多源遥感数据多特征融合的岩性自动分类方法及系统技术方案

本发明专利技术公开一种多源遥感数据多特征融合的岩性自动分类方法及系统，方法包括：获取多源遥感数据；提取多尺度光学遥感特征，构建光谱与纹理特征空间并进行光谱与纹理特征优选；提取雷达遥感特征，并面向岩性识别进行雷达遥感特征优选；提取多类型地形因子，并面向岩性识别进行地形因子优选；结合优选后的光谱与纹理特征、雷达遥感特征及地形因子特征，构建岩性分类特征空间，并基于岩性分类特征空间，结合监督分类算法和各岩性单元训练样本建立岩性自动分类模型，实现多源遥感数据多特征融合的岩性自动分类。本发明专利技术解决岩石像元间的“特征相异性”和“特征相似性”对基于单一类型遥感特征岩性分类精度的影响以及多源遥感特征特征冗余问题。征冗余问题。征冗余问题。

【技术实现步骤摘要】
多源遥感数据多特征融合的岩性自动分类方法及系统


[0001]本专利技术属于遥感数据处理
，尤其涉及面向岩性识别的光学、雷达、数字高程模型（Digital Elevation Model; DEM）等多源遥感数据多特征提取方法、高维特征集优化与岩性分类特征空间构建方法以及岩性自动分类方法，具体为一种多源遥感数据多特征融合的岩性自动分类方法及系统。

技术介绍

[0002]前人研究证实了利用光学遥感数据提取的光谱和纹理特征、利用雷达遥感数据提取的结构参数（后向散射系数和极化分解特征）和利用数字高程模型提取的地形因子等多源遥感特征对岩性自动分类的有效性。
[0003]遥感数据的光谱和纹理信息是应用于岩性分类的最基本信息。遥感数据的光谱信息能够反应地表不同类型矿物、岩石对不同波长入射光的选择性吸收、反射、透射和散射的综合特征差异，进而用于识别矿物、岩石类别。遥感图像纹理信息反应了图像中辐射亮度值的空间变化，也是用于识别对象的重要特征。随着SPOT、 QuickBird、WorldView及国产高分系列等高空间分辨率遥感数据（高分数据） 投入使用，其图像纹理特征较好的显示了岩石地层中的层理、节理、断裂等线性构造特征及岩性单元之间的接触关系，同时影像空间分辨率的提高也是解决混合像元现象的最有效途径。另外，从单一中分多光谱数据源同时提取光谱信息和纹理信息并应用于岩性分类已成为提高分类精度常用而有效的方法。
[0004]雷达影像反映的是雷达后向散射系数的相关信息，而后向散射系数是地表粗糙度、地形起伏以及地物的介电常数的综合反映。不同岩石介电常数存在着差异，这种差异为利用雷达影像后向散射系数进行岩性识别提供了依据。
[0005]遥感地形信息提供了地貌特征的定量描述，同时岩石类型与地貌成因类型密切相关。同时，地形信息可以反映出不同岩性侵蚀和风化差异，进而辅助岩性分类。
[0006]但不同类型遥感特征影像上均存在相同岩石类型像元间的“特征相异性”和不同岩石类型像元间的“特征相似性”的现象，因此，基于单一类型遥感特征进行岩性分类难以获得稳定的分类效果。近年来，也有部分研究尝试结合多类型遥感特征开展岩性自动分类，但这些研究中大多基于单一方法提取相关特征，未考虑不同方法提取特征的互补性。同时，这些研究大多将多类型遥感特征简单叠加，未对多源遥感特征进行优选，可能造成一定数据冗余，影响岩性分类效率与精度。
[0007]经检索，公开号CN113449469A的中国专利于2021年9月28日公开了一种基于多源信息融合的斜坡浅表层岩土工程性质区划方法，其采用不同源的三种土地利用数据，结合其各自提供的有效信息，通过数据融合方式，实现斜坡浅表层岩土工程性质区划划分。该专利申请仅是针对不同源土地数据的多源信息融合，未考虑同一数据多种类型遥感特征的融合。
[0008]又如公开号CN113625363A的中国专利于2021年11月9日公开的一种找矿方法，该方法基于雷达影像数据和多源遥感影像数据，从多个角度综合多种影像数据来提取多种信
息来实现找矿靶区的确定，但是该方法基于单一方法提取相关特征，未考虑不同方法提取特征的互补性。

技术实现思路

[0009]为克服上述现有技术的不足，本专利技术提供一种多源遥感数据多特征融合的岩性自动分类方法及系统，用以解决岩石像元间的“特征相异性”和“特征相似性”对基于单一类型遥感特征岩性分类精度的影响以及多源遥感特征特征冗余问题。
[0010]根据本专利技术说明书的一方面，提供一种多源遥感数据多特征融合的岩性自动分类方法，包括：获取多源遥感数据；提取多尺度光学遥感特征，构建光谱与纹理特征空间并进行光谱与纹理特征优选；提取雷达遥感特征，并面向岩性识别进行雷达遥感特征优选；提取多类型地形因子，并面向岩性识别进行地形因子优选；结合优选后的光谱与纹理特征、雷达遥感特征及地形因子特征，构建岩性分类特征空间，并基于岩性分类特征空间，结合监督分类算法和各岩性单元训练样本建立岩性自动分类模型，实现多源遥感数据多特征融合的岩性自动分类。
[0011]上述技术方案通过提取多源遥感数据光谱、纹理、结构和地形特征并进行特征优选，有效结合多源遥感特征对岩性自动识别的优势，面向岩性自动识别，实现多源遥感数据的优劣势互补，相较于单一遥感数据源和单一遥感特征的岩性自动分类，能够有效地提升岩性自动分类精度。
[0012]作为进一步的技术方案，获取多源遥感数据进一步包括：分别采集多光谱数据、高分数据、雷达遥感数据和DEM数据；对采集的高分数据和多光谱数据依次进行辐射校正、大气校正、正射校正、裁剪，得到预处理后的高分数据和多光谱反射率数据；对采集的雷达遥感数据进行热噪声去除、边界噪声去除、定标、Speckle滤波和多普勒地形校正，得到预处理后的后向散射数据；将预处理后的高分数据、多光谱反射率数据、后向散射数据和DEM数据重采样至同一空间分辨率下，并进行空间位置配准。
[0013]进一步地，多光谱数据宜收集ATSER数据、Landsat数据和Sentinel
‑
2数据等，ASTER 数据在短波红外和热红外波段光谱分辨率高，有利于岩性识别。高分数据可收集 WorldView系列、QuickBird系列和高分系列数据。雷达遥感数据可收集有Sentinel
‑
1单视复数影像（SLC，Single Look Complex）和地距影像（GRD, Ground Range Detected）。DEM数据可收集12.5m分辨率的PALSAR DEM数据。
[0014]作为进一步的技术方案，构建光谱与纹理特征空间，进一步包括：利用高分数据和多光谱反射率数据提取多类型光谱特征，形成多类型光谱特征集；利用高分数据提取多尺度纹理特征，形成多尺度纹理特征集；将多类型光谱特征集和多尺度纹理特征集进行合并，形成光谱与纹理特征空间。
[0015]利用高分数据与多光谱数据提取多类型光谱特征进一步包括：对预处理后的各类型高分数据与多光谱数据，利用主成分分析（PCA）、最小噪声分离（MNF）、独立主成分变换（ICA）、缨帽变换（TC）等算法进行光谱信息提取，将不同数据不同方法提取的光谱特征进行
波段绑定，形成多类型光谱特征集。
[0016] 利用高分数据提取多尺度纹理特征进一步包括：计算预处理后高分数据各波段图像协方差值，选取协方差最大的波段图像，利用灰度共生矩阵方法，按照不同统计参数、不同提取窗口大小、不同窗口移动方向提取多尺度纹理特征，形成多尺度纹理特征集。提取纹理特征的统计参数包含均值（Mean）、方差（Variance，VAR）、同质性（Homogeneity，HOM）、对比度（Contrast，CON）、相异度（Dissimilarity， DIS）、熵（Entropy，ENT）、二阶矩（Second moment，SM）和相关性（Correlation， COR）等。
[0017]作为进一步的技术方案，对光谱与纹理特征进行优选，进一步包括：引入广义正态分布优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.多源遥感数据多特征融合的岩性自动分类方法，其特征在于，包括：获取多源遥感数据；提取多尺度光学遥感特征，构建光谱与纹理特征空间并进行光谱与纹理特征优选；提取雷达遥感特征，并面向岩性识别进行雷达遥感特征优选；提取多类型地形因子，并面向岩性识别进行地形因子优选；结合优选后的光谱与纹理特征、雷达遥感特征及地形因子特征，构建岩性分类特征空间，并基于岩性分类特征空间，结合监督分类算法和各岩性单元训练样本建立岩性自动分类模型，实现多源遥感数据多特征融合的岩性自动分类。2.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法，其特征在于，获取多源遥感数据进一步包括：分别采集多光谱数据、高分数据、雷达遥感数据和DEM数据；对采集的高分数据和多光谱数据依次进行辐射校正、大气校正、正射校正、裁剪，得到预处理后的高分数据和多光谱反射率数据；对采集的雷达遥感数据进行热噪声去除、边界噪声去除、定标、Speckle滤波和多普勒地形校正，得到预处理后的后向散射数据；将预处理后的高分数据、多光谱反射率数据、后向散射数据和DEM数据重采样至同一空间分辨率下，并进行空间位置配准。3.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法，其特征在于，构建光谱与纹理特征空间，进一步包括：利用高分数据和多光谱反射率数据提取多类型光谱特征，形成多类型光谱特征集；利用高分数据提取多尺度纹理特征，形成多尺度纹理特征集；将多类型光谱特征集和多尺度纹理特征集进行合并，形成光谱与纹理特征空间。4.根据权利要求3所述多源遥感数据多特征融合的岩性自动分类方法，其特征在于，对光谱与纹理特征进行优选，进一步包括：引入广义正态分布优化算法，结合各岩性单元训练样本，对光谱与纹理特征进行优选。5.根据权利要求1所述多源遥感数据多特征融合的岩性自动分类方法，其特征在于，提取雷达遥感特征，并面向岩性识别进行雷达遥感特征优选，进一步包括：对雷达遥感数据进行极化分解，获得极化分解特征；基于各岩性单元训练样本，计算后向散射系数和极化分解特征的各岩性单元训练样本像元均值，并对比同一特征上各岩性单元训练样本像元均值，选取各岩性单元像元均值差异大的...

【专利技术属性】
技术研发人员：帅爽，张志，马梓程，王亚毛，彭艳鹏，熊忠招，谢菲，王旭，龚元夫，陈思，肖瑶，谢翠容，岳常海，孙天成，孟丹，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：