基于SAM分类方法遥感矿物信息提取研究

湛国毅,湛青青,吴　玲，汪宏晨

(1.贵州省第一测绘院，贵州 贵阳 550025；2.武汉市武昌区环境保护监测站，湖北 武汉 430062；3.武汉大学 科学技术发展研究院 自然科学编辑部，湖北 武汉 430072)



基于SAM分类方法遥感矿物信息提取研究

湛国毅1,湛青青1,吴玲2，汪宏晨3*

(1.贵州省第一测绘院，贵州 贵阳 550025；2.武汉市武昌区环境保护监测站，湖北 武汉 430062；3.武汉大学 科学技术发展研究院 自然科学编辑部，湖北 武汉 430072)

摘要：阐述了不同波段范围内矿物的成分和诊断特征，根据波谱库中提供的矿物端元纯净像元的波谱曲线特征，利用SAM分类方法提取高光谱影像中的方解石、明矾石、高岭石和伊利石等矿物信息.

关键词：高光谱影像；矿物提取；纯净像元；波谱角分类

20世纪末地球观测系统中最重要的技术突破之一就是高光谱遥感，成像光谱仪可接收可见光到热红外范围内的光谱遥感信息，这些信息被分离成几十个或者几百个很窄的波段，每个波段的宽度为几纳米[1].高光谱技术使得地物遥感的研究从感性鉴别发展到量化识别，高光谱识别通过地物光谱(或者实测光谱)与重建光谱进行定量对比，进而直接识别地物类型，物质成分等信息.近年来，光谱分辨率越来越高，地物的光谱特征成为高光谱识别的重要研究内容，研究方法从传统的图像分析逐渐转变为以光谱分析为主图像分析为辅的图谱结合分析[2].所以，高光谱信息与传统的多光谱遥感信息在信息处理方法、应用模型、图谱分析、波段相关性分析等研究方法都不尽相同.本文利用光谱识别的方法提取地物的波谱特征，采用光谱分析中光谱相似性度量的典型方法之一的波谱角制图.

1矿物及其成分的光谱识别

岩石是具有一定结构和构造的矿物质，一般在特定环境下形成的，岩石光谱是由组成岩石的多种矿物的光谱综合反映[3].由于不同矿物在化学成分、晶格结构方面存在差异，所以不同矿物与电磁波相互作用时，其反射、投射、吸收、发射也会呈现差异，即不同矿物具有相对应的光谱特征或谱带，并且光谱的强弱也反映了相应矿物的存在与相对含量，具有“诊断”特征.矿物成分识别主要是区别由于矿物的类质同象置换而引起的同种矿物金属离子含量的变化.王润生[4]利用高光谱遥感对物质组分和物质成分反演做了研究分析，总结出可见光近红外、短波红外、中热红外光谱区间各种矿物的诊断特征.

图1　波谱角示意图Fig.1　Spectral angle diagram

图2　光谱角分类流程Fig.2　Spectral angle classification process

(a)AVIRIS航空高光谱影像 (b)SAM分类结果图图3　AVIRIS航空高光谱影像和SAM分类结果图Fig.3　AVIRIS aviation hyperspectral image and SAM classification results figure

2基于SAM分类方法提取岩石信息

在波谱角分类(SAM)中，波谱角的阈值直接影响地物识别、分类精度，即选取过大或者过小的波谱角阈值都会导致目标地物被错分或者漏分，在遥感处理软件ENVI中，波谱角阈值默认值是0.1rad.本次实验对波谱角阈值经过反复验证和调试，将波谱角阈值设置为0.2rad和0.33rad，但是分类结果对比不大，故不作阈值设置对分类结果影响的探讨，就用默认的0.1rad.

如图1所示，当像元的光谱曲线与参考光谱曲线越相似时，波谱角角度就越小，两者地物特性上也越相似，归类的概率和精度就越高[9].

3实验分析与结果

AVIRIS(AirborneVisibleInfraredImagingSpectrometer)亦称机载航空成像光谱仪，它能够测量波长范围为0.4至2.5μm之间的全部太阳辐射波段.本次实验数据为AVIRIS航空高光谱影像(有50个波段)，并经过ENVI遥感影像处理软件的ATREM大气校正和反射率定标，影像数据的反射率已经乘以1 000，已转换成整型，及数值1 000实际代表反射值1.0，如图2所示.

EFFORT纠正法可以移除遥感设备带来的“锯齿”状残留噪声以及大气的影像，以改善波谱特征的质量.在波谱库中选择的提取纯净像元，并绘制波谱曲线，以供目标地物参考，然后与影像波谱进行比较，识别信息，通过波谱角填图分类，提取信息.AVIRIS航空高光谱影像与SAM分类结果如图3所示.

以具体类的形式显示出来的像素都是由生成分类影响时的阈值确定的，由于给定像素将作为具体物质进行分类，并不是把它指定为该物质，所以SAM分类是一个相似度度量工具，而不是一个鉴别器.

光谱库是由分光计在一定条件下测得的各类地物反射光谱数据的集[3].实验采用JPL数据库和USGS数据库提供的AVIRIS影像数据所需的端元波谱.根据数据库中已知目标的参考光谱和待识别目标的测试光谱，绘制AVIRIS影像数据端元波谱，如图4所示.左边波谱为JPL数据库和USGS数据库提供的端元波谱曲线，右边是AVIRIS航空高光谱影像的波谱曲线，曲线下至上依次是白

(a)波谱库矿物波谱曲线 (b)实验矿物波谱曲线图4　波谱库矿物波谱曲线与实验矿物波谱曲线的比较Fig.4　Pop Library mineral spectrum curve and experimental mineral spectrum curve

(a)光谱影像 (b)结果图　　图5　矿物识别和提取分布图Fig.5　Mineral identification and extraction distribution

矿物名称颜色矿物名称颜色Zeolites沸石红色Illite伊利石湖水蓝Calcite方解石绿色Silica硅石紫红Alunite明矾石蓝色Budingtonite电气石栗色Kaolinite高岭石黄色

色-明矾石、红色-电气石、绿色-方解石、蓝色-沸石、黄色-伊利石和湖水蓝-高岭石，左边的紫红-蛋白石是有USGS波谱库提供的.对应右边波谱曲线的形状和走向和拐度很吻合，即可判定该高光谱影像中能识别和提取矿物成分.

根据波谱库中提供的矿物波谱数据信息，利用SAM技术对原影像进行光谱匹配分类，通过矿物的实际波谱曲线与波谱库中“端元”纯净像元波谱曲线的比较分析，可识别影像中矿物的成分、类别和分布情况.如图5所示，显示了AVIRIS航空高光谱影像中矿物质的成分和分布情况，表1说明图中各颜色代表的矿物.

4结语

根据高光谱“图谱合一”的特点，本文利用光谱特征直接识别矿物类型成分，最终识别和提取矿物的空间分布图.利用波谱角填图分类方法提取AVIRIS航空高光谱影像数据提取实验区的矿物信息，结果如图5所示，总计提取了沸石、方解石、明矾石、伊利石、硅石和蛋白石，达到了本文研究的目的.同时也存在一定的问题，譬如不能很好解释矿物的多样性和光谱的复杂性，也不能实地考察矿物的成分和分布情况，所以不能评价矿物分类后的精度，故没有对矿物进行精度评价.

参考文献:

[1]耿修瑞.高光谱遥感图像目标探测与分类技术研究[D].北京:中国科学院遥感应用研究所，2005.

[2]王润生,熊盛青,聂洪峰,等.遥感地质勘查技术与应用研究[J].地质学报,2012，85(11):1699-1743.

[3]万余庆,张凤丽,闫永忠.矿物岩石高光谱数据库分析[J].地球信息科学，2001，3(3):54-58.

[4]王润生.高光谱遥感的物质组分和物质成分反演的应用分析[J].地球信息科学，2009，11(3)：261-267.

[5]浦瑞良.高光谱遥感及其应用[M].北京:高等教育出版社,2000.

[6]薛绮,李智勇.基于线性混合模型的高光谱图像端元提取[J].遥感技术与应用,2004，19(3):197-201.

[7]杨可明,郭达志.基于端元提取的高光谱影像特定目标识别[J].金属矿山，2006(6):48-52.

[8]张杰林,刘德长.高光谱数据挖掘技术在资源勘查中的应用研究[J].地理与地理信息科学，2004,20(3):89-91.

[9]王桥,黄家柱.环境遥感[M].北京:科学出版社，2005.

责任编辑：时凌

Extraction of Mineral Information from Remote Sensing Image Based on SAM Classification Method

ZHAN Guoyi1，ZHAN Qingqing1，WU Ling2，WANG Hongchen3*

(1. The First Surveying and Mapping Institute of Guizhou Province，Guiyang 550025，China;2.Wuhan Municipal Environmental Protection Monitoning Station of Wuchang District,Wuhan 430062,China;3.The Research Institute of Scientific and Technological Development,Journal of Natural Science of Wuhan University,Wuhan 430072,China)

Abstract：The ingredients and diagnostic features within the wavelength range of different minerals were described in the paper. According to spectral libraries mineral Endmember pure elements like pop curves，we extracted mineral information from hyperspectral image，such as calcite，alunite，kaolinite and illite，by using SAM classification method.

Key words：hyperspectral imaging;mineral extraction;pure pixel;spectral angle classification

收稿日期：2015-11-18.

基金项目：国家自然科学基金项目(41101407);湖北省自然科学基金项目(2014CFB377).

作者简介：湛国毅(1974- )，男，硕士，高级工程师，注册测绘师，主要从事不动产测绘、地图制图和3S技术应用.*通信作者：汪宏晨(1974- )，男，硕士，副编审，主要从事编辑学与GIS研究.

文章编号：1008-8423(2016)01-0084-03

DOI:10.13501/j.cnki.42-1569/n.2016.03.022

中图分类号：TP751

文献标志码：A