基于热红外高光谱主要造岩矿物丰度反演研究

发布时间：2017-10-15 03:06

  本文关键词：基于热红外高光谱主要造岩矿物丰度反演研究

  更多相关文章： 热红外 高光谱 端元可变 混合分解 造岩矿物

【摘要】：论文以“热红外高光谱矿化蚀变矿物提取方法研究与应用示范(地大北京)”项目为依托,开展了基于热红外高光谱(TASI)数据的混合像元分解方法研究,分别采用非限制性最小二乘(UCLS)和全限制性最小二乘法(FCLS),以及通过编程实现的端元可变的线性混合模型:基于最优端元选择的FCLS算法(OES-FCLS)和基于最小二乘误差的端元可变FCLS算法(LES-FCLS),以上四种算法对甘肃柳园研究区内的热红外高光谱(TASI)数据进行混合像元分解实验,并对其结果进行了对比评价。主要研究内容与成果如下:(1)通过利用模拟数据对常见端元光谱提取方法进行对比实验,得出PPI方法是其中提取精度最高的算法,但需较多的人工干预。基于VCA的端元提取算法较PPI算法精度稍低,可自动提取端元,运行效率最快,适用于大区域高光谱数据端元提取。其中PPI更适合于TASI数据的端元提取。(2)在常见的基于最小二乘的四种混合像元分解算法中UCLS算法抗噪性较弱,由于无和为一、非零限制,不能真实表现矿物丰度。FCLS算法相对于UCLS在抗噪性上要好一些,丰度图噪声点有所减少,且丰度值受和为一、非零限制,丰度图基本可反映真实矿物丰度。(3)在端元可变理论的基础上提出了基于最优端元选择的FCLS算法(OES-FCLS)、基于最小二乘误差的端元可变FCLS算法(LES-FCLS)。OESFCLS、LES-FCLS这两种端元可变算法具有较强的抗噪性,获得的丰度图最接近真实丰度图且噪声少,较为纯净。基于端元可变理论的线性光谱分解算法的混合像元分解的精度高于基于最小二乘的光谱解混算法(UCLS,FCLS),但运算量的增加导致其算法效率明显降低。(4)通过在分解效果、运行效率、抗噪性三方面对上述四类方法进行了综合对比评价,选取基于最优端元选择的FCLS算法(OES-FCLS)作为热红外高光谱(TASI)数据混合像元分解方法,同时也获得了甘肃柳园花黑滩研究区的常见造岩矿物的丰度图。
【关键词】：热红外 高光谱 端元可变 混合分解 造岩矿物
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P627
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 选题依据与意义9
• 1.2 国内外研究现状9-12
• 1.2.1 高光谱端元光谱提取技术研究现状9-10
• 1.2.2 混合像元分解研究现状10-12
• 1.3 研究内容12
• 1.4 技术路线与方法12-14
• 第2章 研究区地质构造背景14-19
• 2.1 研究区概况14-15
• 2.2 区域地质构造背景15-18
• 2.3 地质矿产概况18-19
• 第3章 TASI光谱数据预处理19-26
• 3.1 高光谱遥感影像来源19
• 3.2 TASI数据预处理19-26
• 3.2.1 去除噪声19-21
• 3.2.2 大气校正21-22
• 3.2.3 温度与发射率分离22-26
• 第4章 岩石矿物端元提取26-36
• 4.1 岩石矿物发射光谱理论26
• 4.2 常见端元提取方法简介26-30
• 4.2.1 基于PPI的端元提取26-28
• 4.2.2 基于SMACC的端元提取28
• 4.2.3 基于ATGP的端元提取28-29
• 4.2.4 基于VCA的端元提取29-30
• 4.3 基于模拟数据的方法对比实验30-36
• 4.3.1 对比实验30-34
• 4.3.2 结论34-36
• 第5章 混合像元分解及实验分析36-61
• 5.1 混合像元分解简介36-37
• 5.2 基于最小二乘法的线性混合光谱模型分解方法37-40
• 5.2.1 非限制性最小二乘法（UCLS）38
• 5.2.2 和为一限制最小二乘法（SCLS）38-39
• 5.2.3 非负限制性最小二乘法（NCLS）39
• 5.2.4 全限制性最小二乘法（FCLS）39-40
• 5.3 基于端元可变的线性混合光谱模型分解方法40-46
• 5.3.1 端元可变理论及误差分析40-42
• 5.3.2 基于最优端元选择的FCLS算法42-44
• 5.3.3 基于最小二乘误差的端元搜寻FCLS算法44-46
• 5.4 实验与分析46-61
• 5.4.1 模拟数据实验对比47-52
• 5.4.2 研究区高光谱数据实验对比52-61
• 第6章 结论61-62
• 致谢62-63
• 参考文献63-67
• 附录67

【相似文献】

中国期刊全文数据库 前10条

1 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

2 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

3 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期

4 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期

5 陈雷;张晓林;刘荣科;雷志东;;光谱去相关技术在高光谱图像小波压缩中的应用[J];光谱学与光谱分析;2010年06期

6 孙林;鲍金河;;基于主成分抑制的高光谱图像异常目标检测方法[J];测绘科学;2012年01期

7 赵春晖;齐滨;张q，

本文编号：1034710