基于光谱色度差异增强岩性信息的方法研究

周家晶，赵英俊

（1.中国核工业集团有限公司，北京100822；2.核工业北京地质研究院，北京 100029）

岩性识别是地质调查中的重要工作内容，利用遥感技术对岩性信息的识别是当前先进的技术手段之一，在地质调查中发挥着重要作用。在以往的研究中，形成了一系列的波谱特征增强、空间特征增强等方法［1-5］。然而，在遥感数据源不断增多的同时，遥感数据的空间分辨率、光谱分辨率也不断提高，现有的各种遥感岩性信息增强方法在实际应用中存在一定局限性。因此，本次研究在对常用遥感岩性信息增强方法特征分析的基础上，从HLS彩色空间出发，研究建立了一种基于光谱色度差异（以下简称 “色差”）的遥感岩性信息增强方法，并应用于WorldView-2多光谱数据和CASI/SASI高光谱数据中，在裸露地区取得了明显效果。

1 常用遥感岩性信息增强方法特征分析

1.1 多光谱遥感岩性信息增强方法

常用的遥感岩性信息增强方法可以分为基于光谱特征（色调特征）、空间特征（纹理特征）及地貌、植被等特征的方法。

1.1.1 基于光谱特征的方法

基于光谱特征的遥感岩性信息增强是以岩石光谱特征为基础，从影像色调方面入手，采用一些数学变换方法，突出目标岩性信息或扩大不同岩性之间的差别，改善图像目视解译效果，使之易于目视解译［6］，包括不同波段组合、比值变换、主成分变换、HLS变换、反差增强等方法。

不同波段组合进行彩色合成的方法，是既简便又实用的基本岩性信息增强方法，如采用TM数据321、431、543和741等波段组合图像可识别花岗岩带、接触变质带和区域变质岩之间的岩性界线［1］，而针对不同地区、不同遥感数据的情况，则需要另外寻找相应的波段组合进行岩性信息增强，通常采用的波段相关性分析［7］、最佳指数等进行波段选择，能够获得信息量最大的图像，但却不能最大限度地突出岩性之间的差异。

比值法对地质信息很敏感，是遥感地质图像处理中广为应用的方法之一，其能够扩大岩石的波谱特征差异，消除或减弱地形等环境因素对同类岩石的影响，有利于岩性的区分，如方洪宾等（2010）提出TM5/1、TM4/2、TM5/7波段组合进行彩色合成，可增强和识别碳酸盐岩和黏土化信息，突出白云岩的地质界线［1］； 时丕龙等（2010）［8］利用 ASTER 4/6 区分开砂质/泥质片岩与蓝片/绿片岩。但应用比值法需要对研究区的主要岩石类型、矿物组成等地质背景信息有足够的了解，才能设计出与实际情况相适合的识别方法［4］。

主成分变换法也是多光谱遥感岩性信息增强常用的一种方法，它通过变换后的新组分进行彩色合成，可显著提高彩色增强效果，有助于岩性的区分，如周军等（2005）对新疆巴里坤地区ETM数据1～5、7波段进行主成分变换，将变换后的第4、5、6组分进行彩色合成，取得了较好的岩性信息增强效果。然而，主成分变换的方法针对性不强，变换结果无法预测［6］，而且对于波段较多的多光谱数据，变换之后也面临多个组分的选择问题，而在这方面却少有研究。

HLS变换法能够有效地提高不同岩性之间的颜色差异的视觉效果，如利用TM波段比值进行HLS变换，可以识别火山岩地区的岩性与矿化有关的蚀变特征。目前，由于HLS变化法原理简单，增强效果一般，大部分时候是HLS变换法与前述其他方法进行综合应用研究，没有专门针对该方法的改进研究。它与反差增强法一样，在大部分情况下都能应用，但要取得较好地增强效果的前提是必须应用于合适的波段组合基础之上。

随着遥感数据光谱分辨率的提高，可利用的波段数不断增多，基于光谱特征的遥感岩性信息增强方法也变得丰富多样，在应用过程中的方法选择仍然具有很大的盲目性，导致遥感数据中的光谱信息不能很好地被利用，从而无法快速准确地突出岩性信息。

1.1.2 基于空间特征的方法

基于空间特征的遥感岩性信息增强主要是以不同岩性在影像上表现出的纹理不同为依据进行岩性信息增强的方法。空间增强是为了增强图像上的边缘、线性地物或纹理信息等特征，或者去除图像上的某些噪声，压制图像的细节差别或局部变异，增强图像的背景特征或整体特征［9］。常用的方法有平滑滤波、锐化滤波和方向滤波等空间域滤波方法及高通滤波、低通滤波等频率域滤波方法［9］。另外，通过纹理信息提取的方法获得纹理信息图像，将其作为新的波段参与分类，一定程度地有利于识别岩性和提高分类精度［10-13］，常用的纹理信息提取方法有灰度共生矩阵法、小波变换和傅立叶变换等［13-14］。

随着遥感数据空间分辨率的提高，影像空间特征极为丰富，边缘、纹理等信息容易受地形地貌、植被、风化等多种因素影响而发生变化，因此，基于影像空间特征直接识别岩性较为困难，尤其在多种岩性发育的复杂地区，提取纹理信息的方法可靠性更显不足。通过空间特征增强的方法，更大程度地仍然是辅助于目视解译，而且在实际应用中很容易发现，空间特征增强处理，对于图像目视效果的改善并非特别明显。

1.1.3 基于地貌、植被等特征的方法

基于地貌、植被等特征的遥感岩性信息增强是通过对因为岩性不同所致的地貌、植被等特征进行增强处理，以突出岩性之间的差异，间接地辅助遥感岩性解译的方法。在地貌特征方面，主要包括不同岩性地区的整体地貌（如高山、丘陵、平原等）、地形形态（如带状、格状、椭圆形等）、山脊形态（如圆浑、尖棱、半圆浑等）等差异，常通过三维显示的方法，可以将地貌特征直观地展现出来以区分岩性；在植被特征方面，由于岩性不同，抗风化能力不同，其风化物也不同，对于植被发育状况也不同，通过一定的图像处理把植被特征突出出来，即可起到岩性增强的作用。基于地貌、植被等特征的方法比较简单，但不同岩性在地貌、植被等特征上存在明显差异的情况较少，尤其在高分辨率数据的大比例尺调查中，对于详细的岩性划分意义不大。

1.2 高光谱遥感岩性信息增强方法

高光谱遥感技术已广泛应用于基础地质研究、地质填图、矿产勘查等领域［9］。高光谱传感器在获得空间图像的同时获得了地物的连续光谱曲线及诊断性特征光谱，从而能够利用岩石光谱特征直接识别岩性，高光谱遥感岩性识别的方法可分为3种类型：1）基于单个诊断性吸收光谱特征，能够定量或半定量地提取某些岩矿信息，但单个光谱特征容易发生漂移或其他变化，且在大部分岩性中，单个诊断性吸收光谱特征并不常见；2）基于完全谱形特征，利用整条光谱曲线进行岩性匹配识别，可以改善单个光谱特征的不确定性影响，其不足在于岩性光谱受各种因素的影响会产生变异以及对光谱差异不大的岩性识别效果不理想；3）基于光谱知识模型，能够在识别岩性的同时量化岩石的成分、含量和其它物理特征，是高光谱遥感岩性信息提取的发展方向，这类方法依赖于光谱学和数理方法，在实际应用中难以确定特征参数和描述光谱模型，所以目前这类方法尚未成熟［13-14］。因此，高光谱遥感直接进行岩性识别的方法对于少数具有诊断性吸收特征的岩性较为有效，但在涉及多种岩性的较大范围填图工作中往往体现出较大的局限性。

利用遥感岩性信息增强方法，制作岩性信息突出的高光谱遥感影像图，再结合地质背景进行人机交互解译，能够达到更好的岩性填图效果。有关高光谱遥感岩性信息增强方法的以往研究，主要分为2个方面：1）多光谱遥感常用的岩性信息增强方法在高光谱遥感 中 的 应 用 ， 如 金 浩 （1994）［15］、 刘 建 平（1999）［16］、 王青华（2000）［17］等， 表明多光谱遥感岩性信息增强方法适用于高光谱遥感数据的处理；2）基于主成分变换为主的岩性信息增强方法，如中国国土资源航空物探遥感中心采用 HyMap对新疆东天山地区进行高光谱图像数据获取，通过MNF变换增强不同岩类分布的信息，基于色调的影像光谱和标准库光谱，区分出花岗岩、花岗闪长岩、闪长岩、辉绿玢岩、基性火山岩、火山碎屑岩、正常沉积岩等岩体、地层岩性单位［18］。与多光谱遥感岩性信息增强方法相同，高光谱遥感数据经过主成分变换为主的处理之后，仍然有很多组分可供选择，可形成多种不同的增强效果图。

综上所述，这些遥感岩性信息增强方法都各具优缺点，在遥感岩性解译中发挥着不同的作用。在实际应用中，基于光谱特征的方法应用最为广泛，效果也最好。但是，面对多波段的多光谱遥感数据（如WorldView-2）或高光谱遥感数据（如CASI/SASI）时，基于光谱特征的方法也是多种多样，因此，要有针对性地选择遥感岩性信息增强方法。

2 基于光谱色度差异增强岩性信息的方法

为了遥感岩性解译的方便性和准确性，岩性信息增强处理应最大限度地提高不同岩性之间的差异。任意两种不同岩性的光谱特征都会有所不同，在遥感影像上会存在一定的色调差异。从更符合人眼视觉特性的HLS彩色空间出发，通过计算对比不同波段组合图像上的岩石色彩差异大小，寻找岩石影像色彩差异最大的3个波段或变换后的组分进行彩色合成，能够得到岩性色调色彩差异最明显的图像，这就是本研究提出的基于色差的遥感岩性信息增强方法。

2.1 HLS彩色空间

在HLS彩色空间中，亮度（Lightness）是指整个图像的亮度，其值从0（黑）到1（白）变化，饱和度（Saturation）代表颜色的纯度，也是从0到1线性变化，色度（Hue）表示像元的颜色或波长，它的变化从红色的中心点0经绿色和蓝色回到红色的中心点 360°，形成一个圆周［19］。

从RGB彩色空间到HLS彩色空间的转换，也即已知某种色彩的RGB空间的 （r，g，b）值， 要找到在 HSL空间中相应的（h，l，s）值，可以通过以下公式计算：

式中：（r，g，b）分别是一个颜色的红、绿和蓝坐标，它们的值是在 0到 1之间的实数。设max等于 r，g和 b中的最大者，设 min等于这些值中的最小者。要找到在 HLS空间中的（h， l， s）值， 这里的 h∈［0， 360°］是角度的色相角，而s，l∈［0，1］是饱和度和亮度。

2.2 色差的计算

从HLS彩色空间出发，两种不同岩性的影像色调差异可以分为2个方面：亮度差异和色度差异。

1）亮度差异

亮度差异主要是由于岩石的整体反射率的差异而导致的色调明暗变化，它在色彩差异上表现为，两种地物影像色彩的亮度差异越大越容易区分，如图1所示，页岩与砂岩两者相比，整体上页岩的反射率远低于砂岩的反射率，不论采用何种WorldView-2波段组合的图像，两者都在亮度上存在很大差异，这种情况下，只需要简单的对比度增强处理就可以直接准确地区分岩性。但是，这种情况毕竟是少数，而更多的岩性颜色差异是体现在色度之上。

图1 不同岩性光谱曲线及影像亮度差异效果图Fig.1 Spectral curve and image value difference of different lithology

2）色度差异

色度差异主要是指图像的颜色变化，它在色彩差异上表现为，两种地物影像色彩的色度差异越大越容易区分。根据HLS彩色空间的原理，色度差异并不完全等同于色度值之差，而是指在两种颜色色环上的距离。

在HLS空间中，色度（h）分量可以用色环表示出来，如图2所示。在色环上互补色（又称对比色）的位置相互正对，能形成鲜明的对比，其视觉差异最大，如黄和蓝，红和青，绿和品红均为互补色。显然，在色环上两种颜色的距离越远，视觉差异越大；距离越近，视觉差异越小。因此，岩性色调差异增强处理的目的是要使两种岩性的色度在色环上距离最远。

图2 色环图Fig.2 Color wheel figure

任何颜色，都可以通过公式（1）计算出已知RGB颜色的色度（h）值，在色环上找到相应的位置，并可以通过以下公式计算两种颜色的色度差：

饱和度主要指颜色的纯度变化，它不能直接体现两种颜色的差异大小，而是对色度差异的视觉效果的影响。当两种岩性在影像上具有一定的色度差异时，通过同时提高图像饱和度，能够增强两种颜色差异的视觉效果（图 3）。

图3 不同岩性的色度差异及饱和度变化影响效果图Fig.3 Image hue and saturation change of different lithology

综上，在遥感岩性信息增强中，不同岩性之间存在较大亮度差异的情况较少，但色度差异非常普遍。在岩石影像色度差异较大时，图像经饱和度增强，即可很容易地区分不同岩性。因此，基于色差的遥感岩性信息增强方法主要就是通过公式（4）计算岩石影像色度差异，找到岩石影像色度差异最大的图像。该方法为进一步挖掘岩性信息提供一个很好的基础图像，是采用HLS变换法增强岩性信息的前提，针对不同的岩性，从根本上挖掘多波段光谱信息。

3 基于色差的WorldView-2数据岩性信息增强

WorldView-2数据具有8个多光谱波段和1个全色波段：海岸波段（400～450 nm）、蓝光波段（450～10 nm）、 绿光波段（510～580 nm）、黄光波段（585～625 nm）、 红光波段（630～690 nm）、 红边波段（705～745 nm）、 近红外波段（770～895 nm）、 近红外 2 波段（860～1 040 nm）和全色波段（450～800 nm）， 其中，多光谱数据空间分辨率为1.86 m，全色数据空间分辨率为0.46 m。该数据具有多波段、空间分辨率高的特点，数据包含丰富的岩性信息，适合利用基于色差的方法进行岩性信息增强。

3.1 不同波段组合的岩性色差增强

以岩石影像波谱特征为基础，根据不同波段组合图像的岩性色度差异，进行WorldView-2数据波段选择及彩色合成，这是最基本也是最直接有效的方法。

以西昆仑克孜勒地区WorldView-2图像上两种相邻岩性（图4）为研究对象，在经过预处理后的WorldView-2反射率影像上获取两者的影像光谱曲线， 通过公式（1）、 （2）、 （3）计算WorldView-2数据的56种波段组合图像中， 两种岩性的色度值（h1和h2）和色度差（Δh），如表1所示。

根据表1，可以选择出色度差异最大的876、865等波段组合，通过彩色合成、对比度增强、HLS变换增强饱和度等处理，在于该地区常用的851波段组合相比（图5），可以看出，876、865等波段图像比851波段组合图像岩性差异大得多，与851波段组合图像直接经HLS变换增强后的图像相比，图像岩性差异也更为明显，尤其876波段组合图像效果最佳，左侧岩性成蓝绿色，右侧岩性呈深紫色，两者颜色差异明显，将两种岩性的分界线清晰地展示出来。通过基于色度差异的方法得到的876波段组合图像，可以有效地对这两种岩性进行区分。

3.2 与其他变换相结合的岩性色差增强

在上述方法的基础上，也可以将主成分变换、比值变换等后的组分，一起参与到波段选择中，用同样的方法计算更多波段组合图像的岩性色差，从中选择色差最大的波段组合。如图5所示，加入相应的主成分图像的波段，该地区地层内部岩性差异得到更好的突出。

图4 不同色差的波段组合对比Fig.4 Comparison of band combinations with different chromatic aberration

表1 岩性色差计算结果表 （按色度差Δh大小排序）Table 1 Lithologic chromatic aberration calculation results （Ordered by chromatic aberration Δh）

图5 与主成分变换相结合的岩性色差增强及解译Fig.5 Image of different chromatic aberration enhancement and lithologic interpretation map

以上WorldView-2数据岩性信息增强应用研究表明，基于色差的遥感岩性信息增强方法能够从人眼视觉角度出发，以岩石影像波谱特征为基础，通过两两岩性的色差计算，综合利用比值、主成分变换、对比度增强、HLS变换等多种方法，对两种岩性的影像色调差异进行增强，为岩性界线的目视解译提供便利。

另外，针对多种岩性分布的地区，也可通过计算多组相邻岩性的色差，再依据多个色差的均值和方差，选择多组岩性之间差异均较大的彩色合成图像，利用该方法对多种岩性分布地区的WorldView-2数据进行增强处理，选择相应波段进行彩色合成，使不同岩性之间都达到了较好的区分效果。

4 基于色差的CASI/SASI高光谱岩性信息增强

CASI/SASI航空成像光谱测量系统是具有国内领先、国际先进水平的航空高光谱测量系统。该系统可获取数据的波长范围从可见光、近红外（VNIR）到短波红外（SWIR）。目前，该系统已广泛应用于地质矿产调查领域，在国内同类仪器中处于领先水平。本次研究选择了甘肃方山口地区的CASI/SASI高光谱数据，数据获取时间是2011年7月15日，CASI数据波谱范围为380～1 050 nm，空间分辨率0.9 m×0.9 m；SASI数据波谱范围为950～2 450 nm，空间分辨率2.25 m×2.25 m。

在进行岩性信息增强之前，对CASI/SASI高光谱数据进行了降噪和坏条带的去除、辐射定标、几何校正、大气纠正、光谱重建和数据镶嵌等一系列预处理。然后，利用主成分变换和最小噪声分离变换（MNF）的方法，将高光谱数据进行降维处理。通过试验研究发现，经过降维处理后的数据信息一般集中在前20个组分之中，其它组分以噪声信息为主，对于岩性区分几乎没有意义；而对于前20个组分的数据，还可以通过统计分析与目视观察相结合的方法，进一步选择主成分变换后岩性差异较为明显的组分，即主成分变换后的第4～6、8、15、17组分和MNF变换后的第4、7～10、13～15、17组分，从而减少了波段组合方案。最后，对这些筛选出来的组分进行不同波段组合的色差计算和波段组合图像选择。

方山口研究区为一明显的褶皱构造，发育有多种类型的地层岩性。在本次研究中，对褶皱南翼选择了7种不同的岩性，形成6组相邻岩性组合，分别计算岩性色差及其均值、方差等，最终确定了PC8、PC5、PC4彩色合成图像效果最好，与其他图像相比各岩性之间的差异更加明显（图6）。在此基础上，结合地质背景，就能够将该地区地层岩性进行详细地解译。

图6 CASI/SASI高光谱遥感岩性信息增强及解译Fig.6 Enhancement of different band composition of CASI/SASI hyperspectral remote sensing image with different methods

5 结论

1）深入分析了各种常用的多光谱和高光谱遥感岩性信息方法的优缺点，其中，基于光谱特征的方法应用最为广泛，效果也最好，但随着遥感数据空间分辨率和光谱分辨率的提高，遥感岩性信息增强方法也变得更加丰富多样，在方法选择上仍然具有一定的盲目性。

2）提出了基于光谱色度差异增强岩性信息的方法，其能够充分利用多波段数据或高光谱数据中丰富的岩性信息，获得岩性色彩差异最大的图像，为遥感地质解译提供良好的基础数据。

3）以西昆仑克孜勒地区WorldView-2数据和甘肃方山口地区CASI/SASI高光谱数据为例，开展了基于光谱色度差异的岩性信息增强应用研究，发现这两种数据在岩性区分上效果明显，尤其是CASI/SASI高光谱数据，因其具有丰富的光谱信息，利用该方法能够有效地进行岩性区分，这也表明该数据在基础地质调查领域的巨大应用潜力。