目标探测算法在地质小目标探测上的性能评价.pdfVIP

目标探测算法在地质小目标探测上的性能评价 魏欣欣，燕守勋 (中国科学院遥感应用研究所高光谱实验室，北京100101) 摘要：受图像分辨率的影响，一些矿物蚀变信息在遥感影像上以亚像元的形式存在，在整 个场景中为低概率存在目标，需要从蚀变矿物与背景物的光谱差异上来寻找目标物。鉴于 目标探测算法在军事小目标探测上的优势，本文将目标算法用于探测地质小目标——蚀变 矿物。通过比较各种目标探测算法对试验区内绢云母的探测效果，评估和优选适合于探测 地质小目标的探测器。 关键词：目标探测；蚀变信息：RoC；信杂比 1引言 围岩蚀变是重要的地质现象之一，也是重要的找矿标志。在遥感图象中，由于受到地 面采样距离的限制，在很多情况下蚀变信息仅仅作为一种弱的信号存在于图象中。如何从 遥感图象中提取出蚀变信息一直是资源遥感应用与评价研究的重点Ⅲ。当感兴趣的目标只 是出现在少数像元与亚像元中，其形态和结构等空间特性都不能从图像上直接确定，对于 这类目标不能从基于空间特征的数据处理而是要通过目标与背景之间存在的光谱特征差异 来探测。 目标探测技术是寻找图像中有一定形态特征或光谱特性的少数目标憎1。不同植被类型覆 盖背景下低概率出露蚀变岩及其相关地质体的野外发现困难，以往的基于空间特性统计的 方法不能满足对这类目标的遥感探测。相比较目标探测技术在军事上的成功应用，基于光 谱特性的目标探测技术在探测地质小目标上具有应用潜力。本文所研究的蚀变目标主要是 小存在概率目标和亚像元级目标，例如在植被覆盖下的低出露的蚀变围岩，被其它地物所 遮挡，仅有少量表面暴露。 本文首先介绍目标探测算法的分类，然后针对陕西秦岭镇安丁马金矿区一带的 HYPERION影像，利用相应的目标探测算法进行矿物探测，从而对各种探测算法进行评估和 优选。 2目标探测技术 高光谱面向特定感兴趣低概率出露目标的应用主要为：异常探测和目标识别旧1。异场探 测：从一景盲图像中定位和识别预先不知，但是感兴趣的小的低概率目标。目标识别：根 据图像的先验知识，可以是从图像中提取的目标端元光谱或者从光谱库中获得的光谱数据 进行目标的准确识别。两者都属于目标探测，就是寻找图像中有一定光谱特征的少数像元， 回答目标对于像元是“有”还是“无”的问题。 2．1目标探测算法 根据对目标信息的了解情况可以对目标探测算法分为三类…：监督亚像元探测、非监督 74 亚像元探测、自动亚像元探测，如图l所示。 监督亚像元探测需要己知欲探测的目标物的信息，包括要探测的目标物的光谱信息或 者丰度信息，例如：只需要已知目标物光谱信息的算法：ACE(自适应一致光谱角估计器)、 圆轮廓背景的探测器)；同时需要知道目标物和背景物光谱信息的算法：OSP(正交亚空间 投影探测)、GLRT(无显著特性的似然比探测)。非监督亚像元探测不需要已知目标物信息， 该算法直接从图像中提取所需要的目标物信息，这样的信息被称为后验目标物信息，例如： UTGP(非监督目标生成处理)。自动亚像元探测不需要任何目标物信息，直接从图像中探测 异常信息，例如RXD(异常探测算法)、LPD(低概率探测算法)。 根据建立算法所采用的数学模型，目标探测算法可以分为：基于概率统计模型的探测 算法和基于亚空间模型的探测算法。基于同一种模型建立的算法之间存在一定的相关性。 ACE、脚是基于似然比法则的算法陋1，ACE是对白化空间中目标向量与样本像元光谱角度量： AMF则是两者在白化空间中距离的度量，CEM基于fisher判别准则的算法哺1，能够突出目 标物，压制背景信息干扰；前面的算法都是假设场景满足高斯分布时建立的，ECD基于椭圆 轮廓模型旧1的算法，用非高斯模型更合理地描述场景分布，凸显目标；RXD是对白化空间中 样本向量自身的内积的计算，内急越大越有可能是异常；OSP是基于亚空间模型建立的算法 哺1，将样本向量和目标向量投影到背景子空间后的做内积，使得信噪比最大。GLRT两种模 型的思想都有。 在地质小目标上的探测效果。 图l：目标探测算法的分类 2．2算法性能的评估 Characteristic) 对探测的结果分别计算信杂比和绘制ROC哺1(Receiver