[发明专利]一种基于光谱知识的矿物信息智能识别方法

说明书

技术领域

本发明涉及一种基于光谱知识的矿物信息智能识别方法，属于高光谱数据处理方法与应用技术领域，适用于高光谱图像信息自动提取的理论方法以及在矿物信息识别等领域的应用技术研究。

背景技术

高光谱相对于传统遥感增加了光谱维信息，反映了其代表地物的内在特征，充分利用该信息能够大大推动高光谱数据的应用范围与水平，并不断扩展高光谱数据的应用深度和广度。

目前高光谱矿物信息识别的方法主要为基于波谱相似性测度、混合光谱模型、基于光谱波形参数等。在具有大量已知地物光谱时这些方法适应性强，但明显不足是由于实际地物光谱变异、获取数据受观测角以及颗粒大小的影响而造成光谱变化，准确匹配比较困难，造成矿物识别与分析上的混淆和误差。另外基于统计的光谱识别方法几乎没有用到矿物光谱的内在特征及其化学组成等信息。事实上，矿物往往具有其特有的诊断吸收特征，并且其吸收特征在不同的矿物中具有较稳定的波长位置和较稳定的独特波形，能够指示矿物的存在。通过光谱吸收特征或其组合，能够实现对矿物的识别。针对这一问题，国外提出了基于知识决策的识别方法，该方法利用了矿物光谱的诊断吸收特征。但是该类方法存在着一定程度的问题：受测量条件和环境的影响，同种矿物的标准参考光谱和图像像元光谱的幅值存在较大差异，采用参考光谱在诊断特征波段区间的最大和最小值作为约束条件来避免异物同谱的情况会造成识别误差；并且现有方法未考虑矿物在空间分布连续的特性，造成一些散点的误识别。

发明内容

本发明的目的是针对现有矿物信息识别方法光谱吸收特征利用较少、未充分考虑测量环境引起的参考光谱与图像像元光谱存在幅值差异以及未考虑矿物本身的分布特性等不足，提出一种一种基于光谱知识的矿物信息智能识别方法。

本发明的技术解决方案是：一种基于光谱知识的矿物信息智能识别方法。该方法主要是基于光谱知识的相关理论，提取包括光谱波形与光谱特征参数的光谱知识，获得参考光谱以及光谱吸收特征波段区间，然后采用基于光谱主次吸收特征的最小二乘拟合方法得到最初匹配值，并对最初匹配值进行以下三个约束处理：特征波段光谱角匹配、是否存在特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值，将图像像元光谱与各个参考光谱的最终匹配值中的最大匹配值所对应参考光谱作为该像元初步识别结果，然后运用矿物空间分布的连续性得到高光谱图像的最终识别结果，从而实现高光谱图像矿物信息的自动识别。

本发明一种基于光谱知识的矿物信息智能识别方法，其步骤如下：

(1)提取包括光谱波形与光谱特征参数的光谱知识；

(2)读入高光谱图像数据；

(3)根据图像光谱波长对各个参考光谱进行重采样；

(4)对图像光谱及重采样后参考光谱进行连续统去除；

(5)对步骤(4)处理后的图像光谱与各个参考光谱在主次吸收特征波段采用最小二乘拟合方法，得到最初匹配值；

(6)对最初匹配值进行三个约束处理：特征波段光谱角匹配、是否存在特定吸收特征、特征波段反射率阈值设定，从而得到最终匹配值；

(7)步骤(6)得到的各个最终匹配值中的最大匹配值所对应参考光谱即该像元初步识别结果，然后运用矿物空间分布连续性的约束得到高光谱图像最终识别结果。

其中，步骤(1)中所述的光谱波形与光谱特征参数等光谱知识的提取，其含义说明如下：选取美国地调局光谱库中常见矿物光谱为参考光谱(光谱波段范围0.3951～2.56μm)；提取其光谱波形以及光谱库中各参考光谱在整个波段范围内吸收特征的个数和每个吸收特征的起止波段位置等相关参数作为光谱知识。

其中，步骤(3)中所述的根据图像光谱波长对各个参考光谱进行重采样，其含义说明如下：由于参考光谱与图像像元光谱波长范围可能不一致，因此在拟合运算之前必须采用临界采样的方法根据图像像元光谱波长对参考光谱进行重采样。

其中，步骤(4)中所述的对图像像元光谱及重采样后参考光谱进行连续统去除，其含义说明如下：连续统去除处理可以突出光谱吸收特征，抑制噪声影响；其具体流程为：首先求得光谱曲线上所有极大值点中的最大值，然后以最大值点作为包络线的一个端点计算该点与波长增加的方向各个极大值连线的斜率并以斜率最大点作为包络的下一个端点，再以此点为起点循环直到最后一点，同时以最大值点作为包络的一个端点向波长减小的方向进行类似计算并以斜率最小点为下一个端点，再以此点为起点循环直到曲线上的开始点，最后沿波长增加方向连接所有端点可形成包络线，用实际光谱反射率去除包络线上相应波段的反射率值可得连续统去除曲线；其计算公式如下：