ETM+遥感图像中地质信息的提取

遥感图像中地质信息的提取是从遥感图像获取信息的基本过程。而根据地质工作的要求，运用解译标志和实践经验，应用各种解译技术和方法，识别出地质体，地质现象的物性和运动特点，测算出某种数量招标的过。

遥感图像中的地质信息包括影像的几何形状，大小、花纹、色彩或色调和其他隐含信息（如，蚀变信息等）等。它们是遥感的空间和波谱信息的图形显示。其中能识别地质体和地质现象，并能说明其性质和相互关系的影像特征，称为地质解译标志。分为直接解译标志和间接解泽标志。

近年来，随着遥感图像数字处理的飞速发展，通过对遥感图像空间域和频率域上的处理，人们可以从遥感图像上获取越来越多的地质信息，如构造信息、岩性信息和蚀变信息等。而通过多元信息（地、物、化、遥）的复合，能更进一步地获取遥感图像上所隐含的地质信息，如遥感地质成矿模型、成矿预测、靶区选择等。使得遥感技术在地质中发挥越来越重要的作用。鉴于Landsat 7 ETM+是目前广泛使用的卫星影像，因此本文以 ETM+遥感影像为主要数据源，对其进行地质信息的提取研究。

（1）构造信息的提取（线性构造和环形构造）

“线性构造”一词最早是由美国地质学家HobbsWH（1904）提出，包含有地质构造、断裂等意义。利用遥感影像判读得到的线性形迹不完全是线性构造，但可以根据岩性界线、地质构造、水系分布和地貌等特征，将具有地质意义的线性构造逐一加以识别。这些线性构造随不完全是断裂构造，但从宏观和统计角度上来看，可以反映该地区的地壳破裂（断裂）、挤压（断裂和褶皱）等构造特征的总面貌。

线性构造的形态，主要呈直线状。弧形和环形是线性构造的特殊形态。线性构造可以是单一的也可以是复合的。且绝大多数的大型线性构造都是复合的、由许多线性构造组合成的线性构造带。它们在影像上清晰醒目、形态粗大、延伸远，往往是重要断裂带的显示。而且这种线性构造带也往往是那些长期反复活动或近期活动断裂的反映。

无论何种方法获取的遥感图像，它所显示的地球表面景观，都是成像区地壳演化史中历次形成的构造与建造的综合表现，是一系列内力-外力因素相互作用的结果，在有人类活动的地区还包含有人文现象。在对遥感图像进行地质构造判读时，经常可见大量各种几何形态的线性构造和环形影像，组成的错综复杂的图案。要确认具有构造意义的影像要素，并加以综合分析，从其几何特征、相互关系及地质体之间的联系方面阐明其构造属性、生成先后、复合关系及控矿作用。因此，分析地质构造的影像特征是至关重要的一个环节。

（2）断裂构造的影像机理及信息提取

在遥感影像上，断裂构造主要是通过它所具有的个性特征加以识别和确定。物体的个性包括这个物体所显示的特性和所占据的位置，断裂构造除确切地存在于某个确定地点外，本身也具有与其他人为线性现象如铁路、公路及自然地质现象如山脊线、山谷线、河流等不同的特征。由于受构造断裂活动的影响，断裂带本身及其旁侧在含水性、岩石成分以及结构特征方面与其外围均存在较明显的差异（有时甚至影响到植被的发育），这些差异通过地物波谱的异常反映出来，并在图像上显示出不同的色调、纹理结构和水系格局。这些个性特征便成为解译断裂构造的标志。

要准确地识别这些解译标志，还需要对遥感图像进行信息提取和增强处理工作。目前采用的主要方法有：①光谱信息增强，如彩色合成、基于小波变换的遥感信息融合、主成分分析等；②空域处理，如方位滤波、霍夫变换、高氏滤波等；③影像纹理分析，如基于共生矩阵的纹理参量分析、基于边缘信息的纹理特征提取算法；④分形几何学处理，如基于分形几何的影像纹理分析、多重分形分析等。

在实际应用中，根据项目需要、研究区地质地貌条件及遥感图像统计特征，选择合适的处理方法和数学模板，来增强构造线性体的影像信息标志。

（3）岩性信息的提取

使用卫星图像来进行岩性地层目视解译，是遥感图像地质目视解译工作中较难部分。图像上有些地层和岩性，例如具有良好岩溶地貌的石灰岩，第四纪某些松散沉积物等，它们的解译几乎是一目了然，很易识别。但对深变质而又受混合岩化的岩石，或岩性很相近的杂岩体内，详细划分岩性就困难了。岩性地层的解译工作应当由浅入深，同时尽量利用多波段遥感图像，使用数字图像增强技术，来提高解译能力。

随着卫星遥感和航空遥感图像分辨率的不断提高，人们可以从遥感图像中获得更多有用的数据和信息。遥感图像分类是通过对遥感图像中各类地物或者现象的光谱信息、空间结构信息等特征进行分析判别，发现特征模式，用一定的分类原则将特征空间划分为互不重叠的子空间，并拓展到整个图像中。不同岩性地层在遥感图像中具有不同的纹理特征，因此，地物的纹理特征描述对正确区分各类不同的岩性具有重要意义。本次研究就是先是分类前建立样本区类别的先验知识，再提取相应类别的训练样本，然后参照此图像提取相应类别的训练样本，利用监督分类进行二次分类，使分类精度和效率都得到提高，最后结合已有地质资料进行人工补充解译，修订之前的机器解译。从而达到正确认识客观存在的目的。为下一步工作奠定良好基础。岩性识别流程图如图3-23：

图3-23 遥感影像岩性信息提取流程图

遥感的对地观测系统是一个信息流交换的过程：电磁波与地表物体相互作用形成地表信息交流。而遥感影像信息提取技术就是最大限度地从遥感图像上的光谱信息反演出目标地物本身的属性特征信息。进而可对地球表层资源与环境进行探测、分析，并揭示其要素的空间分布特征与时空变化规律。遥感影像信息的提取技术是建立在对地物规律有充分的了解的基础之上的，其综合物理手段、数学方法和地物状态识别等认识，通过对影像的处理与分析，获得能反映区域内地物的分布规律和变化过程的有效信息的技术方法。

遥感地物识别主要依赖于地物的光谱和空间特征的差异。多光谱由于光谱分辨率低，地物的光谱特征表现不充分，地物识别主要依赖地物的空间特征，包括灰度、颜色、纹理、形态和空间关系。信息处理和信息提取主要是应用图像增强、图像变换和图像分析方法，增强图像的色调、颜色以及纹理的差异，达到最大限度地区分地物的目的。随着成像光谱仪研制成功以及其产业化的发展，遥感地物信息提取也随之进入了一个崭新的时代。成像光谱对地物的识别主要是依赖于地物的光谱特征，是直接利用岩石矿物的光谱特征进行地物识别，定量分析地物信息。下面从多光谱和高光谱遥感信息处理两方面来加以论述。

1多光谱方法研究进展

多光谱的信息提取主要集中于：色调信息提取，纹理信息提取，信息融合。

（1）色调信息提取

对于色调信息提取，主要是采用一些增强处理，扩大图像中地物间的灰度差别，以突出目标信息或改善图像效果，提高解译标志的判别能力，如反差扩展、彩色增强、运算增强、变换增强等，这些传统的图像处理方法在一定程度上满足了应用的需要。近年来发展了一系列的以主成分变换为主的信息提取技术，在岩矿信息提取中发挥了重要的作用。如张满郎（1996）提出修正的直接主成分分析提取铁氧化物信息。OF 变换（Maxium Noise Fraction Transformation）（Kruse，1996，Creen，et al，1988），NAPC（Noise-adjust Principal Components Transform）（Lee，et al，1990）、分块主成分变换（Jia，et al，1999）、基于主成分的对应分析（Carr，et al，1999），以及基于主成分分析的空间自相关特征提取（Warner，et al，1997）、子空K投影（Harsanyl，et al，1997）和高维数据二阶特征分析（Lee，et al，1993；Haertel，et al，1999）等，也是基于主成分分析进行信息特征选择与特征提取。同时，根据模式识别的原理，提出并设计出监督分类与非监督分类方法：以及利用决策树进行分类识别（Wrbka，et al，1999；Friedl，et al，1999；Hansen et al，1996），这些技术与方法是建立在图像灰度特征之上，利用数理统计的知识进行地物分类与信息提取。

（2）纹理信息提取

遥感影像的边缘和纹理信息对线环构造的识别具有一定作用，但却似乎无助于岩性的识别。边缘信息提取通常采用滤波算子或锐化的方法进行（Gross，et al，1998；Varbel，2000）。纹理信息提取通常采用共生矩阵、傅立叶功率谱和纹理谱等方法。

（3）信息融合

多源数据融合研究也非常普及与深入，其技术方法涉及不同的数理知识（Jimen，et al，1999；Pohl，1998；Robinson，et al，2000；Price，1999；Gross et al，1998），比如小波信息融合。应用面涉及非遥感数据（王润生，1992；朱亮璞，1994），如遥感数据与地化数据、物探数据的叠置与融合。这些方法一方面开阔了遥感的应用视野，另一方面也扩展了遥感的应用能力。

总的来说，多光谱遥感岩矿信息提取主要是基于图像灰度特征，即基于岩矿的反射率强度差异，采用一些数学变换方法，增强或突出目标信息，使之易于目视解译。在数据处理中，由于波段有限，未能有效地导入岩矿类别的光谱知识，其结果精度更多地取决于研究人员的经验。

2高光谱方法研究进展

成像光谱技术是多光谱技术发展的飞跃，它是在对目标对象的空间特征成像的同时，对每个空间象元经过色散或分光形成几十个乃至几百个窄波段以进行连续的光谱覆盖。形成的遥感数据可以用“图像立方体（三维）”来形象描述，其中两维表示空间，另一维表征光谱。这样，在光谱和空间信息综合的三维空间内，可以任意地获得地物“连续”的光谱以及其诊断性特征光谱，从而能够基于地物光谱知识直接识别目标地物，并可进一步地获取定量化的地物信息。在地质应用中，矿物识别和信息处理技术可分为：①基于单个诊断性吸收的特征参数；②基于完全波形特征以及③基于光谱知识模型三大类型。

岩石矿物单个诊断性吸收特征可以用吸收波段位置（λ）、吸收深度（H）、吸收宽度（w），吸收面积（A）、吸收对称性（d）、吸收的数目（n）和排序参数作一完整地表征。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如IHS编码与吸收波段图（Kruse，1988）是利用连续法去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像以及波段半极值宽度图像，并分别赋予HS I 空间的明度（H）、强度（l）和饱和度（S），然后逆变换到RGB色度空间。从而根据色调差异进行矿物直接识别。在描述岩矿单个诊断性吸收特征参数中，吸收深度是一非常重要的特征指标而受到重视。如相对吸收深度图（RBD image，Relative absorption Band-depthimage）（Crowley，et al，1989）采用比值运算来增强识别端元的吸收深度，即根据要识别端元的单个诊断性吸收峰的两侧肩部反射率之和，除以其谷中心邻近两侧对应波长的反射率之和的商图像，来表征端元矿物诊断性吸收峰的相对吸收深度。不同端元矿物的RBD图像，除象元本身比值大小代表了端元矿物存在的可能性外，通过进一步地诸如PC变换分析进行特征增强与选择来识别端元矿物。由于吸收峰的非对称性，采用RBD方法难以准确描述其特征。连续插值波段算法（CIBR，continuum interpolated band algorithm）（De Jong，1998）和光谱吸收指数图像（SAI，spectral absorption index image）（王晋年等，1996）与相对吸收深度图方法类似，但引入了对称度因子，使其对吸收特征的描述更为合理。CIBR是利用诊断性光谱吸收谷中心的辐射值，除以左右肩部的辐射值与吸收特征对称度因子之积的和，产生相应的商图像，用以增强不同矿物的诊断性吸收深度，进行矿物识别。SAI方法与CIBR类似，也是对单个吸收波形肩部的特征增加了对称度因子。上述方法类似于常规比值或彩色增强处理。与常规增强处理最大不同之处在于有机地融入端元矿物的光谱特征这一先验知识，针对性、目的性更明确。由于大气辐射对遥感数据中波谱特征的影响、光谱混合形成的光谱漂移和变异对单个波形的影响，使识别结果含有较大的干扰。

成像光谱最大的优势在于利用有限细分的光谱波段，去再现象元对应物的波谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响（如光谱漂移、变异等），提高识别的精度。基于整个波形的识别技术方法是在参考光谱与象元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。例如，光谱匹配（SM，Spectral matching）（Baugh，et al，1998）利用岩矿光谱矢量的欧氏距离测度函数，即求图像象元光谱与参考光谱在光谱空间中的差异大小。距离愈小，表示图像端元光谱或待识别的端元光谱与来自实验室或野外实测的参考光谱之间拟合程度愈高。类似地，相似指数（SI，similarity index algorithm）（Fenstermaker，et al，1994）是基于欧氏距离侧度，根据已知地物类型的图像象元平均光谱与未知图像象元光谱的波段差值平方和的均值大小来识别地物。以上两种方法比基于单个吸收波形参数识别技术可靠。但往往由于光谱数据分辨率的影响，其光谱的差异不明显，同时又因欧氏距离测度固有的缺陷而难以对地物进行准确分类与识别。光谱角识别方法（SAM，spectral angle mapper）（Ben-Dor，et al，1994；Crosta，et al，1998；Drake，et al，1998：Yuhas，et al，1992）是在由岩矿光谱组成的多维光谱矢量空间，利用一个岩矿光谱矢量的角度测度函数求解岩矿参考光谱端元矢量（r）与图像象元光谱矢量（t）的相似程度。参考端元光谱既可来自实验室、野外测量，也可来自已知类别的图像象元光谱。根据两者相似程度大小，识别与提取矿化蚀变信息。该方法的难点在于如何合理地选择阈值进行信息分割。不过，从已有应用的角度看，该方法简单易行、比较可靠。交叉相关匹配（Fer-rier，et al，1999；Varder Meer，et al，1997）是使用一个相关因子（r）作为相似性指数，通过逐象元交叉相关匹配进行矿物识别。当参考光谱与检验光谱完全匹配时，其位置m=0；参考光谱向长波方向移动时，其m＜0。反之，m＞0。在RGB空间，分别赋予斜度（skewness），t检验值与相关因子以R，G，B；若在“0”匹配位置，其斜度、t检验值与相关因子（r）均接近于“1”而显示为白色，从而识别出端元矿物。对于矿物的智能识别，往往也采用完全谱形。例如，Tetracord矿物识别软件是基于UNIX平台，利用光谱数据库中的光谱与图像光谱拟合从而自动进行识别矿物；王润生等（1999）根据矿物的完全波形，利用神经网络进行矿物自动识别。以上方法在具有大量已知地物光谱时适应性强。对图像地物识别更有用。但明显不足是由于实际地物光谱变异、获取数据受观测角以及颗粒大小的影响而造成光谱变化，对于整体光谱特征差别不太大的地物，准确匹配比较困难，造成岩矿识别与分析上的混淆和误差。

基于光谱模型的识别的技术方法是建立在一定的光学、光谱学、结晶学和数学理论之上的信号处理技术方法。它不仅能够克服上述方法存在的缺陷，而且在识别地物类型的同时精确地量化地表物质的组成和其他的物理特性。例如，建立在Hapke光谱双向反射理论基础之上的线性混合光谱分解模型（SMA/SUM）（Adams，et al，1986；Mustard，et al，1987；Roberts，et al，1997；Sabol，et al，1992；Settle，et al，1993；Shipman，et al；1987：Shimabukuro，et al，1991；Smith，et al，1985），可以根据不同地物或者不同象元光谱反射率响应的差异，构造光谱线性分解模型。一个象元内并非存在单一类型地物，而更多地由不同类型地物组成。因此，在大多数情况下，象元光谱并非为纯地物光谱的线性混合，而更多地表现为非线性。对于单散射，可作为线性模型分解，多散射则认为非线性混合。由于平均单散射反照率丰度主要依赖于成分含量不同而可以认为是线性混合（Mustard，et al，1987）。这样，通过单散射反照率（SSA）转换，即可以利用算子W=（3r+6）r/（1 +2r）2，将非线性“线性化”，再进行光谱分解。Tompkins（1996）提出修正的光谱混合分析（MSMA）模型。该模型利用虚拟端元，采用一个阻尼最小二乘算法，根据一定的先验知识，有效地并最终可以选择亚像端元进行光谱分解，提高了SMA实用性。与SMA相比，MSMA最大的不同表现在：①端元以及其丰度均作为未知变量；②对数据组中所有象元同时求解。对于能量约束最小模型（CEM，constrained en-ergy minimization technique）（Farrand，et al，1997；Farrand，et al，1996；Resmini，et al，1997）是在成像光谱图像序列中，运用一个目标区域（或ROI区域，region of insteresting）与象元光谱（ri）相关的权系数wk来描述象元向量的数字值y，从而进行特征选择与分解进行地物识别与信息提取。与混合光谱分解模型一样，该分解结果在一定程度上，不仅代表了识别象元的类型信息，而且有机地表示了其丰度比值。与混合光谱分解模型不同的是，该方法更多地依赖于目标区域的统计特征，但结果更精确。总之，这些方法更多地依赖光谱学知识与数理方法，在实际应用中由于难以确定特征参数或难以准确地描述光谱模型而限制了该类技术方法的应用。不过，由于该类方法在识别地物的同时量化物质组成，因此就其发展趋势而言，随着一系列技术的成熟与光谱学、结晶学等知识的深入发展，识别精度的改善与量化能力的提高，其应用将会越来越广泛。

国内也相继开展了一些成像光谱进行矿物直接识别应用试验，但由于国产传感器的性能尚不够完善，数据信噪比较低。但在定性岩矿识别方面取得了一定的收获。如甘甫平等（2000）利用基于波形特征组合的主成分分析有效地对河北张家口后沟金矿区进行了岩性划分；刘庆生（1999）利用对应分析提取出内蒙古某矿区的含金蚀变。在直接定量矿化识别、识别模型和识别谱系等方面都落后于美国等发达国家，相比还存在一定差距。

总之，岩矿光谱学机理研究、遥感信息提取基础与遥感信息提取方法技术研究，三者之间相辅相成，具有一定的对应关系。

遥感地物光谱应用基础与遥感影像信息提取技术研究随着遥感光谱成像技术的发展而发展，两者研究方向与趋势都主要集中在光谱特征知识与地物物理化学属性的关联以及光谱物理模型两大方面。对地物物化属性与光谱特征的相关性和对光谱物理模型的深入分析与研究可从不同的角度为遥感直接识别矿物、提取地物的分布规律、属性、物化性质以及进行地物深层次信息挖掘等提供理论基础支撑，推动遥感应用技术的发展。遥感地学应用的实用化与产业化是遥感地物光谱应用基础与遥感地物影响信息提取技术研究相互促进的结果。

地物光谱学机理研究、遥感信息提取基础与遥感信息提取方法技术研究的发展将导致三者的结合，并最终综合于遥感应用模型和技术集成中，以便充分利用各自的优势，提高遥感应用能力并增强对地质应用的理解，以及模拟、评估和预测地学发展的规律。

一、特点不同

1、遥感

获取信息的速度快，周期短。由于卫星围绕地球运转，从而能及时获取所经地区的各种自然现象的最新资料，以便更新原有资料，或根据新旧资料变化进行动态监测，这是人工实地测量和航空摄影测量无法比拟的。例如，陆地卫星4、5，每16天可覆盖地球一遍，NOAA气象卫星每天能收到两次图像。Meteosat每30分钟获得同一地区的图像。

2、地理信息系统

1）公共的地理定位基础。

2）具有采集、管理、分析和输出多种地理空间信息的能力。

3）系统以分析模型驱动，具有极强的空间综合分析和动态预测能力，并能产生高层次的地理信息。

二、分类不同

1、遥感

根据工作平台层面区分：地面遥感、航空遥感（气球、飞机）、航天遥感（人造卫星、飞船、空间站、火箭）。

根据记录方式层面区分：成像遥感、非成像遥感。

根据应用领域区分：环境遥感、大气遥感、资源遥感、海洋遥感、地质遥感、农业遥感、林业遥感等。

2、地理信息系统

按功能分类：专题地理信息系统(Thematic GIS)、区域地理信息系统(Regional GIS)、地理信息系统工具(GIS Tools)

按内容分类：城市信息系统、自然资源查询信息系统、规划与评估信息系统、土地管理信息系统等、GIS中使用的技术

三、应用不同

1、遥感

遥感技术已广泛应用于农业、林业、地质、海洋、气象、水文、军事、环保等领域。在未来的十年中，预计遥感技术将步入一个能快速，及时提供多种对地观测数据的新阶段。

遥感图像的空间分辨率，光谱分辨率和时间分辨率都会有极大的提高。其应用领域随着空间技术发展，尤其是地理信息系统和全球定位系统技术的发展及相互渗透，将会越来越广泛。

2、地理信息系统

在科学、政府、企业和产业等方面更广泛的应用，应用包括房地产、公共卫生、犯罪地图、国防、可持续发展、自然资源、景观建筑、考古学、社区规划、运输和物流。地理信息系统也分化出定位服务(LBS)。

参考资料来源：百度百科-遥感

参考资料来源：百度百科-地理信息系统

遥感卫星影像土地利用提取方法

变化信息直接提取法

变化信息直接提取,是对两个时相的遥感图像进行点对点的直接运算,经变化特征的发现，分类处理,获取土地利用变化信息。主要方法有4种。

图像差值法。即将一个时相的某一波段光谱灰度值减去另一时相的对应像元的光谱灰度值,较早应用的是单波段图像差值法。单波段差值图像中难以提取动态信息;对MSS7,MSS5,MSS4差值图像进行彩色合成,则可综合各个波段的动态信息,并很好地突出植被变化信息。

图像比值法。这是对两个时相多谱段数据中同名像元的光谱灰度值施以除法运算。比值法可以部分地消除阴影影响,突出某些地物间的反差,具有一定的图像增强作用。一方面,比值图像可供直接判读,提取其中的专题信息。另一方面,只要稍加逻辑变换,便可用以直接检测明显变化的环境要素。

植被指数法。是综合利用植被在红光部分的强吸收与在近红外部分的强反射特点提取植被动态信息。常见的有比值植被指数，归一化植被指数，垂直植被指数,这些指数在森林资源动态监测中使用尤其广泛。

多时相复合分类法。将两时相或多时相遥感数据复合,通过遥感分类提取变化信息。在这种方法的监督处理过程中,训练区的确定比较困难。

计算机自动分类后比较法该方法是在对比多时相的遥感图像前,先进行各时相遥感图像的单独分类"用该方法的优点是能获取各个像元的土地利用转变类型,不仅能获取变化的数量和特点,还能获取变化 的类型,并有利于减少不同时相图像因大气和传感器差异产生的误差。但是,这一方法由于受到单独分类所带来的误差影响,可能会夸大变化的程度。

目视解译法

该方法是以土地利用现状调查资料为基础,确定各地类的解译标志,在遥感图像上划出各地类界线,得到遥感分类图,再比较各时相的遥感分类图。此外,香宝提出了RS,GI S一体化,即通过遥感数字图像——人机交互判读——计算机量测汇总——数据库来提取土地利用信息的方法。 上述3种提取变化信息的方法,无论哪一种都涉及到分类方法。遥感分类方法的提高一直是遥感技术方法研究的重要领域。计算机自动分类与目视解译各有优缺点,本文把两种方法结合起来,得到了很好的效果。

遥感影像以其宏观性、客观性和地质信息的丰富性、多层次性在地质研究和矿产预测中取得了愈来愈明显的效果。遥感影像中的线性、环形构造为研究控矿地质构造提供了许多信息，且基于岩石、矿物波谱曲线的遥感蚀变信息的提取，对于圈定蚀变带，进行成矿靶区预测有重要意义。

从研究区成矿模式来讲，提取构造带、蚀变带是本区遥感信息提取的主要目标。本次工作采取构造信息和蚀变信息提取两种方法相结合策略，其基本思想是将提取出的构造信息和蚀变信息，结合工作区的化探和地质信息进行多源信息综合分析，以圈定稀有金属成矿远景区。

（一）遥感图像的收集与预处理

应用遥感技术在新疆富蕴地区进行稀有金属资源勘探的重点内容是提取工作区构造和蚀变信息，在数字图像处理的方法上以卷积和定向滤波、比值变换、彩色合成处理为主。本次工作使用的遥感图像为LandsatETM+及P142/R027多光谱数据，空间分辨率为30m，影像获取时间为2002年7月14日。

遥感是通过对反映地物电磁波辐射水平的灰度信息的处理分析与解译进行地物识别和专题研究。由于其成像过程中各种因素（如卫星速度、大气与地物反射与发射电磁波的相互作用、随机噪声等）的影响，实际的图像灰度值不完全是地物辐射电磁波能量大小的反映，其中包含上述因素作用的影响。为有效地对图像上代表性地物样区进行波谱分析和蚀变信息的提取，在进行图像处理之前，对图像进行了几何精纠正、大气校正、裁剪、亮度值动态范围拉伸等预处理。预处理后研究区742假彩色合成影像如图4—21所示。

图4—21 工作区ETM742彩色合成图像

（二）蚀变信息的提取

遥感探测的是地表物质的光谱信息，因此只要有一定面积的蚀变岩石出露，遥感就有可能测出。即使矿体是呈隐伏的状态，只要有蚀变岩出露，就有可能在TM（ETM+）图像上有所表现，尤其是为数众多的热液矿床。当然蚀变信息的强弱、规模、类型等因素也很重要，目前认为中等强度和规模以上的蚀变带对于TM（ETM+）蚀变信息提取是十分有利的。有时尽管有蚀变岩存在，但不一定有矿。然而，剧烈且较大范围的围岩蚀变常常指示着大矿及富矿的存在。大型、特大型内生热液矿床一般均有强烈且较大范围的围岩蚀变，并且具有分带现象（如斑岩铜矿），这是以找矿（特别是大矿、富矿）为最终目的蚀变遥感异常提取的地质依据。

从Hunt（1978）和他领导的实验室的研究成果以及阎积惠等（1995）依据矿物反射波谱特征吸收谱带特点的定性分类研究中可以知道，主要造岩矿物在可见光—近红外光谱（波长035～025μm）并不产生具有鉴定意义的反射谱带，其光谱特征主要由岩石中为数不多的次要矿物决定。

一是由含铁（Fe2+，Fe3+）基团产生，含铁矿物主要有角闪石、赤铁矿、褐铁矿、针铁矿、磁铁矿、黄钾铁矾等，它们在TMl～TM4波段有强吸收带，若岩石中含多量的Fe3+，而含Fe2+较少，这类岩石的主要吸收谱带位于TM4和TM1波段，反射波长相当于TM3波段的电磁波。若含大量的Fe2+、含Fe3+较少，则主要吸收谱带位于TM1波段，对于波长相当于TM2波段的电磁波有某种程度的反射。

二是由含羟基（OH－）、水（H2O）或碳酸根（CO32－）基团产生，羟基的吸收谱带主要有22μm和23μm波长两处，由于OH－在22～23μm波长附近存在强吸收谷（称为羟基谱带），使得TM7产生低值、TM5产生高值，含轻基矿物大多为次级蚀变矿物，如高岭土、叶蜡石、云母类矿物、绿泥石、绿帘石等，水在14μm和19μm波长处有特征吸收带。含碳酸根矿物主要有五个特征吸收谱带（波长19～255μm），较强的两个在235μm和255μm波长处（称为碳酸根谱带），相对较弱的在19μm、20μm、216μm波长处。

蚀变信息提取步骤：

首先，将遥感图像按研究区坐标范围进行裁剪。

第二，进行铁染信息的提取。为了不影响蚀变信息的提取，首先将遥感图像上工作区内的植被、水体、盐碱地、雪进行掩膜。由于植被在ETM4有强反射，而在ETM3呈现吸收的特点，所以植被用ETM4/3＞1掩膜效果较好（图4—22）；水体用划定感兴趣区与确定临界值相结合的方法进行掩模（图4—23）；雪地（图4—24）和盐碱地（图4—25）的掩膜通过确定临界值的方法去除效果较好，其中，雪地的临界值范围为：ETM7：0～50、ETM4：70～160、ETM2：70～145，盐碱地的临界值范围为：ETM7：95～150、ETM4：70～160、ETM2：70～145。去除干扰信息后，用ETM3/1来提取铁染信息。并用均值与2倍标准差之和（μ+2σ，**）作为下限来提取铁染信息，将提取的铁染信息与ETM3波段遥感影像叠加的效果如图4—26所示。

图4—22 植被掩膜区域

图4—23 水体掩膜区域（换分辨率高的图，含后3幅）

图4—24 雪地掩膜区域

图4-25 盐碱地掩膜区域

图4—26 铁染蚀变信息与工作区已知矿点叠加效果图

第三，进行羟基异常信息的提取。由于羟基信息提取结果受植被和水体影响较大，因此在做羟基异常信息提取的时候，需要将植被、水体、雪地掩膜掉，以去除干扰。干扰因素去除后，采用ETM5/7提取羟基蚀变信息，采用均值与15倍标准差之和（μ+15σ，蓝色）作为下限，得到的羟基提取结果与ETM3波段遥感图像的叠加效果见图4—27。

图4—27 羟基蚀变信息工作区已知矿点叠加效果图

（三）构造信息的提取

在对遥感图像中的构造信息（线性构造和环形构造）进行解译和分析之前，需对数字图像进行针对性的处理，以便于高质量影像的获取和相关信息的提取。在遥感影像上提取构造信息的主要方法，有光谱信息增强、空间变换、影像纹理分析等。在实际应用中，主要依据遥感影像的地质—地貌—景观背景，选择有效的处理方法和数学模型，针对区域构造影像要素的基本特征进行信息提取，从不同侧面突出不同等级、不同层次、不同形态构造的空间分布信息。

1线性构造信息提取

对线性构造信息进行提取时，主要采用了光谱信息增强和空间信息增强两种方法相结合的方式。首先，将裁剪好的遥感图像其ETM1、2、3、4、5、7波段进行主成分分析，得到的各分量特征值和特征向量值如表4—1所示。

表4—1 特征向量表

从表4—1中可看到，PC3反映的主要是ETM5、7波段的信息，对识别地质构造信息有很好的帮助，因此选取PC3作为提取区域较大线性构造的基础图像。第二，对PC3进行3×3像元的低通卷积滤波，其作用是突出低频信息而压缩高频信息，这种方法可以压抑细微线性体，突出影像主干构造。将ETM7波段、PC1图像、经过低通滤波的PC3图像进行RGB彩色合成，得到的图像如图4—28所示。

图4—28 工作区主干构造解译图

此外，对PC2进行5×5像元的高通滤波，其作用之让高频信息通过，这种方法可以增强细微线性体的信息。并将ETM7波段、PC1图像、经过高通滤波的PC2图像进行RGB彩色合成，得到的图像如图4—29所示。

图4—29 工作区局部（次级）构造解译

2环形构造信息提取

环状影像是指在遥感图像上由色调、水系、影纹结构等标志显示出的近圆形、空心的环形或未封闭的弧形等影像特征。构成环状影像的地表因素很多，其中与地质作用有关的环状影像称为环形构造，它往往反映了一定的地质含义，与地表地质构造具有一定的成因联系。环形构造与成矿作用关系较密切，尤其是那些由隐伏岩浆活动引起的环形构造。本次工作所提取的环形构造，包括侵入岩体形成的侵入岩环块构造、构造—岩浆活动形成的复合环块构造以及矿床及含矿地质体形成的环块构造。这类环形构造多以水系、地貌、构造线、色调等影像特征为解译标志。

对环形构造的提取采取的是芒塞尔彩色空间变换的方法。在计算机内定量处理色彩时通常采用RGB表色系统，但在视觉上定性的描述色彩时，采用HSV显色系统更直观些。MunsellHSV变换就是对标准处理彩色合成图像在RGB编码赋色方面的一种彩色图像增强的方法，它是借助改变彩色合成过程中的光学参数来扩展图像色调差异，将图像彩色坐标系中红、绿、蓝三原色组成的彩色空间变换为由色度（Hue）、饱和度（Saturation）、纯度（Value）三个度量构成的色彩模型，其目的是为了更有效地抑制地形效应和增强岩石单元的波段差异，并通过彩色编码增强处理达到最佳的图像显示效果，扩展了色调的动态变化范围，有利于细分。对TM7（R）TM4（G）TM1（B）作假彩色合成图像，然后进行芒塞尔彩色空间变换，将RGB空间变换为HSV空间，获取的彩色增强图像，进行环形构造信息的提取。提取结果如图4—30所示。

图4—30 环形构造遥感解译图

遥感影像提供了目标区域的极为丰富的、复杂的大量数据，其反映了农、林、水、土、矿产、能源、海洋等各种地表信息。但是由于每个象元同时包含有不同地物在水平和垂直方向上交叉重叠的波谱特征，而且这些特征也仅代表地物的局部性质，使影像与地物之间存在某些对应关系，即所谓遥感影像的多解性。影像处理的最终目的是确定影像上的某些目标与地物之间的对应关系。从而达到认识地物状态的目的。

现阶段遥感影像的提取任务是应用数学方法确定影像与某些地物的对应关系并匹配到人眼的观察范围之内。

遥感影像信息的提取技术在地质领域的应用主要表现在对岩矿信息以及岩性识别信息的提取上，主要的研究对象是地球表面地质体（例如岩石）的分布规律、物化属性等信息的提取，目的是通过研究它们的电磁波辐射特性有效地识别地质体的物理、化学性质与运动状态，探测地质作用发生的过程与演化机制，为开展地质构造研究、矿产资源勘查、区域地质填图、环境和自然灾害监测等工作服务。与一般地质勘查方法相比，遥感具有宏观、快速、准确等技术优势，因此常作为地质勘查工作的先期手段，用于大面积的遥感地质调查和专题制图工作。

岩石是地壳主要的物质组成，是开展地球科学研究的基础，是各种地质现象和矿产资源赋存的载体，因而岩石学是地球科学研究中最重要的基础学科。遥感作为现代科学中一种新兴的对地探测技术，理所当然地把岩性信息提取和岩石分类研究作为遥感地质学最重要的内容，成为当今遥感地质研究的前沿和焦点。随着遥感信息获取技术的不断进步，高光谱分辨率（纳米级）和高精度空间分辨率（米级）遥感数据，为岩性遥感和岩性填图带来了大量的新型信息和新的发展机遇，使遥感地质工作在更高水平上开拓和深化。

遥感技术的理论基础是物理学的电磁波理论，电磁波与岩石和地层表面物质发生作用，产生岩石和地质体的特征光谱，不同物质成分的岩石和地质体，形成不同的特征光谱。它们在可见光、近红外和热红外形成各自连续的光谱分布，光学遥感就是依据这些不同光谱分布表现出来的特征（能量、谱形等）来探测目标的。不同物质成分构成的岩石和矿物同样具有不同的光谱能量和谱形特征，了解、认识了这些光谱特征，就能够利用遥感信息提取技术识别它们。因此，基于光谱特征的岩性遥感信息提取与岩石分类方法研究具有重要的理论和现实意义。

在遥感应用中，岩矿信息往往因其组合共生与风化分布的复杂性、地壳覆盖物（比如土壤）和植被的干扰、混合象元以及大气辐射的影响而使特征表现较弱、信息有一定的不确定性和模糊性。随着遥感传感器性能的提高，尤其是成像光谱仪的出现，改善了信息识别与提取的技术环境。使遥感从对地物的鉴别（discrimination）发展到对地物直接识别（identification）的阶段。

在遥感地质应用中，对岩矿光谱和空间分布精细特征的探测是空间与光谱高分辨率遥感的优势所在。矿物中离子与晶格位置的差异、元素的变化，岩石中矿物成分的不同以及成生的背景环境的影响等造成岩石矿物谱形特征各异。因此，岩矿光谱特征，尤其是其诊断性特征是岩矿信息识别与提取的基础，也是遥感技术革新与开发的基石。以光谱特征及其差异为基础，利用相应的遥感信息处理技术可直接识别岩矿类型，划分变质相带，圈定矿化蚀变中心及矿化蚀变带；根据提取的矿物（尤其是蚀变矿物）及其相对丰度分布进行共生组合与成矿关系分析，圈定成矿靶区，进行资源潜力评价。

因此，本研究立足于实验室标准矿物光谱与地质应用的关联分析，探讨遥感岩矿（含微量元素）信息的识别、提取与量化的光谱特征；进而基于光谱特征知识和现代数理方法，利用ETM，MAIS，AVIRIS和PHI数据，研究和发展不同尺度下遥感岩矿信息提取的技术；探索与研建遥感岩矿信息提取优化组合模型与技术集成。

经过近30年发展，遥感技术在数据获取技术方面得到突飞猛进的发展，图像信息提取及分类技术都取得了长足的进步，应用领域不断扩展，研究程度不断加深。作为一门边缘学科，遥感地质学必须不断地应用新型遥感数据、引入先进的图像处理和信息提取技术并开展新的信息分析方法研究。遥感信息一次性记录了地质历史过程的综合景观，通过遥感信息反演地质过程中某一段成矿作用所遗留下来的痕迹（构造、岩性和蚀变信息）比较困难，因为，这些信息具有信息弱、隐蔽性强、地表贫化的特点，这也造成利用遥感信息反演成矿信息时的多解性和不确定性。本文针对地质成矿信息的特点，改进和发展了三种遥感岩石岩性信息提取和分类识别的方法，在新疆哈密地区善鄯南山金矿区遥感试验场进行了应用研究，取得了良好的效果。

为了提高数字地质填图精度,需要充分利用高新技术的成果。遥感数据收集与处理的目的是与数字填图系统获取的地理、地质数据整合,配合地质填图提取与区域地质体相关联的信息,以便互相印证、约束和综合分析研究,多途径、多角度解决图幅内存在的问题。遥感资料提供的信息可以帮助对区域地质体进行较准确的圈定,从宏观上控制区域地质构造的总体格架,对提高区域地质调查质量具有十分重要的作用。

应根据工作区的自然地理和地质条件,选择合适的季节时相、成像时间,各种干扰小、特征信息量(色调、形态等)丰富的基础遥感图像数据。应分别采用预处理、基础图像处理和专题图像处理等三种类型的遥感数据处理方法对遥感数据进行处理,以获取满足数字地质填图各个阶段所需要的遥感数据和遥感图像。遥感数据预处理的目的是对遥感原数据转换投影方式、配准图像和镶嵌图像。预处理常用方法包括几何变换、几何校正、图像镶嵌等;基础图像处理应选择多种数据处理方法,一般常用的有不同波段合成、主组分分析处理、比值增强处理、定向滤波、高斯增强等,并从中进行对比分析,筛选出最大程度反映图幅地质遥感信息的处理方法组合,经预处理和基础图像处理的遥感数据应整合在数字填图系统中,作为数字地质填图的基础背景图层应用于地质填图中。针对不同地质填图对象,应开展专题图像处理,不同专题研究应选取合适的图像处理方法,例如图像拉伸、空间滤波、图像比值、主成分分析、视反射率图像、彩色空间变换等,对原始遥感图像进行有针对性的图像处理,增强突出相关信息、提取与专题相关的地质遥感信息。

之后,通过反差增强、边缘增强、主成分分析,根据经验选择波段进行比值运算生成新的波段,达到增强某些信息的要求。通过对影像岩石地层识别划分技术和遥感构造图像信息提取技术进行地质解译形成矢量化地质解译图。

遥感通过电磁波来传递并获取地球表面信息，有两种方式，一个是主动遥感，通过主动发射电磁波后接收反射回来的电磁波探测物体表面，比如微波遥感SAR,还有一种是被动遥感，通过接收太阳辐射在物体表面的电磁波来探测地表信息，比如一般的光学遥感

以上就是关于ETM+遥感图像中地质信息的提取全部的内容，包括:ETM+遥感图像中地质信息的提取、遥感影像信息的提取技术方法研究进展、遥感和地理信息系统有什么区别吗 它们分别有什么作用等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！