遥感影像信息的提取技术方法研究进展

遥感信息自动提取技术~

遥感的根本目的是为了从图像上提取信息、获取知识 ( 明冬萍等，2005) 。从卫星遥感图像中提取土地利用等信息的方法可以归纳为三种类型: 一是由计算机自动完成，主要以光谱数据提取与土地利用相关的特征参数，设计相应的分类模型，达到分类的目的 ( PGong，1992，J R Baber at el，1991) ; 二是人工目视解译方法，运用专家知识实施综合解译; 三则是人机相互结合的交互式解译方法，由此提高解译的效率和精度 ( 赵庚星、窦益湘，2001) 。由计算机自动完成的遥感信息自动提取是遥感应用领域一个重点的研究和发展方向，目前国内外在该技术的研究和探讨仅局限在某一小的区域，虽然也有很多的技术方案和算法，但离实际的生产需求仍有很大差距。遥感信息的提取精度问题一直是困扰遥感信息自动提取进行应用推广的技术瓶颈，主要表现在两个方面: 一是遥感信息本身的同谱异物和同物异谱现象，以及待提取地物单元在数字遥感影像上色调、纹理、形态上的复杂性，这给信息自动提取带来了很大的困难; 二是当前遥感信息自动提取技术还大多停留在试验阶段，算法以及参数设置等都不成熟，可操作性太差。所以，要将信息自动提取技术应用于生产实际确实面临许多技术上的难点。
以上提到的信息自动提取技术应用到实际生产中存在着很多困难，但针对特定的区域，如果能采用比较切合实际的严密的提取算法，仍然可以达到实际生产应用的需求。塔里木河流域地域宽广，地势较平坦，地物类型相对单一，所要提取的耕地、林地、天然草地、沙漠等地类影像特征清晰，且空间分布规律明显。这在我国其他地区是不多见的，尤其是在我国的东南、西南地区，植被覆盖多，地类混杂，有很多地类人工目视解译都很难区分。所以，在塔里木河流域进行信息自动提取具有得天独厚的优势。
遥感信息提取的精度决定了整个塔里木河流域生态动态监测与分析的效率，本系统采用了多种技术手段保证了遥感信息自动提取以及修编后的精度，包括图像自动提取算法设计、图像处理一致性、解译参考完整性、人工修编规范性等方面。从信息自动提取算法的角度讲，算法要求严密、先进，但必须具有通用性。综合国内外相关信息提取算法，再结合塔里木河流域地物特征，采用了分级分类的分类思想。所谓分级分类，就是按照级别来一级一级划分，对于一个待分类的遥感影像，首先可以区分为两个大类: 植被类与非植被类，或是水体类与非水体类; 而后在下一级再考虑在植被类里面划分林地、灌木、草地、农田等。这样分类看似简单，却合乎我们通常的认知过程，可以避免一些大的类别上的划分错误，同时可以缩小划分某一地类时的考虑范围，大大提高了分类的精度。对于最低一级的类型划分，采用监督分类的思想，依据知识库中所建立的对应地类的解译标志、地物样方、地物光谱等之间的对应关系，选择对应地类的样方信息。最后再经过主要/次要分析、集群分析等分类后处理得到某一专题的自动提取结果。针对植被覆盖度、植被类型、土地沙质荒漠化、土壤盐渍化和土地利用 5 个生态环境专题各自不同的特征，建立了 5 个专题的信息自动提取流程。

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0.35～0.25μm）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2.2μm和2.3μm波长两处，由于OH－在2.2～2.3μm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1.4μm和1.9μm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1.9～2.55μm），较强的两个在2.35μm和2.55μm波长处（称为碳酸根谱带），相对较弱的在1.9μm、2.0μm、2.16μm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，黄色）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1.5倍标准差之和（μ+1.5σ，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。

---

松溪县19879778456： 遥感图像植被信息提取国内发展情况？
肥喻曲安： 基于IKONOS卫星数据的植被类型信息提取研究——以南京市典型区为例 植被遥感信息提取的最佳波段选择--以云岭中部山区为例 基于ASTER遥感影像植被信息的提取--以青海湖地区为例 植被虚拟仿真中遥感地信息定量化提取 光谱数据处理及其在植被信息提取中的应用——以岷江上游毛儿盖地区为例 五分地沟实验区植被制图及植被分析(这篇对于目前应用的软件有比较好的讲解) 还有,楼上的那篇也不错!

松溪县19879778456： 遥感图像的DEM提取原理是什么? - ？
肥喻曲安： 1、遥感信息提取方法分类 常用的遥感信息提取的方法有两大类:一是目视解译,二是计算机信息提取.1.1目视解译 目视解译是指利用图像的影像特征(色调或色彩,即波谱特征)和...

松溪县19879778456： 试述遥感图像处理提取矿化蚀变信息的主要方法？
肥喻曲安： 遥感图像的增强技术是通过不同的图像增强技术扩大信息的差异性以便于区分不同类型地质体的地物波谱信息,从而得到所需要的地质信息. 近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在矿物种类,结构,颜色等方面都有差异,这些差异...

松溪县19879778456： 什么是遥感数据的信息提取 - ？
肥喻曲安： 依据遥感图像上的地物辐射电磁波的差异特征,识别地物类型,性质,空间位置,形状,大小等属性的过程叫做信息提取.方法有目视判读法(常用),计算机分类法(监督分类,费监督分类等).

松溪县19879778456： 遥感研究急需解决的问题. - ？
肥喻曲安： 一、遥感的发展 遥感是20世纪60年代发展起来的对地观测综合技术,是应用某种探测仪器,不直接接触探测目标,从远处感测并记录目标的特征信息,经过传输、处理、提取人们感兴趣的信息并分析、揭示出物体的特征性质及其变化的综合性...

松溪县19879778456： 目前遥感技术的热点和难点 - ？
肥喻曲安： 在遥感数据获取方面,全世界所存在的难点之一,是找不到高光谱分辨率的电磁波进行资料的获取.现在使用的可见光,微波,红外,紫外线.都存在不同程度的信息丢失. 另外,遥感信息提取中的不确定性是当前遥感研究的一个热点.人们总...

松溪县19879778456： 如何将遥感影像中的环状信息提取出来？
肥喻曲安： 我的思路你试试:首先边缘检测,可以用canny算子,提取的边缘比较完整;然后检测封闭边缘,如果不想自己编程的话用matlab里的imfill命令可以填充封闭孔洞,再轮廓提取,这样就排除了非封闭边缘(姑且认为封闭轮廓都是环状的)

松溪县19879778456： 遥感技术的发展和应用局限性是什么? ？
肥喻曲安： 目前,卫星遥感技术正在不断地向多光谱、高分辨率的方向发展,新一代的商用卫星 影像,对地表的分辨率已经达到1m,可以用它制作1: 10000甚至更大比例的基础地形...

松溪县19879778456： 高光谱遥感图像处理有哪些领域?最近几年哪些技术方法的研究及应用前景更广泛? - ？
肥喻曲安： 食品药品检测,指纹/笔迹鉴定,艺术品鉴定,地物检测,岩心检测

松溪县19879778456： 求教用ERDAS对TM遥感影像进行土地利用变化信息的提取的具体方法步骤!!!？
肥喻曲安： 先介绍一种常用的方法吧,分类后比较法: 1、确定土地利用的类别,可以按照中国的土地利用分类标准确定多少类. 2、获取各类别的样本,用于后面的影像分类 3、对不同时期的影像进行预处理:几何校正、配准、相对辐射归一化和去霾处...