基于圖像特征分解的高空間分辨率遙感圖像找礦方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及基于圖像特征分解的高空間分辨率遙感圖像找礦方法。
【背景技術(shù)】
[0002] 遙感技術(shù)是地質(zhì)勘查的一項必要手段。傳統(tǒng)的遙感找礦方法一般基于中低空間分 辨率、多光譜或高光譜的影像數(shù)據(jù)，研究方法大致分為四種:一是憑借經(jīng)驗，單純的目視解 譯，從而確定靶區(qū)。這種方法通常適用于有多年經(jīng)驗的遙感地質(zhì)工作者;二是對多光譜遙感 影像進(jìn)行地質(zhì)構(gòu)造、蝕變信息提取，綜合分析區(qū)域的成礦地質(zhì)條件，進(jìn)而確定找礦靶區(qū)。這 種方法通常適用于對地質(zhì)成礦理論及工作比較熟悉的人員；三是對影像進(jìn)行計算機(jī)圖像處 理，主要采用一些圖像增強(qiáng)的方法來進(jìn)行地質(zhì)信息的提取。這種方法通常是不懂地質(zhì)的人 員根據(jù)計算機(jī)解譯信息判別成礦特征的做法，其結(jié)果通常不被地質(zhì)工作人員所接受和采 納；四是運(yùn)用數(shù)學(xué)統(tǒng)計方法綜合分析各種遙感、地質(zhì)資料，從而進(jìn)行綜合評判。該方法適用 性較強(qiáng)，綜合性高，是目前遙感技術(shù)找礦所普遍采用的一種技術(shù)方法。
[0003] 然而，現(xiàn)有的遙感找礦技術(shù)主要是利用空間分辨率在15-30米的多光譜遙感進(jìn)行 地質(zhì)信息解譯，計算機(jī)解譯方法也比較成熟，主要濾波技術(shù)提取構(gòu)造信息，比值法和主成分 分析法提取蝕變信息，比較通用的就是線-環(huán)-團(tuán)-塊綜合信息找礦模式。熟悉遙感技術(shù)的人 員主要通過計算機(jī)信息自動提取片面的劃定找礦靶區(qū)，而熟悉地質(zhì)的技術(shù)人員則是強(qiáng)行將 地質(zhì)信息簡單疊加到圖像上。這兩種做法都不能夠使遙感技術(shù)真正為找礦勘查服務(wù)。遙感 地質(zhì)是計算機(jī)技術(shù)、數(shù)學(xué)和地質(zhì)理論的結(jié)合，如何更好的利用當(dāng)今的遙感技術(shù)為找礦勘查 服務(wù)是遙感地質(zhì)人員應(yīng)該考慮的問題。不能簡單的依靠經(jīng)驗，也不能簡單的依靠計算機(jī)信 息自動提取，必須對數(shù)據(jù)進(jìn)行綜合分析和評判，結(jié)合圖像特點，充分發(fā)揮數(shù)學(xué)、統(tǒng)計學(xué)的優(yōu) 勢進(jìn)行信息的提取。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是為了解決上述問題，提供基于圖像特征分解的高空間分辨率遙感 圖像找礦方法。
[0005] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下： 基于圖像特征分解的高空間分辨率遙感圖像找礦方法，包括以下步驟： 提取圖像的顏色特征，提取圖像的紋理特征，對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求??； 將提取的顏色特征、紋理特征、二階導(dǎo)數(shù)圖像三種要素進(jìn)行綜合分析:使用overlay的 邏輯疊加分析方法，通過模糊數(shù)學(xué)的理論使用三種要素相乘的算法求取交集;該交集位置 即為遙感找礦勘查靶區(qū)。
[0006] 進(jìn)一步地，所述提取圖像的顏色特征具體是利用ENVI軟件將高空間分辨率的RGB 圖像直接轉(zhuǎn)換為HLS圖像，并提取顏色特征。
[0007] 再進(jìn)一步地，所述提取圖像的紋理特征具體是通過ENVI軟件的濾波功能進(jìn)行沿總 體走向的方向濾波，并將其濾波提取的紋理結(jié)果置于ARCGIS進(jìn)行密度分析，確定圖像的紋 理粗糙度。
[0008] 更進(jìn)一步地，對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求取具體是在ENVI IDL中編寫二階導(dǎo)數(shù) 運(yùn)算的相關(guān)算法，其目的是增強(qiáng)光譜吸收、反射的特征值。其中二階導(dǎo)數(shù)的算法在IDL中主 要寫為：deriv(deriv( reform(float( si ice [*，S])))，S代表光譜 spectral，通過編寫的二 階導(dǎo)數(shù)程序完成對圖像的二階導(dǎo)數(shù)運(yùn)算。
[0009] 另外，綜合分析具體的操作如下：將三種要素的特征由矢量數(shù)據(jù)轉(zhuǎn)換為柵格數(shù)據(jù) 后，轉(zhuǎn)換圖像為[0，1]二值圖像，異常區(qū)域value=l，其他圖像區(qū)域val Ue=0,應(yīng)用乘法對圖像 進(jìn)行運(yùn)算，其結(jié)果即為三種特征的交集異常區(qū)。
[0010] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點及有益效果： 本發(fā)明充分利用高分遙感數(shù)據(jù)所表現(xiàn)出的顏色、形狀、紋理等表象形狀，通過采用數(shù) 學(xué)、圖像處理、GIS等技術(shù)充分挖掘數(shù)據(jù)，綜合確定找礦勘查靶區(qū)，為下一步的礦區(qū)外圍勘查 及礦床定位提供了可靠的依據(jù)。
【附圖說明】
[0011] 圖1為HLS變換圖像(左)及顏色特征提取結(jié)果(右)圖。
[0012]圖2為方向濾波提取的紋理線（左)及紋理密度(右）圖。
[0013] 圖3為二階導(dǎo)數(shù)增強(qiáng)圖（左)及增強(qiáng)后團(tuán)塊狀信息提取圖（右）。
[0014] 圖4為顏色、紋理、形狀綜合信息結(jié)果分析圖。
【具體實施方式】
[0015] 下面結(jié)合實施例對本發(fā)明作進(jìn)一步說明，本發(fā)明的實施方式包括但不限于下列實 施例。 實施例
[0016] 高空間分辨率遙感影像在展現(xiàn)地質(zhì)信息時主要通過不同的圖像自身特征變現(xiàn)出 來，而不是其隱含的光譜信息。對于遙感地質(zhì)特征在圖像中的表現(xiàn)總體來說就是:顏色(包 括色度、亮度、飽和度）、紋理(粗糙、中等、細(xì)膩）、形狀(線性、環(huán)形、團(tuán)塊狀）。不同地質(zhì)體、蝕 變巖石、隱伏礦床在高空遙感圖像中均以上述基本特征進(jìn)行表現(xiàn)，這些也是地質(zhì)人員利用 遙感圖像進(jìn)行目標(biāo)識別的最直接反應(yīng)，那么如何有效利用這些最直接的表象特征，并且準(zhǔn) 確識別上述圖像基本特征，并確定特征表象與礦床之間的關(guān)系是本發(fā)明的關(guān)鍵所在。
[0017] 假設(shè)X表示顏色，其中為色度，％為亮度，，為飽和度，則x=f(A，h4); y表示紋理，采用研究區(qū)域總體構(gòu)造走向做方向濾波，并用單位面積內(nèi)濾波獲得的亮線 條數(shù)來表示紋理的粗糙和細(xì)膩程度。
[0018] 設(shè)亮線條數(shù)所占像元的標(biāo)準(zhǔn)差為δ>:，在數(shù)據(jù)滿足正態(tài)分布的前提下：
[0019] ζ表示形狀，21為線性5?為環(huán)形而為團(tuán)塊狀。則形狀z=_U%U^}的集合。
[0020] 遙感地質(zhì)找礦信息A={x fly Π ζ}，即在高空間分辨率遙感地質(zhì)勘查中認(rèn)為圖像的 色彩與周圍形成鮮明對比，紋理比較粗糙，形狀為各種線-環(huán)-團(tuán)塊的綜合體時，其找礦潛力 比較大。
[0021 ]然而，本發(fā)明的具體方法如下： ⑴提取圖像的顏色特征，將RGB圖像轉(zhuǎn)變?yōu)镠U圖像(具體地的是利用ENVI軟件將高空 間分辨率的RGB圖像直接轉(zhuǎn)換為HLS圖像）。隱伏礦床所在地由于具有了某些元素的聚集，因 此其圖像色彩必定與其周圍圖像形成鮮明反差，一般RGB的圖像不能直接進(jìn)行判別，但當(dāng)其 轉(zhuǎn)換圖像空間表現(xiàn)為色度、亮度、飽和度時，隱伏礦床的可能位置就會出現(xiàn)與周圍圖像不同 的表現(xiàn)。
[0022] (2)提取圖像的紋理特征。隱伏礦床受到一定構(gòu)造運(yùn)動的影響，在地表會出現(xiàn)各種 紋理特征，沿主要紋理走向進(jìn)行方向濾波，可提取圖像的紋理特征，利用數(shù)字信息提取技術(shù) 可提取主要紋理走向的圖像中的線性特征，利用GIS技術(shù)可確定線性特征分布密度，進(jìn)而識 別圖像的紋理粗糙度。具體地，是通過ENVI軟件對圖像進(jìn)行高通濾波，提取圖像中的所有紋 理特征，對其紋理提取后轉(zhuǎn)化為.shp矢量數(shù)據(jù)，在ARCGIS中統(tǒng)計線數(shù)據(jù)的走向（玫瑰圖或地 統(tǒng)計分析），確定紋理總體走向的前提下，通過ENVI軟件的濾波功能進(jìn)行沿總體走向的方向 濾波，并將其濾波提取的紋理結(jié)果置于ARCGIS進(jìn)行密度分析，確定圖像的紋理粗糙度。 [0023] (3)對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求取，以增強(qiáng)電磁波的吸收和反射，使之吸收峰和 反射峰更為突出。由于隱伏礦床的存在，它會對地形、地表植被、巖石分布等造成影響，而這 些基本特征在可見光、進(jìn)攻外波段都形成一定的反射和吸收，二階導(dǎo)數(shù)在一定程度上放大 上述特征信號，從而使得地地質(zhì)信息以一定的團(tuán)塊狀、線形、環(huán)形等形狀展現(xiàn)出來。具體的 是在ENVI IDL中輸入二階導(dǎo)數(shù)公式y(tǒng)"=d2y/dx2,并編程完成對圖像的二階導(dǎo)數(shù)計算。
[0024] (4)將顏色（色度、亮度、飽和度異常）、紋理粗糙度(紋理密度）、形狀(二階導(dǎo)數(shù)圖 像異常)三種要素進(jìn)行綜合分析，使用overlay的邏輯疊加分析方法，通過模糊數(shù)學(xué)的理論 使用三種要素相乘的算法求取交集。具體做法是:將上述三種特征由矢量數(shù)據(jù)轉(zhuǎn)換為柵格 數(shù)據(jù)后，轉(zhuǎn)換圖像為[0，1]二值圖像，異常區(qū)域value=l，其它圖像區(qū)域 Value=0,應(yīng)用乘法對 圖像進(jìn)行運(yùn)算，其結(jié)果即為三者的交集異常區(qū)。
[0025] 圖像的表象特征所蘊(yùn)含的異常信息即為三種特征的交集，其交集位置即為遙感找 礦勘查靶區(qū)，即具有顏色、紋理、形狀等共同異常區(qū)域的交集，這也是圖像的表象特征所反 映出的礦床信息，可作為礦床勘查和外圍找礦的依據(jù)。
[0026] 如圖1~4所示，采用本發(fā)明的方法對多龍整裝勘查區(qū)的Geoeye影像0.5米高空間 分辨率遙感影像進(jìn)行分析，最終確定的隱伏礦床目標(biāo)區(qū)與找礦實踐完全吻合。
[0027] 按照上述實施例，便可很好地實現(xiàn)本發(fā)明。值得說明的是，基于上述結(jié)構(gòu)設(shè)計的前 提下，為解決同樣的技術(shù)問題，即使在本發(fā)明上做出的一些無實質(zhì)性的改動或潤色，所采用 的技術(shù)方案的實質(zhì)仍然與本發(fā)明一樣，故其也應(yīng)當(dāng)在本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 一種基于圖像特征分解的高空間分辨率遙感圖像找礦方法，其特征在于，包括以下 步驟： 提取圖像的顏色特征，提取圖像的紋理特征，對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求??； 將提取的顏色特征、紋理特征、二階導(dǎo)數(shù)圖像三種要素進(jìn)行綜合分析:使用overlay的 邏輯疊加分析方法，通過模糊數(shù)學(xué)的理論使用三種要素相乘的算法求取交集;該交集位置 即為遙感找礦勘查靶區(qū)。2. 根據(jù)權(quán)利要求1所述的基于圖像特征分解的高空間分辨率遙感圖像找礦方法，其特 征在于，所述提取圖像的顏色特征具體是利用ENVI軟件將高空間分辨率的RGB圖像直接轉(zhuǎn) 換為HLS圖像，并提取顏色特征。3. 根據(jù)權(quán)利要求1所述的基于圖像特征分解的高空間分辨率遙感圖像找礦方法，其特 征在于，所述提取圖像的紋理特征具體是通過ENVI軟件的濾波功能進(jìn)行沿總體走向的方向 濾波，并將其濾波提取的紋理結(jié)果置于ARCGIS進(jìn)行密度分析，確定圖像的紋理粗糙度。4. 根據(jù)權(quán)利要求1所述的基于圖像特征分解的高空間分辨率遙感圖像找礦方法，其特 征在于，對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求取具體是在ENVIIDL中編寫二階導(dǎo)數(shù)運(yùn)算的相關(guān)算 法，其目的是增強(qiáng)光譜吸收、反射的特征值。5. 根據(jù)權(quán)利要求1所述的基于圖像特征分解的高空間分辨率遙感圖像找礦方法，其特 征在于，綜合分析具體的操作如下:將三種要素的特征由矢量數(shù)據(jù)轉(zhuǎn)換為柵格數(shù)據(jù)后，轉(zhuǎn)換 圖像為[〇，1]二值圖像，異常區(qū)域value=l，其他圖像區(qū)域Value=0,應(yīng)用乘法對圖像進(jìn)行運(yùn) 算，其結(jié)果即為三種特征的交集異常區(qū)。
【專利摘要】本發(fā)明公開了基于圖像特征分解的高空間分辨率遙感圖像找礦方法。本發(fā)明包括提取圖像的顏色特征，提取圖像的紋理特征，對圖像進(jìn)行光譜二階導(dǎo)數(shù)的求取；將提取的顏色特征、紋理特征、二階導(dǎo)數(shù)圖像三種要素進(jìn)行綜合分析：使用overlay的邏輯疊加分析方法，通過模糊數(shù)學(xué)的理論使用三種要素相乘的算法求取交集；該交集位置即為遙感找礦勘查靶區(qū)。本發(fā)明充分利用高分遙感數(shù)據(jù)所表現(xiàn)出的顏色、形狀、紋理等表象形狀，通過采用數(shù)學(xué)、圖像處理、GIS等技術(shù)充分挖掘數(shù)據(jù)，綜合確定找礦勘查靶區(qū)，為下一步的礦區(qū)外圍勘查及礦床定位提供了可靠的依據(jù)。
【IPC分類】G06K9/00, G06K9/46
【公開號】CN105469068
【申請?zhí)枴緾N201510891631
【發(fā)明人】郭娜, 唐菊興, 彭書明, 唐楠, 汪重午
【申請人】成都理工大學(xué), 中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所
【公開日】2016年4月6日
【申請日】2015年12月4日