基于SAM分類方法遙感礦物信息提取研究

湛國毅,湛青青,吳　玲，汪宏晨

(1.貴州省第一測繪院，貴州 貴陽 550025；2.武漢市武昌區(qū)環(huán)境保護監(jiān)測站，湖北 武漢 430062；3.武漢大學 科學技術發(fā)展研究院 自然科學編輯部，湖北 武漢 430072)

?

基于SAM分類方法遙感礦物信息提取研究

湛國毅1,湛青青1,吳玲2，汪宏晨3*

(1.貴州省第一測繪院，貴州 貴陽 550025；2.武漢市武昌區(qū)環(huán)境保護監(jiān)測站，湖北 武漢 430062；3.武漢大學 科學技術發(fā)展研究院 自然科學編輯部，湖北 武漢 430072)

摘要：闡述了不同波段范圍內(nèi)礦物的成分和診斷特征，根據(jù)波譜庫中提供的礦物端元純凈像元的波譜曲線特征，利用SAM分類方法提取高光譜影像中的方解石、明礬石、高嶺石和伊利石等礦物信息.

關鍵詞：高光譜影像；礦物提取；純凈像元；波譜角分類

20世紀末地球觀測系統(tǒng)中最重要的技術突破之一就是高光譜遙感，成像光譜儀可接收可見光到熱紅外范圍內(nèi)的光譜遙感信息，這些信息被分離成幾十個或者幾百個很窄的波段，每個波段的寬度為幾納米[1].高光譜技術使得地物遙感的研究從感性鑒別發(fā)展到量化識別，高光譜識別通過地物光譜(或者實測光譜)與重建光譜進行定量對比，進而直接識別地物類型，物質(zhì)成分等信息.近年來，光譜分辨率越來越高，地物的光譜特征成為高光譜識別的重要研究內(nèi)容，研究方法從傳統(tǒng)的圖像分析逐漸轉(zhuǎn)變?yōu)橐怨庾V分析為主圖像分析為輔的圖譜結(jié)合分析[2].所以，高光譜信息與傳統(tǒng)的多光譜遙感信息在信息處理方法、應用模型、圖譜分析、波段相關性分析等研究方法都不盡相同.本文利用光譜識別的方法提取地物的波譜特征，采用光譜分析中光譜相似性度量的典型方法之一的波譜角制圖.

1礦物及其成分的光譜識別

巖石是具有一定結(jié)構和構造的礦物質(zhì)，一般在特定環(huán)境下形成的，巖石光譜是由組成巖石的多種礦物的光譜綜合反映[3].由于不同礦物在化學成分、晶格結(jié)構方面存在差異，所以不同礦物與電磁波相互作用時，其反射、投射、吸收、發(fā)射也會呈現(xiàn)差異，即不同礦物具有相對應的光譜特征或譜帶，并且光譜的強弱也反映了相應礦物的存在與相對含量，具有“診斷”特征.礦物成分識別主要是區(qū)別由于礦物的類質(zhì)同象置換而引起的同種礦物金屬離子含量的變化.王潤生[4]利用高光譜遙感對物質(zhì)組分和物質(zhì)成分反演做了研究分析，總結(jié)出可見光近紅外、短波紅外、中熱紅外光譜區(qū)間各種礦物的診斷特征.

圖1　波譜角示意圖Fig.1　Spectral angle diagram

圖2　光譜角分類流程Fig.2　Spectral angle classification process

(a)AVIRIS航空高光譜影像 (b)SAM分類結(jié)果圖圖3　AVIRIS航空高光譜影像和SAM分類結(jié)果圖Fig.3　AVIRIS aviation hyperspectral image and SAM classification results figure

2基于SAM分類方法提取巖石信息

在波譜角分類(SAM)中，波譜角的閾值直接影響地物識別、分類精度，即選取過大或者過小的波譜角閾值都會導致目標地物被錯分或者漏分，在遙感處理軟件ENVI中，波譜角閾值默認值是0.1rad.本次實驗對波譜角閾值經(jīng)過反復驗證和調(diào)試，將波譜角閾值設置為0.2rad和0.33rad，但是分類結(jié)果對比不大，故不作閾值設置對分類結(jié)果影響的探討，就用默認的0.1rad.

如圖1所示，當像元的光譜曲線與參考光譜曲線越相似時，波譜角角度就越小，兩者地物特性上也越相似，歸類的概率和精度就越高[9].

3實驗分析與結(jié)果

AVIRIS(AirborneVisibleInfraredImagingSpectrometer)亦稱機載航空成像光譜儀，它能夠測量波長范圍為0.4至2.5μm之間的全部太陽輻射波段.本次實驗數(shù)據(jù)為AVIRIS航空高光譜影像(有50個波段)，并經(jīng)過ENVI遙感影像處理軟件的ATREM大氣校正和反射率定標，影像數(shù)據(jù)的反射率已經(jīng)乘以1 000，已轉(zhuǎn)換成整型，及數(shù)值1 000實際代表反射值1.0，如圖2所示.

EFFORT糾正法可以移除遙感設備帶來的“鋸齒”狀殘留噪聲以及大氣的影像，以改善波譜特征的質(zhì)量.在波譜庫中選擇的提取純凈像元，并繪制波譜曲線，以供目標地物參考，然后與影像波譜進行比較，識別信息，通過波譜角填圖分類，提取信息.AVIRIS航空高光譜影像與SAM分類結(jié)果如圖3所示.

以具體類的形式顯示出來的像素都是由生成分類影響時的閾值確定的，由于給定像素將作為具體物質(zhì)進行分類，并不是把它指定為該物質(zhì)，所以SAM分類是一個相似度度量工具，而不是一個鑒別器.

光譜庫是由分光計在一定條件下測得的各類地物反射光譜數(shù)據(jù)的集[3].實驗采用JPL數(shù)據(jù)庫和USGS數(shù)據(jù)庫提供的AVIRIS影像數(shù)據(jù)所需的端元波譜.根據(jù)數(shù)據(jù)庫中已知目標的參考光譜和待識別目標的測試光譜，繪制AVIRIS影像數(shù)據(jù)端元波譜，如圖4所示.左邊波譜為JPL數(shù)據(jù)庫和USGS數(shù)據(jù)庫提供的端元波譜曲線，右邊是AVIRIS航空高光譜影像的波譜曲線，曲線下至上依次是白

(a)波譜庫礦物波譜曲線 (b)實驗礦物波譜曲線圖4　波譜庫礦物波譜曲線與實驗礦物波譜曲線的比較Fig.4　Pop Library mineral spectrum curve and experimental mineral spectrum curve

(a)光譜影像 (b)結(jié)果圖　　圖5　礦物識別和提取分布圖Fig.5　Mineral identification and extraction distribution

礦物名稱顏色礦物名稱顏色Zeolites沸石紅色Illite伊利石湖水藍Calcite方解石綠色Silica硅石紫紅Alunite明礬石藍色Budingtonite電氣石栗色Kaolinite高嶺石黃色

色-明礬石、紅色-電氣石、綠色-方解石、藍色-沸石、黃色-伊利石和湖水藍-高嶺石，左邊的紫紅-蛋白石是有USGS波譜庫提供的.對應右邊波譜曲線的形狀和走向和拐度很吻合，即可判定該高光譜影像中能識別和提取礦物成分.

根據(jù)波譜庫中提供的礦物波譜數(shù)據(jù)信息，利用SAM技術對原影像進行光譜匹配分類，通過礦物的實際波譜曲線與波譜庫中“端元”純凈像元波譜曲線的比較分析，可識別影像中礦物的成分、類別和分布情況.如圖5所示，顯示了AVIRIS航空高光譜影像中礦物質(zhì)的成分和分布情況，表1說明圖中各顏色代表的礦物.

4結(jié)語

根據(jù)高光譜“圖譜合一”的特點，本文利用光譜特征直接識別礦物類型成分，最終識別和提取礦物的空間分布圖.利用波譜角填圖分類方法提取AVIRIS航空高光譜影像數(shù)據(jù)提取實驗區(qū)的礦物信息，結(jié)果如圖5所示，總計提取了沸石、方解石、明礬石、伊利石、硅石和蛋白石，達到了本文研究的目的.同時也存在一定的問題，譬如不能很好解釋礦物的多樣性和光譜的復雜性，也不能實地考察礦物的成分和分布情況，所以不能評價礦物分類后的精度，故沒有對礦物進行精度評價.

參考文獻:

[1]耿修瑞.高光譜遙感圖像目標探測與分類技術研究[D].北京:中國科學院遙感應用研究所，2005.

[2]王潤生,熊盛青,聶洪峰,等.遙感地質(zhì)勘查技術與應用研究[J].地質(zhì)學報,2012，85(11):1699-1743.

[3]萬余慶,張鳳麗,閆永忠.礦物巖石高光譜數(shù)據(jù)庫分析[J].地球信息科學，2001，3(3):54-58.

[4]王潤生.高光譜遙感的物質(zhì)組分和物質(zhì)成分反演的應用分析[J].地球信息科學，2009，11(3)：261-267.

[5]浦瑞良.高光譜遙感及其應用[M].北京:高等教育出版社,2000.

[6]薛綺,李智勇.基于線性混合模型的高光譜圖像端元提取[J].遙感技術與應用,2004，19(3):197-201.

[7]楊可明,郭達志.基于端元提取的高光譜影像特定目標識別[J].金屬礦山，2006(6):48-52.

[8]張杰林,劉德長.高光譜數(shù)據(jù)挖掘技術在資源勘查中的應用研究[J].地理與地理信息科學，2004,20(3):89-91.

[9]王橋,黃家柱.環(huán)境遙感[M].北京:科學出版社，2005.

責任編輯：時凌

Extraction of Mineral Information from Remote Sensing Image Based on SAM Classification Method

ZHAN Guoyi1，ZHAN Qingqing1，WU Ling2，WANG Hongchen3*

(1. The First Surveying and Mapping Institute of Guizhou Province，Guiyang 550025，China;2.Wuhan Municipal Environmental Protection Monitoning Station of Wuchang District,Wuhan 430062,China;3.The Research Institute of Scientific and Technological Development,Journal of Natural Science of Wuhan University,Wuhan 430072,China)

Abstract：The ingredients and diagnostic features within the wavelength range of different minerals were described in the paper. According to spectral libraries mineral Endmember pure elements like pop curves，we extracted mineral information from hyperspectral image，such as calcite，alunite，kaolinite and illite，by using SAM classification method.

Key words：hyperspectral imaging;mineral extraction;pure pixel;spectral angle classification

收稿日期：2015-11-18.

基金項目：國家自然科學基金項目(41101407);湖北省自然科學基金項目(2014CFB377).

作者簡介：湛國毅(1974- )，男，碩士，高級工程師，注冊測繪師，主要從事不動產(chǎn)測繪、地圖制圖和3S技術應用.*通信作者：汪宏晨(1974- )，男，碩士，副編審，主要從事編輯學與GIS研究.

文章編號：1008-8423(2016)01-0084-03

DOI:10.13501/j.cnki.42-1569/n.2016.03.022

中圖分類號：TP751

文獻標志碼：A