[发明专利]一种基于全谱段高光谱遥感数据的矿物识别方法

权利要求书

1.一种基于全谱段高光谱遥感数据的矿物识别方法，其特征在于解决矿物识别先验信息不足和不同矿物在不同光谱区间识别的问题，它包含以下步骤：

(1)读入不同波段范围高光谱数据；

(2)对图像进行最小噪声分离，进行数据降维；

(3)计算步骤(2)得到的最小噪声分离的结果中像元的信息熵，并设置阈值，提取信息熵小的像元；

(4)将步骤(3)提取到的像元根据像元位置对应到原图像，获取光谱特征参数，与光谱库中矿物光谱曲线的光谱特征参数进行比对并标记；

(5)基于主动学习方法实现矿物识别，步骤(5)将步骤(4)标记好的样本输入多层感知机神经网络中，训练基于主动学习的学习器，获得训练的神经网络参数和权重，利用匹配机制和评判测度对未标记像元进行识别，得到各个波段范围高光谱图像的矿物识别结果；

(6)基于主体多数投票法融合各波段范围识别结果，完成全谱段矿物识别。

2.根据权利要求1所述的一种基于全谱段高光谱遥感数据的矿物识别方法，其中步骤(1)读入不同波段范围高光谱数据：读入待处理的同一地区可见-短波红外-中波红外-长波红外全谱段高光谱数据。

3.根据权利要求1所述的一种基于全谱段高光谱遥感数据的矿物识别方法，其中步骤(2)对图像进行最小噪声分离，进行数据降维：进行最小噪声分离是用于判定图像数据内在的维数，分离数据中的噪声，减少随后处理中的计算需求量：第一步， 利用高通滤波器模板对整幅影像或具有同一性质的影像数据块进行滤波处理,得到噪声协方差矩阵，将原始影像投影到新的空间,产生的变换数据中的噪声具有单位方差， 且波段间不相关；第二步，对噪声数据进行标准主成分变换，得到降维后的结果，达到数据降维的目的。

4.根据权利要求1所述的一种基于全谱段高光谱遥感数据的矿物识别方法，其中步骤(3)计算步骤(2)得到的最小噪声分离结果中的像元的信息熵，并设置阈值，提取信息熵小的像元：计算高光谱数据的均值与方差，从而计算像元的信息熵，信息熵越小，代表像元越纯净，提取信息熵小于阈值的像元；

此时像元概率密度函数计算公式如下：

其中p(x_i)像元的概率密度数；x_i为像元在第i个波段的灰度值；μ和σ分别为单个像元在整个波段范围值得均值和方差；exp为以自然常数e为底的指数函数；得到概率密度后由如下公式计算各个像元的信息熵：

其中H表示像元信息熵，信息熵大小表示像元包含信息量，对计算结果进行排序，将信息较小的纯净像元选择出来进行后续标注。

5.根据权利要求1所述的一种基于全谱段高光谱遥感数据的矿物识别方法，其中步骤(4)将步骤(3)提取到的像元对应到原图像，获取光谱特征参数，与光谱库中矿物光谱曲线的光谱特征参数进行比对并标记：提取的光谱特征包括吸收波谷位置P、吸收宽度W、吸收对称度S₁,S₂、深度H；各光谱吸收特征参数均使用包络线去除后的光谱进行计算；吸收波谷位置P是吸收谱带反射率最低处的波长；吸收宽度W定义为吸收深度一半处的光谱带宽：

W＝λ₂-λ₁

其中λ1和λ2分别为左右吸收深度一半处对应波长；吸收对称度S指过吸收波谷位置垂线左右两部分的对称程度，根据实际光谱曲线情况选用左和右吸收深度一半处对应波长距谷底的波长宽度与吸收宽度之比表示：

S₁＝(λ₁-P)/W

S₂＝(λ₂-P)/W

计算提取出的像元的光谱特征参数，与光谱库中矿物的光谱特征参数比对，以欧氏距离测度计算相似性，与光谱库中某类矿物相似度高，进行样本标注。