第3期,总第65期国 土 资 源 遥 感No.3,2005
2005年9月15日REMOTESENSINGFORLAND&RESOURCESSept.,2005
遥感与化探数据融合处理技术方法及应用研究
吴德文1,2,袁继明2,张远飞3,朱谷昌2
(1.中国地质大学,北京 100083;2.有色金属矿产地质调查中心,北京 100814;3.桂林矿产地
质研究院,桂林 541004)
摘要:遥感找矿信息与化探异常之间存在套合和藕合两种空间关系,通过数据融合处理,可以对其相关性作出正确的识别和判断,以达到综合找矿的目的。基于此,笔者以东天山地区作为试验区,进行了遥感与化探数据融合处理的技术方法研究及试验应用。关键词:遥感数据;化探数据;融合处理中图分类号:TP79 文献标识码:A 文章编号:1001-070X(2005)03-0044-04
0 引言
遥感与化探数据融合处理的目的是挖掘其中的
综合找矿信息,为地质找矿提供更可靠的依据。遥感与化探数据融合处理是基于它们之间的相关性进
行的。不同类型空间数据之间,存在着两种相关关
系,即套合和藕合。所谓套合,是指两者之间空间上相关,但成因关系不明显;而藕合则是空间上和成
因上两者均相关。从机理上分析,遥感找矿信息与
地球化学信息之间存在一定的相关性,前人的矿物
光谱研究表明[1],岩石矿物在遥感器可探测的光谱范围(0.4~2.5Lm)具有一系列可诊断光谱特征信
息,即金属离子(如Fe3+、Fe2+)的电子转移和Al-
OH、Mg-OH及CO2-3等分子团的振动所形成的矿物光谱吸收特征。岩石的光谱特征主要取决于组成
岩石的各种矿物(包括胶结物)中所含这些特殊离子
(团)的多少。这表明了遥感对地球化学信息的响
应,这种相关信息必定包含在它们的数据之中。通过遥感找矿信息的增强和提取,以及与化探数据的
融合处理,可以对其相关性作出正确地识别和判断,
获取更丰富的找矿信息。
1 基于套合的数据融合方法
基于套合的遥感与化探数据融合主要是表达两种数据信息在空间上的相互关系,不一定寻求信息成因上的相关性。在数据处理前,需要采用合适的数值转换方法(相当于数据规范化),把实型的化探
数据转换成图像数据,使之在空间上和量纲上都与
遥感图像保持一致,便于两者的融合处理。
1.1 彩色图像合成这是一种常用而非常有效的方法,通常针对不
同的应用要求,选取三个变量进行彩色合成。比如,
选择一个(或两个)遥感变量(含原始波段和派生变量)与两个(或一个)化探变量(含元素或派生变量)
进行彩色合成,得到一幅彩色合成图像。
1.2 算术运算
对遥感和化探数据进行简单的算术运算,主要是在一定地学意义上的图像加、减、乘、除运算,使不
同类型的图像信息在空间上叠加在一起。比如图像
的比值增强就是一种很有效的图像运算方法。
2 基于耦合的数据融合方法
把化探数据经数据转换后作为与遥感图像等价的图像层对待。数据融合可在不同的层次进行,包
括数据层融合、决策层融合和符号层融合。
2.1 数据层图像融合2.1.1 基于像元的图像加权融合
加权融合的表达式为
Y(i,j)=a〔p1X1(i,j)+p2X2(i,j)〕+b 式中,X1(i,j)和X2(i,j)为两幅原始图像;p1、p2(p2=1-p1)为两幅图像的权值,可根据应用目的分收稿日期:2005-04-23;修订日期:2005-06-17第3期吴德文,等: 遥感与化探数据融合处理技术方法及应用研究
析而定,也可以用两幅图像的相关系数确定;a为图
像比例参数;b为给定常数;Y(i,j)为结果图像。当考虑两幅图像的差异时,采用差分法融合,即
Y(i,j)=a〔p1X1(i,j)-p2X2(i,j)〕+b
2.1.2 图像线性模型融合
设有m个变量X1,Xm(可含遥感波段和化探元
素数据),给出如下线性关系
Y=a1X1+a2X2+,+amXm+b 式中,ai(i=1,2,,,m)为变量权值;b为常数。
ai越大,表明Xi越重要。变量权值ai和常数b可通
过多种方法估计,通常采用多元线性回归、主成份分
析或特征变量选择等方法。不同的方法所得到的ai、b估计值的物理意义是不同的,进而能得到不同
地质意义的融合图像Y。
非线性模型可以转换成线性模型加以解决,非线性模型主要以回归模型为主,包括多项式回归模
型、幂函数和指数模型等。
2.1.3 基于彩色空间变换的融合
下述的R、G、B可以代表被融合的原始图像波段,也可以是化探数据图像。
(1)归一化RGB(红、绿、蓝)合成r=R/(R+G+B)g=G/(R+G+B)b=B/(R+G+B) 为了使合成图像获得最佳的信息量,需要对波
段进行选择或采用比值图像合成。
(2)孟塞尔彩色空间变换。正交的RGB显示空间与孟塞尔彩色空间变换关系为
I=3/2(R+G+B)
H=arctan(Xi/Bi)
S=(Bi2+Xi2)12 式中,Bi=6/6(2R-G-B);Xi=2/2(G-B)。
合理使用孟塞尔彩色空间变换可有效提取受背景干扰的弱信息。
(3)IHS变换。IHS变换是在孟塞尔彩色空间变换基础上发展而来的一种方法。其变换公式为I=(R+G+B)/3H=G-BS=R-(G+B)/2反变换为R=I-S/3-H/2G=I-S/3+H/2B=I+2S/3 经过波段分析和选择,IHS变换可以用来提取
蚀变矿物信息等。
2.1.4 基于小波技术的融合小波融合技术可有效地保持或增强各数据层的
空间结构和纹理信息。小波融合的原理是利用小波
变换的分频特征,在子带对高频进行选择,然后经小
波逆变换得到融合图像。2.1.5 基于相关模型的融合
选择若干个相关图像通道,确定窗口大小,获取
窗口内原始数据矩阵。通过计算将窗口内的相关系数、夹角余弦或信息熵等,作为中心点的值,得到基
于相关模型的融合图像。
2.1.6 二维相关编码彩色图像
二维相关编码是一种以图像方式直接反应二维变量统计相关关系空间分布的有效手段。
根据应用要求,通过多元数据相关分析,选择两
幅图像A(i,j)和B(i,j),它们的亮度值均为256级。首先,把A(i,j)和B(i,j)的亮度值由256级(0
~255)线性压缩成16级(0~15),压缩后的图像取
名为A.(i,j)和B.(i,j);然后,对图像A.(i,j)和
B.(i,j)利用R(i,j)=A.(i,j)+B.(i,j)@16进行二维相关编码,使A.(i,j)、B.(
i,j)二幅图像编码成
一幅图像R(i,j),值的范围在0~255之间。
图1(左)是两幅压缩图像的相关散点示意图,图1 二维编码坐标散点图(左)和二维编码表(右)#45#国 土 资 源 遥 感2005年
图1(右)是与图1(左)对应的二维彩色编码表,其中每
个码值对应一个彩色级,而且保持行、列的彩色变化。当处理R(i,j)图像,对每个像元值按图1(右)
的二维彩色编码表赋予对应的彩色级时,便使R(i,
j)最终成为一幅彩色相关图像。根据散点图的结构
特征,能够在R(i,j)图像上直接读取相关信息。把方法适当加以推广,采用典型相关分析的原
理就能使之用于二组随机变量之间的复相关显示。
2.2 决策层(符号层)数据融合数据层属于定量数据,而决策层和符号层均属
于定性数据,定量和定性数据在处理上有较大的差
别。遥感图像的分类类别、遥感蚀变信息异常区分
级、化探异常等值线分级图等都是定性数据。这里基于定性数据分析的数学原理,提出了决策层(符号
层)数据融合方法。
2.2.1 基于关联系数变换的图像融合
如表1所示(四格表,又称2@2联表),表中的频数用n11、n12、n21、n22表示。
表1 遥感与化探异常统计的四格表
遥感异常(B)化探异常(A) 异常(A)无异常(A) 有异常(有B)n11n12无异常(无B)n21n22
基于四格表的分析,引入Yule的关联系数Q=(n11n22-n12n21)/(n11n22+n21n22)
关联系数Q有如下性质:
①Q=1时,A与B两个属性完全相关,即有A时必有B,不具有A时一定不具B;
②Q=-1时,A与B两个属性完全相反,即具有A时必不具有B,具有B时必不具有A;
③当Q值在(-1,1)之间时,Q值越大,说明A
和B属性关系越密切。
设A(i,j)是遥感蚀变图像,仅有两种属性(/异常0和/非异常0);B(i,j)是化探异常图,也有两种
属性(/异常0和/非异常0),通过关联系数变换(通
过窗口移动计频数和计算Q值),可以得到关联系数图像Q(i,j),这是遥感和化探决策数据层的融合图
像。根据Q(i,j)图像值的大小,可圈出综合异常区。
2.2.2 基于信息熵的图像融合
设有A、B两个分类图像,A有r类,B有c类,在设定的窗口内可以统计出表2所示的列联表(频数
表和概率表)。当r=c=2时,就是前面讨论的2@2
联表。根据列联表可以计算出A与B独立时和不独
立时的熵。
表2 两个分类图像的类统计列联表(频数表和概率表)
AB1 2 3 , cE
1n11n12n13,n1cn1.2n21n22n23,n2cn2.3n31n32n33,n3cn3.sssssssrnr1nr2nr3,nrcnr.En.1n.2n.3,n.cn AB1 2 3 , cE
1p11p12p13,p1cp1.2p21p22p23,p2cp2.3p31p32p33,p3cp3.sssssssrpr1pr2pr3,prcpr.Ep.1p.2p.3,p.c1
用符号H(A,B)表示联合熵,H(A)和H(B)表
示各自的熵,则有
H独立(A,B)=H(A)+H(B)=-Er
i=1pi.lnpi.-Ec
j=1p.jlnp.j
H不独立(A,B)=-Er
i=1Ec
j=1pijlnpij
当A、B独立时,联合熵达到最大,此时的平均互 信息量为
I(A,B)=H独立(A,B)-H不独立(A,B)=Er
i=1Ec
j=1pijlnpijpi.p.j=1nEr
i=1Ec
j=1nijlnnnijni.n.j归一化后得
G(A,B)=(1nEr
i=1Ec
j=1nijlnnnijni.n.j)/H独立(A,B)=(1nEr
i=1Ec
j=1nijlnnnijni.n.j)/(-Er
i=1pi.lnpi.-Ec
j=1p.jlnp.j)
该量就反映了A、B之间的相关情况,其值域为
[0,1],当值为0时,表明A、B相互独立,值越大表示
A、B越相关。用该值作为窗口中心点的值,得到基于信息熵的融合图像。3 应用示范
选择新疆东天山地区为示范区,采用的遥感数
据为TM图像,化探数据包括Au、Ag、Cu、Pb、Zn、As、#46#