一种岩矿高光谱遥感图像提取方法、装置及计算机设备

1.本发明属于高光谱遥感地质调查技术领域，具体涉及岩矿高光谱遥感图像提取方法、装置及计算机设备。


背景技术：

2.近来年，伴随着国内外对矿产资源的迫切需要，发展比传统地质勘查手段更有效的矿产资源遥感勘查技术势在必行。多光谱及高光谱遥感技术可以快速准确获得地表及浅地表信息，已经成为金属矿产资源勘查不可或缺的手段之一。但是多光谱数据如etm、aster等由于光谱分辨率低，地物的光谱特征表现不充分，高光谱遥感数据由于波段数多、信息量大，可提供不同类型地物的细微光谱差异，有效提高目标的探测和识别能力，基于地物光谱与空间的综合信息，高光谱数据可有效探测目标地物空间分布，为快速圈定成矿远景区和优选靶区发挥重要作用。
3.目前卫星高光谱遥感图像多为30米空间分辨率，普遍存在复杂的混合像元。由于混合像元将两种或更多不同类型的地物以单一的光谱曲线表示，因此在多数情况下难以准确区分实际地物分布情况，从而严重阻碍了高光谱遥感识别精度的提高。因此，从高光谱影像中准确提取不同岩性、地物类型代表性光谱(端元)对于高光谱遥感图像处理尤为关键。端元光谱的获取方式有两种：(1)使用光谱仪在地面或实验室测量得到“参考端元”；(2)从高光谱遥感图像上得到“图像端元”。与从光谱库中获取端元相比，从图像中获取端元的优势在于能够更准确地反映真实环境中的光谱变化，避免了人为因素的干扰和主观误差，并能够识别和提取出所有的端元，即使一些端元没有被光谱库所收录。
4.目前广泛应用于高光谱遥感图像处理的端元提取方法包括纯净像元指数(ppi)、顶点成分分析(vca)、连续最大角凸锥(smacc)等。然而，这些方法通常仅从光谱特征角度出发，忽略了像元在空间上的相关性，易受噪声和异常点的干扰，导致端元提取精度较低，从而影响了遥感图像的提取精度。


技术实现要素：

5.为了克服遥感图像提取精度低的问题，本发明提供了岩矿高光谱遥感图像提取方法、装置及计算机设备，其提取方法包括如下步骤：
6.获取待提取区域的高光谱遥感图像；
7.对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；
8.计算高光谱遥感图像像元光谱与所述端元光谱之间的特征矢量夹角；
9.根据所述特征矢量夹角设定阈值，根据所述阈值提取出岩矿高光谱遥感图像。
10.优选的，对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱，包括如下步骤：
11.将所述高光谱遥感图像划分为多个子集区域；
12.通过奇异值分解法svd计算每个子集区域的一组特征向量，每个子集区域的一组特征向量构成局部特征向量集；
13.将所述高光谱遥感图像投影到所述局部特征向量集上，得到位于局部特征向量集两端的候选端元像素集；
14.对所述候选端元像素集进行空间和光谱特征分析，将光谱相似且在空间上有关联的候选端元进行平均，提取出高光谱遥感图像中光谱相似但空间独立的端元；
15.按照光谱相似度顺序对获得的端元进行排序，得到最终的端元光谱。
16.优选的，所述按照光谱相似度顺序对获得的端元进行排序，得到最终的端元光谱，包括如下步骤：
17.将候选端元像素集中的第一个端元指定为新排序列表中的第一个端元；
18.将所述第一个端元与所有其他端元进行比较，找到与所述第一个端元光谱角最相近的端元；
19.将与所述第一个端元光谱角最相近的端元排列至第一个光谱之后，并指定为第二个端元；
20.寻找与第二个端元光谱角最相近的端元，并将其排列至第二个端元之后，并指定为第三个端元；以此类推，直到所有的端元都被排序。
21.优选的，所述光谱角的计算公式为：
[0022][0023]
其中，α为两个光谱之间的夹角，nb为波段数，ti为第i个波段的测试光谱；ri为第i个波段的参考光谱。
[0024]
优选的，所述子集区域大小为行和列取值均为15～25个像元的正方形格网。
[0025]
优选的，所述奇异值分解法的阈值取值范围为0.95～0.99。
[0026]
优选的，对所述高光谱遥感图像进行空间和光谱特征分析之前，还包括对所述高光谱遥感图像进行预处理，具体包括对所述高光谱遥感图像依次进行辐射定标、大气校正、几何校正和波段合成，得到全波段高光谱遥感图像。
[0027]
优选的，还包括对预处理后的高光谱遥感图像按照选定波段进行假彩色合成，得到高光谱假彩色合成图像；并对所述高光谱假彩色合成图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱。
[0028]
本发明还提供有一种岩矿高光谱遥感图像提取装置，包括：
[0029]
高光谱图像获取模块，用于获取待提取区域的高光谱遥感图像；
[0030]
端元获取模块，用于对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；
[0031]
特征矢量夹角计算模块，用于计算高光谱遥感图像像元光谱与所述端元光谱之间的特征矢量夹角；
[0032]
岩矿高光谱遥感图像获取模块，用于根据所述特征矢量夹角设定阈值，根据所述阈值提取出岩矿高光谱遥感图像。
[0033]
本发明还提供有一种计算机设备，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行岩矿高光谱遥感图像的提取方法。
[0034]
本发明提供的岩矿高光谱遥感图像提取方法、装置及计算机设备具有以下
[0035]
有益效果：
[0036]
本发明通过对高光谱遥感图像进行空间和光谱特征分析，能够增强具有微小独特光谱信息的端元之间的光谱对比度，以识别出待提取区域内细微的岩性变化，增加光谱相似但空间独立的端元被选择的可能性，提高了端元提取的准确性；通过计算待提取区域图像像元光谱与端元光谱之间的特征矢量夹角，能够得到光谱角分类图像；通过光谱角分类图像能够精确圈定岩矿找矿靶区，提高了岩矿提取的精度。
附图说明
[0037]
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]
图1为本发明所提供的岩矿高光谱遥感图像提取方法的流程示意图；
[0039]
图2为光谱-空间端元提取方法的流程示意图；
[0040]
图3为美国喷气动力实验室典型黏土矿物光谱特征图；
[0041]
图4为富锂黏土岩端元光谱图；
[0042]
图5为黏土岩锂矿区zy1-02d高光谱影像假彩色合成图；
[0043]
图6为基于光谱角填图法的富锂黏土岩提取结果图；
[0044]
图7为prisma高光谱影像假彩色合成图；
[0045]
图8为镁铁-超镁铁岩端元光谱图；
[0046]
图9为基于光谱角填图法的镁铁-超镁铁岩提取结果图；
[0047]
图10为斑岩铜矿区zy1-02d高光谱影像假彩色合成图；
[0048]
图11为斑岩铜矿蚀变(绢云母化与青磐岩化)端元光谱图；
[0049]
图12为基于光谱角填图法的绢云母化提取结果图；
[0050]
图13为基于光谱角填图法的青磐岩化提取结果图。
具体实施方式
[0051]
本发明适用于各种高光谱遥感数据，可用于不同岩矿类型的信息提取。为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0052]
实施例1
[0053]
本发明提供岩矿高光谱遥感图像提取方法、装置及计算机设备，其提取方法，具体如图1所示，包括如下步骤：
[0054]
步骤1：获取待提取区域的高光谱遥感图像。
[0055]
在本实施例中高光谱遥感影像数据具体为zy1-02d高光谱影像，在可见光-短波红
外区间拥有166个波段，其中可见光-近红外(vnir)共76个波段，光谱范围395-1040nm，光谱分辨率为8nm；短波红外(swir)共90个波段，光谱范围1005-2501nm，光谱分辨率为16nm。该影像空间分辨率为30米，幅宽为60千米，可以用于岩性与矿物识别研究。获取时间为2021年4月24日，数据无云，植被覆盖度相对较低，影像清晰，较适宜开展黏土岩空间分布提取工作。
[0056]
步骤2：对遥感影像进行预处理，主要包括辐射定标、大气校正、几何校正与波段合成。
[0057]
本发明以遥感图像处理软件envi/idl为图像数据处理平台，版本是5.3。首先，对原始高光谱遥感影像数据进行辐射定标，将传感器记录的数字量化值(dn)转换为辐射亮度值；再对辐射定标后的遥感影像数据进行大气校正，实现辐射亮度值到反射率的转换；然后，对影像进行几何校正；最后，通过波段合成得到全波段高光谱遥感影像数据。
[0058]
(1)通过遥感图像处理软件的辐射定标工具对zy1-02d遥感影像数据进行辐射定标。
[0059]
辐射定标是将传感器记录的无量纲的原始dn值转换为具有实际物理意义的绝对辐射亮度值(辐射率)的过程，或者转换为与地表(表观)反射率、表面温度等物理量有关的相对值的处理过程，目的是为了消除传感器本身的误差，确定传感器入口处的准确辐射值。
[0060]
dn值与辐射亮度值的转换公式为：
[0061]
l
λ
＝k
·
dn+c
[0062]
其中，l
λ
是波段λ的辐射亮度值，k和c分别是增益和偏移。k和c可从遥感数据头文件中读取，并假设它们在遥感使用期内固定不变，实际它们会随时间有很小的衰减。
[0063]
本实施例利用envi/idl自带的辐射定标工具(radiometric calibration)，结合软件自动读取的原始影像元数据中的定标参数对zy1-02d遥感影像数据进行定标处理，获取辐射亮度值。在设置参数时，点击applyflaash settings按钮，其余参数会自动调整为flaash大气校正所要求的数据输入格式。
[0064]
(2)通过遥感图像处理软件的flaash模型对辐射定标后的zy1-02d遥感影像数据进行大气校正，将影像转换为反射率数据。
[0065]
在成像过程中，传感器实际获取的是太阳辐射通过大气层之后的信息。因此，传感器获取的信息包括地物和大气信息。去除大气的影响是实现地表参数分析研究的关键一步。大气的影响主要表现为电磁波受到大气中的水汽、尘埃、气溶胶等微粒分子的影响，发生反射、折射、吸收、散射和透射等多种现象，从而导致地表各地物的真实反射率不能被真实反映。大气校正是为了消除大气和光照等因素对地物反射的影响，获取地物反射率、辐射及地表温度等真实物理模型参数。
[0066]
flaash(fast line of sight atmospheric analysis of spectral hypercubes)是由波谱科学研究所(spectral sciences inc.)在美国空军研究实验室(u.s.air force research laboratory)支持下开发的大气校正模块。flaash采用modtran 4辐射传输模型，是目前精度最高的大气辐射校正模型之一。它是基于像素级的校正，可校正由于漫反射引起的连带效应，调整由于人为抑止而导致的波谱平滑，能有效消除大气和光照等因素对地物反射的影响，获得较为准确的地物参数。flaash可对多光谱数据、高光谱数据、航空影像等进行快速大气校正分析。本实施例利用envi自带的flaash大气校正模型，
对辐射定标后的zy1-02d遥感影像数据进行大气校正。
[0067]
(3)通过遥感图像处理软件的几何校正功能对大气校正后的zy1-02d遥感影像数据进行几何校正。
[0068]
在成像过程中，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等。几何校正就是针对这种几何畸变进行的误差校正。几何校正包括几何粗校正和几何精校正，几何粗校正通常由数据生产商完成，因此只需要进行几何精校正。几何精校正是把不同传感器具有几何精度的图像中相同地物元素精确匹配在一起的过程，主要借助地面控制点实现校正。
[0069]
本实施例采用landsat陆地卫星tm(thematic mapper)数据作为基准影像，选取控制点对zy1-02d影像进行几何校正，误差不超过1个像元。
[0070]
(4)通过遥感图像处理软件的波段合成工具，对几何校正后的zy1-02d遥感影像数据进行波段合成，得到全波段高光谱遥感影像数据。
[0071]
辐射定标、大气校正和几何校正之后进行波段合成，能够提高全波段zy1-02d遥感图像数据的准确性。本实施例利用envi自带的波段合成工具(layer stacking)对76个可见光-近红外(vnir)波段和90个短波红外(swir)波段进行波段合成，获取共166个波段的全波段zy1-02d遥感影像数据。
[0072]
步骤3：对预处理后的影像进行假彩色合成，突出色调特征。
[0073]
假彩色合成法是一种彩色增强技术，通过分析已知图像光谱特征，选择不同的波段组合进行彩色合成，对于彩色合成图像再进行图像拉伸增强。
[0074]
由于黏土岩在1644nm附近反射率较高，而绿泥石和绿帘石反射率低；黏土岩在2200nm附近表现出al-oh的强吸收特征；co
32-在2350nm附近表现出典型吸收特征，因此本实施例选择短波红外第39波段(1644.0nm)、第72波段(2199.5nm)和第80波段(2334.2nm)分别置于r(红)、g(绿)、b(蓝)通道进行假彩色合成，通过不同的色调达到岩性区分的目的。图5为黏土岩锂矿区zy1-02d高光谱假彩色合成图像，该图像中黏土岩呈灰色，露头呈断续带状分布。
[0075]
步骤4：对高光谱假彩色合成图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱。
[0076]
本发明仅基于光谱特征的图像端元提取方法难以对具有微小独特光谱信息(低光谱对比度)的端元进行提取。此外，光谱对比度的大小取决于端元的组合方式，随着组合方式的变化，每个端元与所有其他端元的“相对”光谱对比度也会发生变化。因此，一个端元在整个图像中可能具有低光谱对比度，但在图像的子集中却具有高光谱对比度。光谱-空间端元提取方法利用局部子集分析来增强低对比度端元的光谱对比度，以提高这些端元被选择的可能性。
[0077]
相对于其他自动端元提取方法，光谱-空间端元提取方法通常可以发现更多的端元集，其中许多端元光谱相似但空间独立。在进行端元选择时，可以结合领域专家知识来选择最终端元集，以满足特定应用的要求。光谱-空间端元提取方法主要包括五个步骤(图2)：
[0078]
(1)将高光谱遥感图像划分为多个子集区域。
[0079]
在图像子集上进行图像端元提取可以利用每个端元的空间特征。通过这种方式，
某些端元在特定的图像子集中会有更高的光谱对比度，从而更容易提取。在确定子集大小时，需要综合考虑减小子集大小带来的信息损失和许多附加向量的冗余性。子集大小选为20-25个像素较为合适，可以减少子集之间的重叠。然而，使用重叠子集可能具有优势，因为这样每个像素都可以与所有方向的其他像素进行比较。此外，子集的大小和形状也可以根据图像的空间复杂程度来确定。
[0080]
(2)通过奇异值分解法svd计算每个子集区域的一组特征向量，每个子集区域的一组特征向量构成局部特征向量集。
[0081]
通过应用奇异值分解方法(svd)，能够高效地获取一组特征向量，以解释图像的大部分光谱变异性。光谱-空间端元提取方法将svd应用于图像子集，以获取一组候选端元像素。对于每个子集，保留占总光谱方差(svd阈值)99％的特征向量，并将它们编译到一个向量文件中。每个子集的最小向量数设置为2，而最大向量数由svd阈值(99％)确定。图像子集最小的大小为波段数的平方根，而最大则为整个图像的大小。
[0082]
(3)将高光谱遥感图像投影到局部特征向量集上，得到位于局部特征向量集两端的候选端元像素集。
[0083]
(4)对候选端元像素集进行空间和光谱特征分析，将光谱相似且在空间上有关联的候选端元进行平均，以提取高光谱遥感图像中光谱相似但空间独立的端元。
[0084]
对候选端元集进行空间和光谱特征分析，将光谱相似且在空间上有关联的候选端元进行平均。使用与步骤(1)中子集大小相等的滑动窗口扫描图像，首先将每个候选端元像素与窗口内的所有其他像素进行比较。基于最小光谱角或均方根误差(rms)，将窗口内相似的像素作为候选端元像素。这个过程类似于在特征向量的极值处保留多个像素。然后，将每个候选端元像素与窗口内所有其他候选端元像素进行平均。这个平均过程重复多次迭代，以减少噪声的影响，并最大限度地找到窗口内光谱相似但空间相关的图像像素。这种迭代方法可以压缩端元集以减少它们的方差，最终生成一组在光谱和空间上均被定义的端元集，同时考虑了局部光谱方差。
[0085]
(5)按照光谱相似度顺序列出最终端元。
[0086]
根据光谱角对步骤(4)中获得的端元集进行重新排序。首先将现有库中的第一个端元指定为新排序列表中的第一个光谱。然后将该光谱与所有其他端元光谱进行比较，找到最相似的端元(光谱角最小)，并将其分配到新排序列表的下一个位置。这个过程递归地重复，直到所有光谱都被排序。由于步骤(4)中的迭代空间平均处理过程，重新排序后的光谱会存在许多重复。最终得到的端元将保留其图像坐标，可以基于光谱和空间位置的相似性将端元光谱分组为端元类。
[0087]
本实施例利用envi/idl自带的光谱库(spectral library)数据，选取美国喷气动力实验室(jet propulsion laboratory，jpl)中典型黏土矿物(伊利石、高岭石和蒙脱石)的光谱吸收特征(图3)作为已知光谱知识。这些黏土矿物由于含有al-oh，因此在2200nm附近均具有强吸收特征。此外，高岭石除了2200nm附近的强吸收外，在2165nm附近还存在一个弱吸收。
[0088]
光谱-空间端元提取方法旨在获取光谱相似但空间独立的候选端元，从而能够评估研究区域内细微的岩性变化。本实施例以envi/idl编辑器为平台，首先剔除水的吸收波段(1357.9-1425.3nm和1812.0-1929.9nm)，然后使用光谱-空间端元提取方法对图像数据
进行处理。具体地，设置子集大小为21
×
21像素，svd阈值取值为0.99，对于局部平均很重要的光谱角取值为1.00
°
。通过这些处理，最终得到待提取区域的端元光谱库，其中包括光谱不同的目标。然后根据光谱形状和空间位置相似性对端元进行聚类，并对照前人地质图和已知标准光谱特征将目标富锂黏土岩端元标记为单独的类(图4)。
[0089]
步骤5：利用光谱角制图法计算图像像元光谱与端元光谱之间特征矢量夹角。
[0090]
光谱角制图(sam)是将光谱数据视为多维空间的矢量，利用一个角度测度函数求解测试光谱与参考光谱之间矢量的夹角，根据夹角的大小来确定光谱间的相似程度，以达到识别地物的目的。此算法将两个光谱当作是矢量空间的两个矢量，其维度等于波段数，通过计算两者间的“光谱角”来确定它们的相似程度。它的计算公式如下：
[0091][0092]
其中，α为两个光谱之间的夹角，nb为波段数，t和r分别为测试光谱和参考光谱。α的取值范围在[0,π/2]之间，其值越小，代表测试光谱与参考光谱的相似性越高，归类的概率和精度也就越高。光谱角的大小只与两个比较的光谱矢量方向有关，与其辐射亮度无关，这就减弱了照度和地形等因素对相似性度量的影响。
[0093]
本实施例利用envi/idl自带的光谱角制图工具(spectralangle mapper)，以步骤4得到的端元光谱为参考光谱，利用光谱角制图法计算待提取区域图像像元光谱与端元光谱之间的特征矢量夹角，得到一幅光谱角分类图像。
[0094]
步骤6：根据光谱矢量夹角设定阈值，根据阈值提取出岩矿高光谱遥感图像。
[0095]
以遥感图像处理软件envi为图像数据处理平台，对步骤5计算得到的端元光谱与图像像元光谱所对应的特征矢量夹角设定阈值为0.09，提取空间分布。图6为采用光谱角填图法提取的黏土岩空间分布信息，在图中以黑色显示。可以看出，提取结果与假彩色合成影像(图5)中灰色黏土岩出露吻合较好，为成矿靶区的圈定提供了更为准确的遥感依据。
[0096]
可选的，优选实施例在步骤6之后，还包括：在待提取区域进行现场查证，验证空间分布提取结果的准确性。图6中2个白色十字点为野外检查露头点，均被有效提取而呈黑色。这一验证结果表明本发明的基于高光谱的富锂黏土岩遥感提取方法具有较高的准确性，可以推广应用。
[0097]
实施例2
[0098]
本发明提供了一种岩矿高光谱遥感图像提取方法，具体如图1所示，包括如下步骤：
[0099]
步骤1：获取待提取区域的高光谱遥感图像。
[0100]
在本实施例中高光谱遥感影像数据具体为prisma高光谱影像，在可见光-短波红外区间拥有238个波段，其中可见光-近红外(vnir)共66个波段，光谱范围402-1003nm，光谱分辨率≤12nm；短波红外(swir)共172个波段，光谱范围934-2497nm，光谱分辨率≤12nm。该影像空间分辨率为30米，可以用于岩性与矿物识别研究。数据无云，植被覆盖度相对较低，影像清晰，较适宜开展镁铁-超镁铁岩分布提取工作。
[0101]
步骤2：对遥感影像进行预处理，主要包括辐射定标、大气校正、几何校正与波段合
成。
[0102]
本发明以遥感图像处理软件envi/idl为图像数据处理平台，版本是5.3。首先，对原始高光谱遥感影像数据进行辐射定标，将传感器记录的数字量化值(dn)转换为辐射亮度值；再对辐射定标后的遥感影像数据进行大气校正，实现辐射亮度值到反射率的转换；然后，对影像进行几何校正；最后，通过波段合成得到全波段高光谱遥感影像数据。
[0103]
(1)通过遥感图像处理软件的辐射定标工具对prisma遥感影像数据进行辐射定标。
[0104]
详见实施例1。
[0105]
(2)通过遥感图像处理软件的flaash模型对辐射定标后的prisma遥感影像数据进行大气校正，将影像转换为反射率数据。
[0106]
详见实施例1。
[0107]
(3)通过遥感图像处理软件的几何校正功能对大气校正后的prisma遥感影像数据进行几何校正。
[0108]
详见实施例1。
[0109]
(4)通过遥感图像处理软件的波段合成工具，对几何校正后的prisma遥感影像数据进行波段合成，得到全波段高光谱遥感影像数据。
[0110]
将prisma传感器vnir和swir范围的重叠波段去除，并对可见光近红外(vnir)波段和短波红外(swir)波段进行波段合成。详见实施例1。
[0111]
步骤3：对预处理后的影像进行假彩色合成，突出色调特征。
[0112]
本实施例选择短波红外第126波段(1606.2nm)、第192波段(2198.9nm)和第211波段(2342.6nm)分别置于r(红)、g(绿)、b(蓝)通道进行假彩色合成，通过不同的色调达到岩性区分的目的。图7为prisma高光谱假彩色合成图像。
[0113]
步骤4：对高光谱假彩色合成图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱。
[0114]
本实施例以envi/idl编辑器为平台，首先剔除水的吸收波段(1338.9-1459.1nm和1793.7-1958.4nm)，然后使用光谱-空间端元提取方法对图像数据进行处理。具体地，设置子集大小为24
×
24像素，svd阈值取值为0.99，对于局部平均很重要的光谱角取值为1.00
°
。详见实施例1。图8为该方法提取到的镁铁-超镁铁岩端元光谱图。
[0115]
步骤5：利用光谱角制图法计算图像像元光谱与端元光谱之间特征矢量夹角。
[0116]
详见实施例1。
[0117]
步骤6：根据光谱矢量夹角设定阈值，根据阈值提取出岩矿高光谱遥感图像。
[0118]
以遥感图像处理软件envi为图像数据处理平台，对步骤5计算得到的端元光谱与图像像元光谱所对应的特征矢量夹角设定阈值为0.05，提取空间分布。图9为采用光谱角填图法提取的镁铁-超镁铁岩空间分布信息，在图中以浅灰色显示。相比于提取结果，镁铁-超镁铁岩在假彩色合成影像中并无明显可识别特征。该提取方法可为镁铁-超镁铁岩相关的铜镍硫化物矿床成矿靶区的圈定提供更为准确的遥感依据。
[0119]
可选的，优选实施例在步骤6之后，还包括：在待提取区域进行现场查证，验证空间分布提取结果的准确性。图9中10个白色十字点为野外检查露头点，均被有效提取而呈浅灰色。这一验证结果表明本发明的基于高光谱的岩矿遥感提取方法具有较高的准确性，可以
推广应用。
[0120]
实施例3
[0121]
本发明提供了一种岩矿高光谱遥感图像提取方法，具体如图1所示，包括如下步骤：
[0122]
步骤1：获取待提取区域的高光谱遥感图像。
[0123]
在本实施例中高光谱遥感影像数据具体为zy1-02d高光谱影像，在可见光-短波红外区间拥有166个波段，其中可见光-近红外(vnir)共76个波段，光谱范围395-1040nm，光谱分辨率为8nm；短波红外(swir)共90个波段，光谱范围1005-2501nm，光谱分辨率为16nm。该影像空间分辨率为30米，幅宽为60千米，可以用于岩性与矿物识别研究。获取时间为2020年12月1日，数据无云，植被覆盖度相对较低，影像清晰，较适宜开展斑岩铜矿蚀变矿物提取工作。
[0124]
步骤2：对遥感影像进行预处理，主要包括辐射定标、大气校正、几何校正与波段合成。
[0125]
本发明以遥感图像处理软件envi/idl为图像数据处理平台，版本是5.3。首先，对原始高光谱遥感影像数据进行辐射定标，将传感器记录的数字量化值(dn)转换为辐射亮度值；再对辐射定标后的遥感影像数据进行大气校正，实现辐射亮度值到反射率的转换；然后，对影像进行几何校正；最后，通过波段合成得到全波段高光谱遥感影像数据。
[0126]
(1)通过遥感图像处理软件的辐射定标工具对zy1-02d遥感影像数据进行辐射定标。
[0127]
详见实施例1。
[0128]
(2)通过遥感图像处理软件的flaash模型对辐射定标后的zy1-02d遥感影像数据进行大气校正，将影像转换为反射率数据。
[0129]
详见实施例1。
[0130]
(3)通过遥感图像处理软件的几何校正功能对大气校正后的zy1-02d遥感影像数据进行几何校正。
[0131]
详见实施例1。
[0132]
(4)通过遥感图像处理软件的波段合成工具，对几何校正后的zy1-02d遥感影像数据进行波段合成，得到全波段高光谱遥感影像数据。
[0133]
详见实施例1。
[0134]
步骤3：对预处理后的影像进行假彩色合成，突出色调特征。
[0135]
详见实施例1。图10为斑岩铜矿区zy1-02d高光谱假彩色合成图像。
[0136]
步骤4：对高光谱假彩色合成图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱。
[0137]
本实施例以envi/idl编辑器为平台，首先剔除水的吸收波段(1357.9-1492.7nm和1812.0-2031.3nm)，然后使用光谱-空间端元提取方法对图像数据进行处理。具体地，设置子集大小为21
×
21像素，svd阈值取值为0.99，对于局部平均很重要的光谱角取值为1.00
°
。详见实施例1。图11为该方法提取到的斑岩铜矿蚀变(绢云母化与青磐岩化)端元光谱图。
[0138]
步骤5：利用光谱角制图法计算图像像元光谱与端元光谱之间特征矢量夹角。
[0139]
详见实施例1。
[0140]
步骤6：根据光谱矢量夹角设定阈值，根据阈值提取出岩矿高光谱遥感图像。
[0141]
以遥感图像处理软件envi为图像数据处理平台，对步骤5计算得到的绢云母化与青磐岩化的端元光谱与图像像元光谱所对应的特征矢量夹角分别设定阈值为0.06，提取空间分布。图12为采用光谱角填图法提取的绢云母化蚀变结果，在图中以黑色显示；图13为采用光谱角填图法提取的青磐岩化蚀变结果，在图中以黑色显示。可以看出，绢云母化蚀变提取结果与矿体采坑及其东侧尾矿库吻合较好；青磐岩化主要分布于矿体采坑绢云母化蚀变的西侧。该提取方法可为斑岩型铜矿成矿靶区的圈定提供更为准确的遥感依据。
[0142]
由以上描述可知，本发明通过对图像进行局部子集分析，能够增强具有微小独特光谱信息的端元之间的光谱对比度；通过多个子集区域的遥感图像进行空间和光谱特征分析，能够提高光谱相似但空间独立的端元被选择的可能性，从而能够评估待提取区域内细微的岩性变化，提高了端元提取的准确性；本发明利用光谱角制图法计算待提取区域图像像元光谱与端元光谱之间的特征矢量夹角，能够得到一幅光谱角分类图像，以精确圈定矿岩找矿靶区，提高了矿岩提取的精度。
[0143]
基于同一发明构思，本发明实施例提供了一种岩矿高光谱遥感图像提取装置，包括高光谱图像获取模块、端元获取模块、特征矢量夹角计算模块和岩矿高光谱遥感图像获取模块。高光谱图像获取模块用于获取待提取区域的高光谱遥感图像；端元获取模块用于对高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；特征矢量夹角计算模块用于计算高光谱遥感图像像元光谱与端元光谱之间的特征矢量夹角；岩矿高光谱遥感图像获取模块，用于根据特征矢量夹角设定阈值，根据阈值提取出岩矿高光谱遥感图像。由于该装置解决技术问题的原理与一种岩矿高光谱遥感图像的提取相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
[0144]
本发明还提供有一种计算机设备，包括存储器和处理器；存储器存储有计算机程序，处理器用于运行存储器内的计算机程序，以执行岩矿高光谱遥感图像的提取方法。
[0145]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0146]
本发明是参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0147]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0148]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计
算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0149]
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换；而一切不脱离本发明创造的精神和范围的技术方案及改进，其均涵盖在本发明创造专利的保护范围当中。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0150]
以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。

技术特征：
1.一种岩矿高光谱遥感图像提取方法，其特征在于，包括如下步骤：获取待提取区域的高光谱遥感图像；对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；计算高光谱遥感图像像元光谱与所述端元光谱之间的特征矢量夹角；根据所述特征矢量夹角设定阈值，根据所述阈值提取出岩矿高光谱遥感图像。2.根据权利要求1所述的岩矿高光谱遥感图像提取方法，其特征在于，对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱，包括如下步骤：将所述高光谱遥感图像划分为多个子集区域；通过奇异值分解法svd计算每个子集区域的一组特征向量，每个子集区域的一组特征向量构成局部特征向量集；将所述高光谱遥感图像投影到所述局部特征向量集上，得到位于局部特征向量集两端的候选端元像素集；对所述候选端元像素集进行空间和光谱特征分析，将光谱相似且在空间上有关联的候选端元进行平均，提取出高光谱遥感图像中光谱相似但空间独立的端元；按照光谱相似度顺序对获得的端元进行排序，得到最终的端元光谱。3.根据权利要求2所述的岩矿高光谱遥感图像提取方法，其特征在于，所述按照光谱相似度顺序对获得的端元进行排序，得到最终的端元光谱，包括如下步骤：将候选端元像素集中的第一个端元指定为新排序列表中的第一个端元；将所述第一个端元与所有其他端元进行比较，找到与所述第一个端元光谱角最相近的端元；将与所述第一个端元光谱角最相近的端元排列至第一个光谱之后，并指定为第二个端元；寻找与第二个端元光谱角最相近的端元，并将其排列至第二个端元之后，并指定为第三个端元；以此类推，直到所有的端元都被排序。4.根据权利要求3所述的岩矿高光谱遥感图像提取方法，其特征在于，所述光谱角的计算公式为：其中，α为两个光谱之间的夹角，nb为波段数，t
i
为第i个波段的测试光谱；r
i
为第i个波段的参考光谱。5.根据权利要求2所述的岩矿高光谱遥感图像提取方法，其特征在于，所述子集区域大小为行和列取值均为15～25个像元的正方形格网。6.根据权利要求2所述的岩矿高光谱遥感图像提取方法，其特征在于，所述奇异值分解法的阈值取值范围为0.95～0.99。7.根据权利要求1所述的岩矿高光谱遥感图像提取方法，其特征在于，对所述高光谱遥感图像进行空间和光谱特征分析之前，还包括对所述高光谱遥感图像进行预处理，具体包
括对所述高光谱遥感图像依次进行辐射定标、大气校正、几何校正和波段合成，得到全波段高光谱遥感图像。8.根据权利要求7所述的岩矿高光谱遥感图像提取方法，其特征在于，还包括对预处理后的高光谱遥感图像按照选定波段进行假彩色合成，得到高光谱假彩色合成图像；并对所述高光谱假彩色合成图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱。9.一种岩矿高光谱遥感图像提取装置，其特征在于，包括：高光谱图像获取模块，用于获取待提取区域的高光谱遥感图像；端元获取模块，用于对所述高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；特征矢量夹角计算模块，用于计算高光谱遥感图像像元光谱与所述端元光谱之间的特征矢量夹角；岩矿高光谱遥感图像获取模块，用于根据所述特征矢量夹角设定阈值，根据所述阈值提取出岩矿高光谱遥感图像。10.一种计算机设备，其特征在于，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行权利要求1至8任一项所述的方法。

技术总结
本发明提供了一种岩矿高光谱遥感图像提取方法、装置及计算机设备，属于高光谱遥感地质调查技术领域，包括如下步骤：获取待提取区域的高光谱遥感图像；对高光谱遥感图像进行空间和光谱特征分析，得到光谱相似但空间独立的端元光谱；计算高光谱遥感图像像元光谱与端元光谱之间的特征矢量夹角；根据特征矢量夹角设定阈值，根据阈值提取出岩矿高光谱遥感图像。本发明通过对高光谱遥感图像进行空间和光谱特征分析，能够增强具有微小独特光谱信息的端元之间的光谱对比度，增加光谱相似但空间独立的端元被选择的可能性，提高了端元提取的准确性；通过计算待提取区域图像像元光谱与端元光谱之间的特征矢量夹角，能够提高岩矿提取的精度。度。度。


技术研发人员：刘磊 温汉捷 尹春涛 张贵山 于文修 罗重光
受保护的技术使用者：长安大学
技术研发日：2023.08.07
技术公布日：2023/9/23