基于吸收峰加权的岩矿光谱匹配方法研究_黄婷婷.pdf

2011 年 10 月 October 2011 岩矿测试 ROCK AND MINERAL ANALYSIS Vol． 30，No． 5 584 ～589 收稿日期 2011 －01 －18;接受日期 2011 －01 －27 基金项目国家高技术研究发展计划 863 计划 项目 2008AA121103 ;中国地质调查局工作项目 1212011120227 ;航遥中心 对地观测技术工程实验室开放课题 作者简介黄婷婷， 硕士研究生， 计算机模式识别专业。E- mailychtt163． com。 文章编号 02545357 2011 05058406 基于吸收峰加权的岩矿光谱匹配方法研究 黄婷婷1， 2，韦志辉1，修连存2，吴泽彬1 1． 南京理工大学计算机科学与技术学院，江苏 南京210094; 2． 南京中地仪器有限公司，江苏 南京210016 摘要基于高光谱图像的矿物识别主要依赖于矿物的特征光谱曲线， 但由于矿物普遍存在的同质多象和类质同 象的现象， 常常造成矿物识别误差。在矿物的光谱曲线描述中， 吸收位置是一个非常重要的特征， 它较好地反映 了矿物的单个诊断性特征。文章在利用完全波形特征的基础上， 加强了单个诊断性特征， 提出了一种基于吸收峰 加权的预处理技术。利用该技术并结合 PMS 光谱库 南京地质矿产研究所研制 中的部分数据， 从矿物光谱相异 性进行区分实验， 由于该技术利用了完整的矿物特征信息并突出了重要信息， 对矿物有更为全面细致的描述， 同时融合了去包络算法， 有效地抑制了噪声的影响， 与以往主流技术相比提高了矿物识别准确度， 拉大了相异 矿物间的差异， 对研究岩石的内部结构和矿物的种类将有较大贡献。 关键词光谱匹配;光谱库;包络线去除;吸收峰;预处理 The Research of Mineral Spectral Matching Based on Weighted Absorption Peaks HUANG Ting- ting1， 2，WEI Zhi- hui1，XIU Lian- cun2，WU Ze- bin1 1． College of Compute Science and Technical，Nanjing University of Science and Technology， Nanjing210094，China; 2． Nanjing Zhongdi Apparatus Co． Ltd． ，Nanjing210016，China AbstractHyperspectral image in spectral curve are often used in the field of mineral recognition． However，error recognition may occur because of the polymorphism and isomorphism existing in minerals． The position of absorption peaks play a very important role for the description of spectrum curve， which preferably reflects the single diagnostic feature of mineral． Therefore， Based on using the whole curves feature，we proposed the preliminary technologies of weighted absorption peaks to enhancing the single diagnostic feature． Using the part of data from the standard spectral library PMS，we has accomplished some experiments based on the dissimilarity of mineral． Because the technology used whole mineral features and highlighted the important features，the description of mineral was more comprehensive and accurate． Meanwhile，the technology applied the continuum removes algorithms to reduce the effects of back noise． Compared with the regular technology，the proposed technology not only improved the accuracy of the mineral identification，but also increased the discrepancy between the different minerals， which will give a greater contribution to study the internal structure and the species of minerals． Key wordsspectral matching;spectral library;removal of the continuum;absorption peaks;preliminary treatment 485 ChaoXing 各种矿物和岩石的电磁波谱都具有特有的诊断性 光谱特征， 这种诊断性光谱特征的成因主要是在光能 的激发下， 矿物、 岩石内部的电子跃迁和分子振动过程 对电磁能量的吸收作用。光谱数据能很好地反映出这 类诊断性光谱特征， 这就给本文利用特定的标准光谱 库识别矿物和岩石提供了可能性［1 －3 ］。 基于光谱库的光谱匹配， 就是将实测的矿物光谱 与标准光谱库中光谱进行波形或特征匹配从而得到两 者的相似度， 由此来判断实测矿物的归属类别。 目前， 对光谱曲线进行匹配分析的算法主要有以 下几种。 二值编码匹配。为了在光谱库中对特定目标进行 快速查找和匹配， Goetz 提出了对光谱进行二值编码。 二值编码匹配的原理是指定一个波段值为阈值， 并将 大于此阈值的波段值赋 1， 否则赋 0。这样， 每个光谱 就对应产生一条二值 比特 编码曲线， 接着就可以利 用基于最小汉明距离的算法来进行匹配识别［4 －7 ］。 光谱角匹配 SAM 。光谱角度匹配是将具有相 同波段数 m m 代表的是波段数 的两个光谱曲线都 看成是一 m 维的向量， 计算两个向量广义夹角， 夹角 越小， 光谱越相似 ［5 －6， 8 －11 ］。 光谱相似度匹配 SCF 。相关系数是变量之间相 关程度的指标， 是用来衡量变量线性相关密切程度的 量。光谱匹配时可用这个指标来衡量一定波长范围内 光谱的相似程度 ［5 －6， 8， 12 －13 ］。 光谱信息散度匹配 SID。光谱信息散度匹配是 通过计算待测光谱和标准光谱之间的光谱信息散度来 确定它们之间的相似性， 信息散度值越大， 说明所比较 光谱的信息差异越大， 两者越不相似 ［5 －6， 14 ］。 实验中发现， 野外勘测的岩矿经常受到外在环境、 岩石表面特征和物理风化等因素的影响， 但这些影响 因素仅会引起岩石反射率大小的变化， 而谱带位置、 宽 度、 吸收深度和形态等一般较为稳定［1 ］。本文针对岩 矿的这一特征， 基于光谱曲线的形状， 查找曲线的吸收 峰， 提出了基于吸收峰加权的预处理技术。通过加强 吸收峰在光谱匹配中的重要性来突显光谱曲线的特 性， 从而降低光谱之间同质多象和类质同象的影响， 提 高岩矿光谱识别的准确率。 1算法描述 大量的理论和实验充分表明 当一部分光进入物 质内部时， 将产生吸收行为， 这种吸收行为是物质内部 结构、 微量元素以及具有指示物质类型的离子等的光 谱表现 ［1 ］。因此不同岩石的化学成分、 晶体结构等物 化属性的不同即可导致光谱谱形上吸收波段的差异， 从而可以利用此特征对矿物进行鉴定。虽然目前人们 对地物目标的识别技术已经取得了巨大的进步， 各种 地物识别的算法得到了不断的改进， 但是由于岩矿光 谱的同质多象、 类质同象等现象， 使得光谱矿物匹配存 在很多不确定性。因此有必要改进高光谱岩矿识别的 关键技术方法， 提高岩矿识别的准确率。 由图 1 可以看出， 同质多象和类质同象的光谱之 间的较大差异主要表现在吸收谱带的漂移、 吸收深度 以及波形宽度的不同 ［1 ］。以往的匹配算法通常都是 将所有波段的信息进行同等处理， 不能突显光谱间的 重要差异。而本文提出的对吸收峰位置进行加权的预 处理技术可拉大吸收峰深度的差异， 降低岩矿光谱间 的同质多象和类质同象的影响， 达到提高岩矿识别的 准确率。该技术主要的算法流程为包络线消除、 吸收 峰位置查找、 吸收峰加权预处理等。 图 1矿物的同质多象和类质同象现象 Fig． 1The polymorphism and isomorphism in minerals 上图显示蛇纹石同质多象变体光谱①纤蛇纹石;②叶蛇纹石。 下图 显 示 透 闪 石 － 阳 起 石 类 质 同 象 变 种 光 谱③透 闪 石; ④阳起石。 585 第 5 期黄婷婷， 等 基于吸收峰加权的岩矿光谱匹配方法研究第 30 卷 ChaoXing 1． 1包络线消除 一般来说， 直接从岩矿光谱曲线上不便于提取吸 收峰， 需要对光谱曲线进行进一步突出光谱吸收特征 的处理后， 再进行吸收峰提取的计算。包络线消除法 可以有效地突出光谱曲线的吸收特征。 从直观上来看， 光谱曲线的包络线相当于光谱曲 线的 “外壳” 。包络线消除法可以有效地突出光谱曲 线的吸收和反射特征， 并将反射率归一化到 0 ～ 1． 0， 光谱吸收特征也归一化到一个统一的光谱背景 上 ［7 －8， 15 －18 ］。 求光谱曲线包络线的算法描述如下［2， 16 ］。 设有反射率曲线样点数组为 r i ， 求出的包络线 为 h i ， 其中 i 0， 1， ， k －1。 如图 2 所示， 如果 r m＜ r m ， 则 r m 不是包 络线上的点， h m r m ; 如果 r m ≥r m ， 则 r m 与曲线无交点， r m 是包络线上的点， h m r m 。求出包络线后要对光谱曲线进行包络线 消除 p i r i /h i 。 图 2包络线生成示意图 Fig． 2Diagram about the generation of envelope 根据 上 述 算 法，本 文 以 明 矾 石 的 光 谱 曲 线 alunCoSV 为例进行实验， 结果如图 3 所示。 图 3 中显示的 3 条曲线分别表示待匹配的光谱 alunCoSV 曲线、 alunCoSV 的包络线、 包络线去除后 的 alunCoSV 曲线。可以看出去包络后， 光谱曲线的吸 收特征更加明显。 1． 2吸收峰位置查找 根据对图 1 的分析可以得出， 具有重要作用的吸 收峰位置一般仅为几十个甚至几个。在图 3 中的光谱 曲线和包络线上用圆圈标出了部分吸收峰位置， 其中 较为重要的吸收峰位置与该位置附近的极大值之间的 反射率的差值较大， 根据这一特性可以对吸收峰的位 置进行筛选。 图 3光谱曲线及其包络线 Fig． 3Spectral curve and envolope 本文设计查找吸收峰位置算法， 具体描述如下。 设光谱曲线反射率数组为 r i ， 其中 i 0， 1， ， k －1， 求得吸收峰位置数组为 g j ， 其中 j 0， 1， ， m －1。 根据 2． 2 节包络线消除算法， 求得光谱曲线包络 线消除后的曲线 p i ， 其中 i 0， 1， ， k － 1， 计算出 p i 的最大值 pmax和最小值 pmin， k pmax－ pmin， 根据图 3 选择筛选吸收峰的阈值 n 0 ＜ n ＜1 。 i 0， 将 i 加入到吸收峰位置数组中 i i 1。 求新的吸收峰位置， 如果 i k － 1， 则将 i 加入到 吸收峰位置数组中， 结束; 否则 a 如果 p i＜ p i － 1 ， 并且 p i＜ p i 1 ， 则j i 1; 否则， i i 1， 转到 3 ; b 如果 j k －1， 或者 p j＞ p j －1 ， 并且 p j ＞ p j 1 ， 转到 c ; 否则 j j 1， 转到 b ; c 如果 p j－ p i ≥nk， 则将 i 加入到吸收峰位 置数组中; 否则， i i 1， 转到 3 。 根据上述算法得出的 g j ， 其中 j 0， 1， ， m －1， 便是吸收峰位置的存储数组。 1． 3吸收峰加权预处理 吸收峰加权是为了在进行光谱匹配前进一步突显 光谱曲线的重要波谱特征， 从而拉大不同物质在该重 要位置的差距， 缩小相同物质在该重要位置处的差距， 降低同质多象和类质同象带来的影响， 增加匹配的 精度。 利用吸收峰加权预处理技术进行匹配的特点是 将所有波段的反射率值都参加匹配， 同时对吸收峰位 685 第 5 期 岩矿测试 http ∥www． ykcs． ac． cn 2011 年 ChaoXing 置的反射率值进行适当加权后再匹配。 本文设计吸收峰加权的预处理技术算法， 具体描 述如下。 设光谱曲线反射率数组为 r i ， 其中 i 0， 1， ， k －1， 包络线消除后光谱曲线数组为 p i ，其中 i 0， 1， ， k －1， 求得吸收峰加权预处理后的反射率数组为 q i ， 其中 i 0， 1， ， k －1， 加权系数为 n 0 ＜ n ＜1 。 根据上节吸收峰位置查找算法， 计算得吸收峰位 置数组为 g j ， 其中 j 0， 1， ， m －1; i 0，j0， 如果 i g j ， 则 q j p i * n; 否则， q j p i ， 其中 j j 1， i i 1; 直至 j k －1， 得到吸收峰加权预处理后的反射率 数组 q i ， 其中 i 0， 1， ， k －1。 上述加权系数可以由经验人工选择， 即根据整个 光谱特征曲线的抖动激烈情况选择。如果抖动剧烈， 则选择相对较小的加权系数来较大地拉大吸收峰深 度; 否则相反。但在本文中， 加权系数根据取值范围进 行循环迭代， 由光谱匹配结果来自动优化得到最优的 加权值。 经过吸收峰加权预处理技术后， 光谱曲线归一化 到 0 ～1， 重要波谱特征也得到了凸显， 因此可以有效 地将待测光谱与光谱库中标准光谱进行匹配分析， 获 得更好的识别率。 2实验部分 光谱库在快速地实现未知地物的匹配、 提高遥感 分类识别水平等方面起着至关重要的作用。由于大多 数低温蚀变矿物的特征光谱都在 1300 ～ 2500 nm 波 段， 本文研究所用的光谱大部分来自于 PMS 红外反射 光谱分析仪 南京地质矿产研究所研制 建立的岩石 矿物光谱库。该光谱数据库包括了 884 个矿物光谱数 据， 波谱范围为 1300 ～2500 nm， 波谱分辨率为 2 nm。 本文利用 VC 设计完成了光谱匹配， 其主要功能 包括光谱库的建立、 光谱曲线的显示、 光谱匹配算法的 选择以及匹配结果的显示， 提供了一个较好的识别未 知光谱的工具。在高光谱遥感图像的应用中， 光谱匹 配常用在地物识别和图像分类中， 因此本文从两个角 度进行实验分析。一方面， 利用光谱库对未知光谱进 行匹配识别实验; 另一方面， 对几类不同光谱通过匹配 进行分类实验。 2． 1基于光谱库的岩矿识别实验 由于各匹配算法的特点， 对不同特性的光谱曲线 平缓曲线、 抖动激烈曲线等 的匹配效果并不一定有 绝对优势; 但基本趋势不变。本实验以 PMS 库的明矾 石族中抖动稍激烈的 alunCoSV 光谱作为待测光谱， 利 用目前主流的光谱匹配模型将其与光谱库中 884 个岩 矿光谱进行两两匹配， 并将匹配结果和相应的匹配度 进行比较分析。PMS 库的明矾石族中共有 31 种明矾 石标准曲线， 如果将 alunCoSV 与光谱库匹配， 处于匹 配最相似的岩矿， 理论上应该是 31 种明矾石族。该实 验根据此理论， 将各匹配模型的匹配度结果进行排序 如图 4 ， 统计处于最相似的光谱物质为明矾石族的 个数。 图 4光谱匹配实验界面 Fig． 4The interface of spectral match experiment 图 4 中左侧表示算法， 右侧列表框表示标准库中 的矿物名称以及相应的匹配度值 按从大到小排列， 匹配度越大越相似 。图中显示的是 SAM 方法匹配后 的结果 匹配值为弧度制夹角线性归一化到 0， 1 的 显示 ， 其中匹配结果中的前 14 个都是明矾石族。 根据上述的实验设计， 得到的结果列于表 1， 其中 表 1 中的前 3 行数据表示将未经预处理、 经包络线去 除预处理和经光谱微分预处理分别与目前主流的光谱 匹配方法结合进行实验的结果， 表格最后一行则表示 将吸收峰加权预处理与主流的光谱匹配方法结合进行 实验的结果， 使 alunCoSV 光谱曲线获得最优匹配度的 加权系数为 0． 3。 2． 2基于不同物化性质的光谱区分实验 本实验根据光谱同质多象、 类质同象的差异， 在 PMS 库中选择8 种岩矿， 根据包含的基团和离子可分为 785 第 5 期黄婷婷， 等 基于吸收峰加权的岩矿光谱匹配方法研究第 30 卷 ChaoXing 4 类， 每类包含 2 种同质不同晶体结构的矿物 如表 2 及图5 所示 。将这8 种矿物利用各匹配算法进行两两 匹配，并对匹配度进行比较分析， 结果列于表3。 表 1光谱匹配实验结果① Table 1The results of spectral match experiment 项目 匹配结果 SAMSIDSCF 未经预处理141324 经包络线去除212025 经光谱微分预处理231425 吸收峰加权 最优加权系数0．3262526 ① 匹配结果为使用相应匹配方法后， 在结果中连续排前的明矾石族的 个数， 其中 SAM、 SID、 SCF 分别表示光谱角匹配、 光谱信息离散度、 光 谱相关系数算法。 表 2几种常见的不同物化性质的矿物 Table 2Several normal mineral with different physicochemical characteristics 项目 包含的离子和基团 碳酸盐矿物含水矿物含AlOH 键矿物含MgOH 键矿物 方解石白云石蒙脱石高岭石 明矾石白云母滑石金云母 光谱库中 族个数 7915413117813 表 3方解石与表 2 中矿物的匹配度① Table 3The similarity between calcite and mineral in Table 2 项目 匹配度 方解石 白云石 蒙脱石 高岭石 明矾石 白云母滑石金云母 SAM10．940．730．530．560．850．850．89 SID10．990．940．800．850．980．980．99 SCF10．900．460．620．340．730．770．84 ESAM10．950．680．710．630．850．850．89 ESID10．990．920．930．890．980．980．99 ESCF10．77－0．480．11－0．590．080．410．45 FSAM10．890．670．670．600．810．800．83 FSID10．980．910．900．870．970．960．97 FSCF10．28－0．52－0．15－0．66－0．040．080．14 ① ESAM、 ESID、 ESCF 分别表示经过包络线去除的光谱角、 光谱信息离 散度、 光谱相关系数算法; FSAM、 FSID、 FSCF 分别表示经过吸收峰加权 的光谱角、 光谱信息离散度、 光谱相关系数算法。 由表 3 可以看出， 吸收峰加权以后， 岩矿之间的差 异明显增加， 具有相似的物化性质的岩矿之间的差异 也在微小地增加， 但不同基团和离子组成的岩矿之间 的差异在很大程度上被拉大。在 ESAM 算法中， 方解 石和白云石的差异拉大了 0． 05， 这是由于方解石和白 云石虽具有相似的矿物基团和离子含量， 但却具有不 同的晶体结构， 使得同质多象的岩矿差距增加。 而方解石与蒙脱石等由于含有不同矿物基团和离子， 它们之间的差距被拉大了 0． 2 ～ 0． 4。在 ESCF 算法 中， 方解石与白云石的相关系数明显减小， 不同岩矿之 间的相关系数均出现了负数， 能够将具有不同物化性 质的岩矿严格地区分。 图 5表 2 中的矿物光谱曲线 Fig． 5The spectral curves of minerals in Table 2 ①方解 石; ②白 云 石; ③蒙 脱 石; ④高 岭 石; ⑤明 矾 石; ⑥白云母;⑦滑石;⑧金云母。 3结语 通过利用 PMS 标准光谱库中的部分数据进行多 种匹配模型的匹配度计算和分析， 可得出以下结论。 1 吸收峰加权预处理中吸收峰的位置是在去除 包络线后的光谱曲线上提取的， 由于包络线能够有效 地抑制噪声 ［6 ］， 因此本文的吸收峰加权在抑制噪声的 同时加强了矿物光谱的吸收特征信息， 对于含有噪声 或是较平缓的光谱都有较好的光谱识别率。 2 基于光谱库的岩矿识别研究表明， 吸收峰加 权预处理后， 由于光谱曲线的重要特征被加强， 各匹配 885 第 5 期 岩矿测试 http ∥www． ykcs． ac． cn 2011 年 ChaoXing 模型均提高了对同一族岩矿光谱间相似性的度量， 增 加了岩矿光谱识别的准确率。 3 根据光谱同质多象、 类质同象的差异进行岩 矿区分的研究表明， 吸收峰加权预处理后， 不仅拉大了 不同质的岩矿间的差异， 同时具有同质而相异光谱的 岩矿之间的区分也有了改进， 对研究岩石的内部结构 和矿物的种类有较大贡献。 4参考文献 ［ 1］甘甫平， 王润生． 遥感岩矿信息提取基础与技术方法 研究［ M］ ． 北京 地质出版社， 2004 8 －35． ［ 2］童庆禧， 张兵， 郑兰芬． 高光谱遥感 原理、 技术与 应用［ M］ ． 北京 高等教育出版社， 2006 19 －21． ［ 3］童庆禧， 张兵， 郑兰芬． 高光谱遥感的多科学应用［M］ ． 北京 电子工业出版社， 2006 8 －15． ［ 4］王晋年， 张兵， 刘建贵， 童庆禧， 郑兰芬． 以地物识别和 分类为目标的高光谱数据挖掘［ J］ ． 中国图像图形学报， 1999， 4 11 957 －964． ［ 5］李彬彬， 罗乐． 基于信源学的光谱相似性度量方法的 比较研究［ C］∥2009 全国计算机网络与通信学术会议 论文 集． 北 京 中 国 电 子 学 会 通 信 学 分 会， 2009 290 －295． ［ 6］陈方， 牛铮， 骆成凤， 长耀． 一种基于光谱知识库的 TM 影响地物识别方法［ J］ ． 遥感技术与应用， 2005， 20 4 386 －392． ［ 7］张杰林， 岑长华， 陆书宁， 韩晓青． 砂岩型铀矿光谱特征 匹配技术研究［ J］ ． 铀矿地质， 2003， 19 2 119 －125． ［ 8］许卫东， 尹球， 匡定波． 地物光谱匹配模型比较研究 ［ J］ ． 红外与毫米波学报， 2005， 24 4 296 －300． ［ 9］Kruse F A，Lekoff A B，Bordman J W，Heidebrech K B， Shapiro A T， Barloon P J，Goetz A F H． The spectral image processing system SIPS - software for integrated analysis of AVIRIS data［ C］ ． JPL Publication， 1992 23 －25． ［ 10］Carvalho J O A，Meneses P R． Spectral correlationg mapper SCM An improving spectral angel mapper ［ C］∥Ninth JPL Airborne Earth Science Workshop．Pasadena JPL Publication， 2000 65 －74． ［ 11］ 修连存， 郑志忠， 俞正奎， 黄俊杰， 陈春霞， 殷靓， 王弥建， 张秋宁， 黄宾， 修铁军， 吴萍． 近红外光谱仪测定岩石中 蚀变矿 物 方 法 研 究［J］ ． 岩 矿 测 试， 2009， 28 6 519 －523． ［ 12］杨国鹏， 余旭初， 刘伟， 陈伟． 面向高光谱遥感影像的 分类方法研究［ J］ ． 测绘通报， 2007 10 17 －20． ［ 13］ 李国志， 丛利民， 刘冰， 王登科， 王宝林． 光谱匹配技术应 用于 ASTER 数据中提取蚀变异常［J］ ． 西部探矿工程， 2010 4 146 －148． ［ 14］ 董广军， 张永生， 戴晨光， 邓雪清． 基于信息散度特征的 高光谱影像识别技术［ J］ ． 仪器仪表学报， 2006， 27 6 2091 －2092． ［ 15］裴承凯， 傅锦． 高光谱遥感技术在岩矿识别中的应用 现状与前景［ J］ ． 世界核地质科学， 2007， 24 1 32 －38． ［ 16］ 白继伟， 赵永超， 张兵， 童庆禧， 郑兰芬． 基于包络线消除 的高光谱图像分类方法的研究［J］ ． 计算机工程与应 用， 2003 13 88 －90． ［ 17］ 徐元进， 胡光道， 张振飞． 包络线消除法及其在野外光谱 分类中的应用［ J］ ． 地理与地理信息科学， 2005， 21 6 11 －14． ［ 18］ 陈述彭， 童庆禧． 郭华东． 遥感信息机理研究［ M］ ． 北京 科学出版社， 1998 163 －164． 985 第 5 期黄婷婷， 等 基于吸收峰加权的岩矿光谱匹配方法研究第 30 卷 ChaoXing