白云母矿物成分与光谱特征的关系研究

发掘岩石矿物成分与其光谱特征间的内在关系,为应用高光谱遥感技术探测矿物微观信息提供依据。在岩矿鉴定的基础上,利用TSG(地质光谱专家)软件,分析了岩石样品中白云母矿物的光谱特征;利用电子探针对白云母矿物进行了微区化学成分研究。在此基础上,统计分析了白云母的光谱变异特征。研究表明:白云母矿物的诊断吸收特征波长位置随矿物中AlⅥ离子数的减少而呈现出向长波方向移动的趋势。     

基于分形方法的蚀变矿物多尺度特征分析

针对矿化蚀变信息常常受其他地物信息的干扰与影像空间分辨率的制约而表现得非常微弱的问题,该文以Landsat7号ETM+30m空间分辨率的影像为数据基础,重采样得到一系列不同空间分辨率的影像;运用ETM+波段3/波段1比值法获得铁染蚀变相对含量灰度图,采用分形模型计算出不同分辨率下蚀变矿物的分维值,进而获得分辨率—分维值的一元线性回归方程;最后建立了基于分形理论的蚀变矿物多尺度分析模型,得到蚀变矿物空间分布特征变化的参考尺度。结果表明,在一定尺度范围内(30~280m),蚀变矿物显示出空间尺度特征。     

基于主成分抑制的高光谱图像异常目标检测方法

高光谱图像异常目标检测主要用于检测图像中的区别于背景环境的异常目标,为图像目标的判读提供一个初步的判断,是高光谱图像应用的一个重要内容.本文在研究现有异常目标检测算法的基础上,采用基于主成分抑制和顶点成分分析相结合的方法,对实验图像中的异常目标进行了检测,取得了较好的效果.     

基于二次散射非线性混合模型的矿物填图方法

传统的遥感地质填图方法较少考虑到一个像元中多种地物共生存在的情况,因此所填图件难以反映矿物的分布特征。针对线性混合模型解混精度不高的问题,使用二次散射非线性混合模型对高光谱数据进行光谱解混,并在此基础上,提出了k(k≥2)类地物的填图规则。采用美国内华达州Cuprite地区AVIRIS数据进行填图实验,将其结果与Clark等的填图结果进行对比。实验结果表明:与线性模型的矿物填图相比,基于二次散射非线性混合模型所填图件更加接近矿物的真实分布;使用k(k≥2)类矿物填图规则的填图结果细节丰富,与Clark等人的填图结果吻合度高。     

基于权重光谱解混方法的高光谱矿物填图

提出了一种基于Fisher权重分析的迭代光谱解混方法(WLSMA),该方法首先对高光谱图像进行区域分割,在分割后的各子块中自动提取端元;再次对提取的端元进行聚类,从光谱的整体特征上将不同类别的端元区分开,针对聚类结果中的每一类别各选取几个具有代表性的端元光谱,并对最优光谱进行窗口卷积处理,结合In_CoB指标构建端元光谱样本库;最后对图像进行迭代光谱解混处理,在丰度反演过程中引入基于Fisher准则的补偿权值矩阵以提高反演精度。AVIRIS高光谱数据实验证明,WLSMA不需要大量先验信息,利用Fisher准则和迭代光谱分析理论增强了相似性矿物的可分性,为加强对矿区地表岩性的认识和模拟提供了更大的灵活性和可能性,对高光谱矿物填图有一定的借鉴意义。     

一种新的基于连通成分的边缘评价方法

考虑到边缘局部相关性的特点,提出了一种新的边缘评价方法。该方法不需要标准边缘图,直接对边缘图求取总的边缘点数(A)、4-连通成分数(B)、8-连通成分数(C)以及它们之间比值(C/A、C/B),并进行综合评价。实验结果表明,该评价方法实用性强,具有一定的参考价值。     

主成分分析的匹配点对提纯方法

传统的匹配点对提纯算法通常需要寻找小部分点集作为初始输入,再迭代求解出能够满足大多数点对约束要求的最优解,其提纯结果易陷入局部极值,造成正确匹配点对的遗漏。针对这一问题,本文引入了主成分分析思想,将整体点集作为初始输入,逐步剔除误匹配点对,稳健求解,得到更为准确的全局最优解,降低正确匹配点对的遗漏率,达到较好的提纯效果。试验表明,本文方法在一定的原始误匹配率下,能够得到整体最优解,在剔除误匹配点对的同时,能够避免或减少正确匹配点对的遗漏。     

一种基于PPI的高光谱数据矿物信息自动提取方法

本文通过分析PPI算法后续处理存在的问题,引入最大距离法(MD)实现基于PPI的端元自动分类,并将获得的未知端元在波谱库中遍历以匹配最佳地类,最终完成基于PPI端元的矿物信息的自动提取。实验采用美国内华达州Cuprite地区的机载AVIRIS和我国东天山地区的星载Hyperion高光谱遥感数据,利用IDL编程实现矿物信息的自动提取,通过对实验结果的比较分析,验证了本文方法的有效性和实用性。     

基于主成分判别分析的高光谱遥感影像分类方法

提出了一种基于主成分判别分析的高光谱遥感影像分类方法。针对高光谱遥感影像数据量大、冗余信息多的特点,使用改进的线性判别分析方法对高光谱遥感数据进行线性维数减少。该方法将主成分分析加入到线性判别分析的算法框架中,能够克服常规的线性判别分析方法在训练样本数量较少时遭遇到的小样本问题。通过实验,证明基于主成分判别分析的遥感影像分类方法能够利用少量的训练样本实现更优的分类精度。     

改进技术方法,加强对矿石的表征能力

虽然全球对矿产的需求不断加大,而近年发现的高质量矿床却在不断减少。目前正在寻找的矿床大多属于复合式矿床,目标元素丰度低,通常与细粒多相矿物组合半生,或者产在亚微粒颗粒中,这样就大大降低了矿石处理效率和回收率。了解矿石的化学成分、矿物成分和结构特征,有助于调整甚至改变矿石处理工艺,     

一种基于主成分分析的协同克里金插值方法

针对协同克里金插值方法在插值时,辅助变量较多造成计算复杂度增加,而辅助变量较少引起插值精度降低这一问题,提出了一种基于主成分分析的协同克里金插值方法（PCA-CoKriging）。该方法首先使用主成分分析对插值相关变量进行将维,得到较少几个综合指标,然后里利用这几个综合指标作为辅助变量进行协同克里金插值。为验证该方法的有效性和数据分布对该方法的影响,本文选取了2016年北京市范围内4个季节中PM_2.5浓度满足正态分布效果不同的4组数据,分别使用PCA-CoKriging和普通克里金插值方法、常规协同克里金插值方法,进行了插值试验。结果表明,本文方法与普通克里金插值方法、常规协同克里金插值法在4组试验中的平均绝对误差分别为4.91、6.04、5.61,平均均方根误差分别为6.65、8.76、7.57。综合比较,本文方法比常规协同克里金插值的平均绝对误差与均方根误差分别提升了10.73%、12.56%,比普通克里金插值法的平均绝对误差与均方根误差分别提升了18.71%、24.09%。     

基于主成分分离方法的航空图像云检测

传统云检测方法未顾及云具有半透明性质的特点,直接从遥感图像中提取云特征用于云检测,降低了云检测精度.本文根据Mie散射理论构建云与地表信息的线性模型,即将一幅遥感图像看作是云与地表信息线性构成的,从整个纹理结构的角度看,云图像位于一个低维的子空间,首先采用主成分分析方法(PCA)构建云成分分离模型,从遥感图像中分离出云成分,其次采用局部二值模式(LBP)特征提取云成分的纹理作为特征向量,最后训练支持向量机分类器进行云检测.本文以755幅航空图像为实验对象,其中包含158幅有云区域,正检率达到90.69％,误检率9.31％,说明本文方法对航空图像云检测有一定效果.     

采用主成分分析的面状居民地匹配指标简化方法

现有多源居民地匹配中存在众多的面要素度量指标,若全部进行考虑,则增加了匹配的复杂性;若只考虑部分指标,则可能造成匹配信息的缺失,影响匹配结果。针对这一问题,本文提出一种采用主成分分析方法的面状居民地匹配方法。借鉴主成分分析法中降维的思想,对居民地各项度量指标进行定性定量分析,通过科学计算确定面要素匹配综合指标,用较少的新指标代替原来较多的相似性指标,进而根据获得的整体相似性评价指标进行居民地匹配。实验分析表明,本文方法简化了匹配过程中众多的相似性指标,降低了匹配复杂性和不确定性,避免了各相似权值确定较为随意的问题,有效提高了匹配效率和正确率。