate rocks from the Ankloute formation[J].Journal of African Earth Sciences,2011,61(1):1-9.

[4] POUR A B,HASHIM M,GENDEREN J V.Detection of hydrothermal alteration zones in a tropical region using satellite remote sensing data:Bau goldfield,Sarawak,Malaysia[J].Ore Geology Reviews,2013,54(8):181-196.

[5] ENTON B.Mineral mapping in the Kap Simpson complex,central East Greenland,using HyMap and ASTER remote sensing data[J].Advances in Space Research,2011,47(1):60-73.

[6] 王潤(rùn)生.遙感地質(zhì)技術(shù)發(fā)展的戰(zhàn)略思考[J].國(guó)土資源遙感,2008(1):1-12.

[7] 代晶晶,王瑞江,王潤(rùn)生,等.基于蝕變信息提取的西藏班公湖-怒江成礦帶中段斑巖銅礦找礦預(yù)測(cè)[J].地球?qū)W報(bào),2012,33(5):755-762.

[8] XU Y,MA H,PENG S.Study on identification of altered rock in hyperspectral imagery using spectrum of field object[J].Ore Geology Reviews,2014,56:584-595.

[9] ZHANG X Y,LI P J.Lithological mapping from hyperspectral data by improved use of spectral angle mapper[J].International Journal of Applied Earth Observation & Geoinformation,2014,31(5):95-109.

[10] MAHDIEH H Z,TANGESTANI M H,ROLDAN F V,et al.Sub-pixel mineral mapping of a porphyry copper belt using EO-1 Hyperion data[J].Advances in Space Research,2014,53(3):440-451.

[11] CHEN X,WARNER T A,CAMPAGNA D J.Integrating visible,near-infrared and short-wave infrared hyperspectral and multispectral thermal imagery for geological mapping at Cuprite,Nevada[J].International Journal of Remote Sensing,2007,110(3):344-356.

[12] 張修寶,袁艷,景娟娟,等.信息散度與梯度角正切相結(jié)合的光譜區(qū)分方法[J].光譜學(xué)與光譜分析,2011,31(3):853-857.

[13] DU B,ZHANG Y,ZHANG L,et al.A hypothesis independent subpixel target detector for hyperspectral images[J].Signal Processing,2015,110:244-249.

[14] 閻繼寧,周可法,王金林,等.基于SAM與SVM的高光譜遙感蝕變信息提取[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(19):141-146.

[15] 劉萬(wàn)軍,楊秀紅,曲海成,等.基于光譜信息散度與光譜角匹配的高光譜解混算法[J].計(jì)算機(jī)應(yīng)用,2015,35(3):844-848.

[16] DU Y,CHANG C I,REN H,et al.A new hyperspectral discrimination measure for spectral similarity[C].Proceeding of the SPIE,2003.430-439.

[17] DU Y,CHANG C I,REN H,et al.A new hyperspectral discrimination measure for spectral characterization[J].Optical Engineering,2004,43(8):1777-1786.

[18] DU Y,IVES R,ETTER D,et al.A one-dimensional approach for iris identification[C].Proceeding of the SPIE,2004.237-247.

[19] CHANG C I.An information-theoretic approach to spectral variability,similarity,and discrimination for hyperspectral image analysis[J].IEEE Transactions on Information Theory,2000,46(5):1927-1932.

[20] NARESH K M,SESHASAI M,VARA PRASAD V R,et al.A new hybrid spectral similarity measure for discrimination among Vigna species[J].International Journal of Remote Sensing,2011,32(14):4041-4053.

[21] 李曉松,李增元,高志海,等.基于NDVI與偏最小二乘回歸的荒漠化地區(qū)植被覆蓋度高光譜遙感估測(cè)[J].中國(guó)沙漠,2011,31(1):162-167.

Extraction of Alteration Information from Hyperspectral Imagery Based on SCA and SID

WU Hao1,XU Yuan-jin1,GAO Ran2

(1.Institute of Mathematical and Remote Sensing Geology,China University of Geosciences ,Wuhan 430074;2.Hangzhou Kelan Information Technology Co.Ltd,Hangzhou 310000,China)

Hyperspectral remote sensing has been widely used in alteration information extraction.However,the spectra of altered minerals have varying degrees of distortion because of mixed pixel,which affects the accuracy of target minerals identification.A new approach to extract the alteration information from hyperspectral imagery based on SCA and SID has been presented.Using vegetation coverage to characterize the percentage of vegetation information in mixed pixel to divide the vegetation of distortion into six types.The differences between the distortion spectra and the true spectrum is distinguished by different spectral discrimination methods.The experiment shows that when the input spectral information with a slight difference,SIDSCAtancould make a big response,not only identify the whole spectrum shapes,but also enhance the partial differences of the spectral charateristics.The authors selected the west zone in Gejiu County of Yunnan Province as the study area,extracted the information of altered minerals from the hyperspectral image of the study area,the results obtained bySIDSCAtanhad higher reliability.

hyperspectral remote sensing;alteration information extraction;spectral correlation angle;spectral information divergence

2015-07-17；

2015-10-16

國(guó)家自然科學(xué)基金項(xiàng)目(41072246);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(CUG120116)

吳浩(1989-)，男，碩士研究生，主要研究方向?yàn)檫b感地質(zhì)、國(guó)土資源遙感。E-mail:wuhaowzd@163.com

10.3969/j.issn.1672-0504.2016.01.009

P627

A

1672-0504(2016)01-0044-05