[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

说明书

一种基于全谱段高光谱遥感数据的矿物识别方法，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结果中的像元的信息熵，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)将标记好的样本输入学习器，训练学习器，得到各单一波段范围的矿物识别结果；(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。该方法在识别区域先验信息较少的情况下能够获得较高的识别精度，并利用全谱段数据使得识别结果全面、准确。

技术领域

本发明涉及一种基于全谱段高光谱遥感数据的矿物识别方法，属于高光谱数据处理方法与应用技术领域，适用于高光谱数据目标识别方法和应用技术研究。

背景技术

高光谱发展至今，应用各种单一光谱范围的高光谱图像被应用较多，但应用同一地区全谱段的高光谱图像的技术进行目标识别还存在技术上的缺陷，应用方法比较欠缺。对于一个区域的高光谱图像在先验信息较少的情况，如何准确识别目标，以及怎样运用全谱段来进行目标识别来使识别结果精度更高，识别到的目标种类更完整值得研究挖掘。矿物资源由于存在不同分子结构，在不同的光谱区间才能发现不同特性，所以若仅用单独光谱范围识别矿物，结果的查全率无法保证。在矿物识别方面目前应用高光谱图像进行识别方法通常有三种。第一种是基于光谱特征参数组合的高光谱矿物填图的方法，通过最佳指数因子优选特征参数组合，利用模式识别方法实现矿物识别，然而该方法准确度较低识别到的矿物种类不完整；第二种是矿物识别分层谱系的方法，根据光谱主要谱带的谱带特性及其成因将矿物分成不同阳离子和阴离子团等，再进行聚类识别，然而该方法在分析整个光谱区间上问题较大，且识别精度同样不高；第三种是建立专家系统，并基于一些最优化光谱库处理类内变化进行矿物识别，然而该方法对于图像载荷要求较高，非特定载荷使用该系统会引入较大误差，使得矿物识别不准确。现阶段在矿物识别问题上还是无法结合全谱段的遥感图像进行识别。

数据融合在多源遥感图像应用领域日渐广泛。数据融合概念是信息技术发展的产物，随着遥感信息技术快速发展，在对地观测中多种新型传感器不懂涌现，使得我们获得同一地区多时相、多光谱、多传感器、多平台和多分辨率的遥感数据越来越多，使得构造感测地球空间的影像金字塔成为了可能。利用数据融合方法将不同光谱识别结果加以融合最终得到的全谱段识别结果准确率更高，解决了应用单一光谱段矿物识别种类不完整的问题。

发明内容

本发明的目的在于针对矿物识别中先验信息少和不同矿物成分在不同波段范围被识别到的问题，提供一种基于全谱段高光谱遥感数据的矿物识别方法。

本发明的技术解决方案为：一种通过主动学习方法结合矿物光谱特征参数，应用决策级数据融合分析不同光谱范围矿物识别结果进行基于全谱段识别的模型，该模型通过主动学习策略实现少量先验信息本条件下的遥感数据矿物识别方法。

本发明是一种基于全谱段高光谱遥感数据的矿物识别方法，其步骤如下：

(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)将标记好的样本输入学习器，训练学习器，得到各单一波段范围的矿物识别结果；

(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。

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。