ica在高光谱遥感矿物蚀变信息提取中应用论文

《ica在高光谱遥感矿物蚀变信息提取中应用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要lCA在高光谱遥感矿物蚀变信息提取中的应用作者简介：王璐，女，1986年8月生，师从成都理工大学郭科教授，2011年7月毕业于成都理工大学计算数学专业，获得理学硕士学位。高光谱遥感通过航空或航天成像光谱仪获得地物的连续光谱信息，其光谱分辨率高达10nm，使得原本在普通遥感中不可探测的物质在高光谱遥感中能够被探测。目前，高光谱遥感已被广泛地应用于地质填图、植被调查、海洋遥感、农业遥感、大气研究、环境检测等领域，其中地质找矿是其应用最为成功的一个领域。高光谱遥感在地质找矿方面的应用包括：矿物识别，地质填图，蚀变、矿化信息提取等。高光谱遥感矿物识别的理论依据是稳定化学组分和物理结构

2、的岩石矿物具有稳定的本征光谱吸收特征。因此，通过对高光谱遥感图像数据的特性、结构进行分析，选择适当的处理识别方法，可达到有效识别矿物的目的。高光谱遥感数据有着高光谱分辨率和低空间分辨率的特性，这使地物精细识别成为可能，但也带来了一些问题。其一是其数据的高维特性，为遥感数据的处理、存储和传输带来困难；其二是低空间分辨率导致的混合像元，影响了地物识别和信息提取的精度，是遥感技术向定量化发展的重要障碍。因此，如何有效地从高维数据中提取有用信息，分解混合像元是高光谱遥感地物识别和信息提取领域所面临的重大挑战。目前，研究者已将多种基于统计和模式识别的数据处理方法应用于高光谱遥感地物识别和信

3、息提取中。其中，独立成分分析(ICA)技术是一种基于信号高阶统计特性的分析方法，通过将观察到的数据进行某种线性分解，使其分解为统计独立且非高斯的成分。ICA利用数据之间的高阶统计特性，既能实现对高光谱数据的降维，也能用于高光谱数据的混合像元分解。在利用ICA进行高光谱数据处理时，将待识别的地物作为独立成分表示出来，可得到地物之间的分离度最大化。目前已有的研究思路可以总结为以下两种：第一，从数据降维和有效波段的角度出发，采用ICA方法对波段进行变换，寻找地物光谱最有效的表示方式；第二，从光谱解混的角度出发，探讨采用ICA方法实现地物的混合光谱解混，完成地物识别和信息提取。成都理：[

4、大学硕士学位论文本文对高光谱遥感图像数据的特性进行分析，使用USGS光谱库中的矿物光谱作为端元信号，构造模拟的高光谱遥感图像，从统计分类的角度出发，兼顾ICA处理高光谱遥感数据的两种研究思路，探讨ICA技术在高光谱遥感矿物蚀变信息提取中的应用，试图找到适合高光谱遥感蚀变矿物分类和信息提取的新方法。主要工作内容包括：1．对ICA技术的基本原理、算法和判据进行了回顾和总结；2．探讨了高光谱遥感数据的数据特征，回顾了传统高光谱遥感图像特征提取和分类的原理，并结合ICA的特性，解释了基于ICA技术的高光谱遥感图像特征提取模型和混合像元分解模型；3．选用USGS矿物波谱库的蚀变矿物作为研究

5、数据，构造高光谱遥感模拟图像，使用ICA技术对其进行特征提取和混合像元分解的实验。使用光谱角度填图法(SAM)对特征提取前和特征提取后的模拟数据进行分类，特征提取后的分类精度仍保持在90％以上，说明基于ICA的特征提取是有效的。基于ICA的混合像元分解，端元提取误差在10。3以内。实验结果证明了ICA技术既可用于有效地提取特征波段，也可用于线性解混模型中端元信息和丰度信息的同时提取。关键词：高光谱遥感蚀变矿物特征提取混合光谱分解ⅡAbstractIndependentComponentAnalysisforMineralizingAlterationInformationExtr

6、actionofHyperspectralRemoteSensingDataIntroductionoftheauthor：Wanglu，female，wasborninAugust，1986whosetutorwasProfessorGuoke．ShegraduatedfromChengduUniversityofTechnologyincomputationalmathematicsmajorandwasgrantedtheMasterDegreeinJuly,2011．Hyperspectralremotesensingobtainsinformationofcontinu

7、ousspectrumofgroundobjectsbyaerialorspaceimagingspectrometer．Thespectralresolutionofhyperspectralimagesreachupto10nm，makingundaectablesurfacefeaturesintraditionalremotesensingbeabletobedetectedinhyperspectralremotesensing．Currently,hyperspect