高光谱遥感分类识别方法在油气信息提取中的应用.pdfVIP

高光谱遥感分类识别方法在油气信息提取中的应用 李 强 陈淑娟 (1．宁夏 国土资源地理信息中心；2．宁夏 国土测绘 院，宁夏 银川 750021) 摘要 ：目前，高光谱遥感技术在油气勘探 中的应用逐渐由传统的间接勘探变为直接利用高光谱的特性对 目标 区域可能存在的油气信息进行提取、分析。文章在分析总结了烃类微渗漏理论的基础上，研究了高光谱遥感 影像数据预处理方法，运用ENVI进行了数据的预处理并研究了高光谱遥感影像的分类方法。通过ENVI软 件按照高光谱数据处理流程对研究区资料进行信息提取。 关键词 ：高光谱 ；分类识别 ；端元 ；波谱角度填图 中图分类号 ：TP753 文献标识码 ：A 文章编号 ：1009—2374(2011)24—0121—02 一 、 高光谱遥感信息提取研究 被用于判定图像数据 内在的维数，隔离数据 中的噪 (一)端元及端元的线性混合模型 声，减少随后处理计算的需求。MNF本质上是两次层叠 遥感影像是以像元为基本单位来检测和获取地 的主成分变换。第一次变换基于对噪声协方差矩阵估 物信息，如果空间分辨率低，则一个像元内包括数种 计的，用于分离和重新调节数据中的噪声。 地物的可能性也大，就越有可能形成混合像元。线性 MNF变换也可以被用来从数据中消除噪声。主要通 混合模型 (Linear Mixing Mode1)常被用来模拟 过运行正向的变换，判定哪些波段包含相关图像，用 混合像元 的光谱数据特性，它主要通过一组确定的 波谱子集进行一次反向的 MNF变换。 特征光谱 向量和相应的混合 比例来描述影像中光谱 的混合情况，这一组特定的光谱 向量称为 “端元 ” (Endmember)，它通常指某种 “纯”的地物类型， 如土壤、岩体等。混合像元的光谱分解 (Spectral Unmixing)和端元 ／子像元 (Subpixe1)的提取，以 及 目标识别 (TargetRecognition)等是近年来高光 谱遥感应用研究中的一个热点。 a b 图1MNF处理前后单波段影像 高光谱影像中的每个像元都是其n维波段空间中的 2．纯净像元指数。在一幅影像中，真正 “纯”的 一 个点 (n为图像的波段数)，其中有一些称之为端元 像元并不多。在对图像进行MNF处理后，波段数大大减 (Endmember)的点构成了高光谱图像的基本元素。如 少，但像元数并没有减少。为了进一步减少数据量， 把高光谱图像的像元与n维空间里的散点联系起来，把 需要对提取端元作用不大的像元排队掉，即把那些比 图像分类与像元分解看作几何问题来研究，则形成利 较 “纯”的像元找出来。要获得较纯的端元波谱，目 用凸面单形体模型对高光谱遥感图像进行纯净像元的 前较好的方法就是对处理后的MNF图像进行纯净像元指 提取和地物识别。 数 (PPI)处理。 (二)端元提取方法 PP1只是给出了图像中纯像元的分布情况，并没有 正确选择端元是高光谱遥感影像信息提取的一个 给出具体的端元，要求得端元，还必须通过N～维可视 关键 。在无法获得地面实测资料的情况下，只能从高