详情

原文传递一种基于全谱段高光谱遥感数据的矿物识别方法

专利名称：	一种基于全谱段高光谱遥感数据的矿物识别方法
摘要：	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。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京航空航天大学
发明人：	李娜;赵慧洁;黄鑫辰;王明聪
专利状态：	有效
申请日期：	2019-04-29T00:00:00+0800
发布日期：	2019-09-20T00:00:00+0800
申请号：	CN201910355357.4
公开号：	CN110261329A
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	100191 北京市海淀区学院路37号
主权项：	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：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)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。 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(xi)像元的概率密度数；xi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(S)、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，可用左(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： S＝(λ1-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。 6.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(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：将标注好的各样本作为训练样本，输入多层感知机中，训练学习器并识别各单一波段范围的矿物结果；其中主动学习部分主要构成为： A＝(C,Q,S,L,U) 其中C为分类器，L是用于训练的已标注样本，Q是查询函数，用于从未标注样本池U中查询信息量大的信息，S是利用欧氏距离测度判断光谱相似性，可以为U中样本标注正确的标签；对不同的光谱范围图像用相同方法识别各谱段的矿物识别结果。 7.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(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：基于主体多数投票法思想，对各分类器输出分类结果进行主体投票，加权融合后得到最终结果具体公式：其中Δμi表示决策结果；p(xi\|ωk)表示在输入样本在第i波段被判定为第k类的概率密度数；最终对每个波段范围识别到的矿物种类进行计算，作为决策原则判定最终矿物归类。
所属类别：	发明专利