基于WorldView2数据的岩性信息增强方法——以内蒙古扎嘎乌苏地区为例
王平平, 田淑芳
中国地质大学(北京)地球科学与资源学院,北京 100083
田淑芳(1963-),女,副教授,主要从事遥感和GIS方面的教学和科研工作。Email:sftian@cugb.edu.cn

第一作者简介: 王平平(1990-),女,硕士研究生,主要研究方向为遥感地质应用。Email:770697872@qq.com

摘要

为了进一步探讨岩性信息增强方法在岩性遥感解译中的应用效果,选择内蒙古索伦山扎嘎乌苏地区进行岩性遥感信息增强方法研究。针对因异物同谱、同物异谱及表层浅覆盖等因素导致的岩石影像特征复杂、色彩反差较弱及细节信息不够丰富等一系列问题,对研究区岩石波谱曲线特征、WorldView2数据光谱特征及空间特征进行了综合分析。在对WorldView2数据进行几何纠正和图像融合等预处理的基础上,应用基于光谱特征和空间特征的一系列有效的岩性信息增强方法,对研究区进行岩性解译。将解译结果与研究区1: 50 000比例尺地质图对比,划分出了更多的岩性种类,提高了岩性解译的精度,为更加精确的岩性识别提供了依据。

关键词: WorldView2数据; 岩石波谱特征; 遥感岩性信息增强; 光谱特征; 空间特征
文献标志码:A 文章编号:1001-070X(2016)04-0176-09 doi: 10.6046/gtzyyg.2016.04.27
Research on lithological information enhancement method based on WorldView2 data: A case study of Zhagawusu district in Inner Mongolia
WANG Pingping, TIAN Shufang
School of Earth Sciences and Resources, China University of Geosciences(Beijing), Beijing 100083, China
Abstract

In order to further explore and discuss the application of lithologic information enhancement method in the lithologic remote sensing interpretation, the authors selected the Zhagawusu district of Sauron Mountain in Inner Mongolia as the research area for studying lithologic remote sensing information enhancement method. To tackle the problems such as complex rock image characteristics, weak color contrast and a few details caused by the factor of the same spectra with different objects, the same object with different spectra, and the coverage of the surface of the rock, the authors analyzed the rock spectral curve features, the WorldView2 spectral features and spatial features in the study area. On the basis of geometric correction and image fusion of WorldView2 data preprocessing, the authors used a series of effective methods for the remote sensing lithologic information enhancement based on spectral characteristics and spatial characteristics. Based on these methods, the authors made the lithologic interpretation of the study area. Comparing the results of interpretation with 1∶50 000 geological map in the study area shows that the results of interpretation have more lithologic types, improve the accuracy of the lithologic interpretation and thus provide the basis for a more accurate remote sensing lithologic identification.

Keyword: WorldView2 data; rock spectral characteristic; remote sensing lithological information enhancement; spectral characteristic; spatial characteristics
0 引言

WorldView2卫星提供的高分辨率遥感数据包括0.5 m空间分辨率的全色图像和2 m空间分辨率的8波段多光谱图像[1, 2]。近年来, 遥感地质调查技术在矿产资源勘查及区域地质调查中发挥着越来越重要的作用, 遥感地质解译是其重要内容。以往的遥感地质解译工作大多以中、低分辨率遥感数据(如TM, ETM及ASTER等)为主, 这类遥感数据因受光谱分辨率和空间分辨率的限制, 在遥感岩性解译中常常只能区分岩性大类, 不能对岩性进行详细划分; 而WorldView2数据在设置有较多多光谱波段的同时, 大幅度提高了空间分辨率, 可以很好地弥补这一缺陷。遥感岩性信息增强对于遥感岩性解译十分重要, 它可以解决因异物同谱、同物异谱、表层浅覆盖等因素引起的岩石影像特征复杂、色彩反差较弱及细节信息不够丰富等一些列问题, 从而提高岩性解译的精度与准确度。

本文以“ 内蒙古自治区乌拉特中旗索伦山地区1∶ 5万比例尺区域地质矿产调查” 子项目为依托, 以扎嘎乌苏地区为研究区, 进行了基于WorldView2数据的岩性信息增强方法研究, 为开展进一步的岩性解译工作奠定基础。

1 研究区概况及数据处理
1.1 研究区概况

扎嘎乌苏地区位于内蒙古自治区乌拉特中旗索伦山地区西部, 北部与蒙古国接壤, 在E108° 00'~108° 15', N42° 20'~42° 30'之间。区内有EW向边防公路横贯全区, 交通便利(图1)。区内海拔高度在1 100~1 400 m, 属低山丘陵地貌。水系不发育, 无永久性和季节性河流, 稀少的沟谷均为干沟, 零星分布的少量季节性湖泊也因连年干旱少雨而干涸。夏季干燥炎热, 春季和冬季风大寒冷, 属典型的大陆性气候。植被以草本植物为主, 零星分布有小丛灌木, 植被覆盖度较低。岩石风化和破碎严重[4]

图1 索伦山扎嘎乌苏地区交通位置图[3]Fig.1 Traffic location map of Zhagawusu district in Suolun mountain[3]

研究区处于华北板块北缘与西伯利亚板块南缘的结合地带, 一级构造单元为天山―兴蒙造山带, 二级构造单元为索伦山―西拉木伦结合带和包尔汗图―温都尔庙弧盆系[5]。区内出露地层主要包括古元古界宝音图群(Pt1B)、中元古界桑达来呼都格组(Pt2s)、奥陶系乌宾敖包组(O1-2w)、二叠系包特格组(P2b)和白垩系二连组(K2e)。主要岩类为沉积岩和变质岩。其中沉积岩主要包括长石石英砂岩、泥岩、硅质岩、灰岩等; 变质岩主要包括板岩、紫红色石英岩、大理岩和片岩。区内出露岩浆岩较少, 主要为二长花岗岩和闪长岩。

1.2 数据源及预处理

本文使用的WorldView2多光谱图像数据, 在4个传统波段(蓝、绿、红和近红外1波段)的基础上增加了4个新的波段(海岸、黄、红边和近红外2波段)(表1)[6, 7]

表1 WorldView2多光谱图像波段设置 Tab.1 Band set of Worldview2 multispectral image

在进行岩性信息增强处理前, 对WorldView2数据进行了必要的预处理。本文利用地面控制点和DEM对WorldView2数据进行了几何纠正[8]; 采用基于正交化算法的光谱锐化高保真影像融合方法(Gram-Schmidt, GS)对研究区WorldView2的多光谱数据(图2(a))与其全色波段数据进行融合处理[9]。融合后的多光谱图像(图2(b)), 影像分辨率得到提升, 可解译能力有了提高, 红圈区域内的细节信息得到明显增强, 可为后续的岩性信息增强及岩性解译打下了基础。

图2 GS融合假彩色合成图像Fig.2 False color composition image with GS fusion

2 岩石波谱特征分析

地物波谱特征的差异是用遥感方法区分地物的主要依据[10]。由于岩石的成分和结构较为复杂, 光谱特征变化复杂多样, 因此岩石本身的光谱特征不像单一矿物那样具有特殊的可鉴定的光谱特征[11], 无法根据其光谱特征准确地确定具体岩性; 但岩石的光谱特征可以反映岩石基本组成的物质成分和结构特点, 可用于区分岩性的大类。为了更好地了解研究区内的岩石波谱特征, 选取研究区内的岩石波谱曲线进行对比分析, 研究不同岩石的波谱特性及其规律性, 为后续的岩性信息增强提供依据。观察研究区内的泥岩、长石石英砂岩、板岩、紫红色石英岩及白色大理岩的波谱曲线特征(图3)。

分析图3, 可以得到如下规律:

1)对于研究区内的变质岩(即板岩、紫红色石英岩及白色大理岩), 在0.4~1.04 μ m波长范围内, 白色大理岩的反射率明显高于板岩、紫红色石英岩及沉积岩的反射率, 这与大理岩的矿物成分有很大关系— — 大理岩主要由浅色矿物组成, 浅色矿物的反射率较高, 因此大理岩的反射率最大[12], 这一特性可以作为区分大理岩与其他岩石的重要标志。在0.74 μ m附近, 紫红色石英岩出现反射峰, 在0.875 μ m附近存在反射率低谷, 之后随波长的增加反射率逐渐增大。在0.4~1.04 μ m波长范围内, 板岩的反射率一直处于上升趋势, 并不断趋近于长石石英砂岩。

图3 研究区岩石波谱曲线与WorldView2图像波段设置关系Fig.3 Relationship between spectrum curves of rocks in study area and band setting of WorldView2 image

2)对于研究区内的沉积岩(如泥岩和长石石英砂岩), 反射率总体较低。在0.45 μ m附近, 泥岩和长石石英砂岩出现交叉现象, 交叉点前后反射率的大小出现明显变化; 并且随着波长的增加, 二者反射率差值不断增大。

以上规律可为后续的岩性信息增强提供波谱特征方面的依据, 特别是在B6和B7处存在的特征反射峰和吸收谷对岩性信息增强具有重要的指导意义。为了更好地解决因异物同谱、同物异谱、表层浅覆盖等因素引起的岩石影像特征复杂、色彩反差较弱、细节信息不够丰富等一些列问题, 本文通过岩性信息增强处理, 充分利用遥感影像的光谱特征和空间特征, 增强不同岩性之间的差异, 提取岩性界线, 并结合岩石光谱特征及地质资料进行岩性解译。

3 岩性信息增强
3.1 最佳波段组合法

波段组合的优化是一种增强不同地物类别之间差异、增强目视解译效果的方法。选取最佳的波段组合, 可以更加充分地体现地物之间的差异, 使不同地物之间的差异最大化, 从而达到区分不同地物的目的[13]。选取最佳波段组合时, 通常综合考虑3个方面: ①波段组合内的波段信息量较大; ②波段组合内波段间的相关性较小; ③该波段组合的彩色图像中, 研究区内所关注地物类型之间的光谱差异要大、可分性要好[14]

3.1.1 研究区WorldView2数据统计特征

数据统计特征可以反映数据的信息量、离散程度和相关性等。波段信息量的大小可通过标准差反映, 波段的标准差越大, 说明该波段像元灰度值之间的离散程度越大, 像元灰度值分布的动态范围越大, 图像反差越明显, 不同地物之间差异越大, 所包含的信息量越大; 而波段的标准差越小, 图像反差就越低, 不同地物之间的差异也随之减弱, 不利于不同地物类别之间的区分, 所包含的信息量也越少。波段间的相关系数反映了波段间的相关性, 相关系数越大, 相关性越大, 波段间信息冗余度越大; 相关系数越小, 相关性越低, 波段间信息冗余度越小[15, 16]

本文对内蒙古索伦山地区扎嘎乌苏幅WorldView2数据进行统计特征分析的结果表明: ①B7的标准差最大, 所含信息量最大(表2); ②8个波段间的相关性总体上都较大; ③相邻波段间相关性较大, 特别是B1, B2, B3之间的相关性最大, 但B1与其他波段的相关性低于与B2, B3的相关性(表3)。因此, 在进行波段组合时, 应选取B1; 而B4, B5, B6之间相关性较大, 可选取其中的1个波段; B7, B8之间相关性较大, 选取其中的1个波段。

表2 研究区光谱信息统计 Tab.2 Statistics of spectral information in study area
表3 相关系数统计 Tab.3 Statistics of the correlation coefficient

3.1.2 最佳波段因子法选取波段组合

目前, 较为常用的选取最佳波段组合的方法为最佳波段因子法(optimum index facter, OIF), 这是一种选择最优RGB假彩色合成方案的方法, 它基于波段组合内波段的标准差及波段间的相关系数选取最佳波段组合[10], 即

OIF= i=13Si/ j=13|Rij| , (1)

式中: Si为第i波段的标准差; Rij为3个波段中任意2个波段间的相关性[17]OIF越大, 波段组合内波段的标准差越大, 波段间的相关性越小, 这样的波段组合形成的图像具有较大的信息量和较小的相关性, 目视效果较好。

对于不同的地区, 应该从其实际情况出发, 综合考虑该区图像各波段的标准差、波段之间的相关系数以及岩石波谱特征分析结果来确定最佳波段组合。根据本文研究区WorldView2数据统计特征结果, 将8个波段分为3组: ①B1; ②B4, B5, B6; ③B7, B8。分别计算其OIF, 并由大到小排列, 结果如表4所示。

表4 波段组合及OIF Tab.4 Band combinations and OIF

由研究区岩石波谱特征分析结果(表2)及WorldView2数据统计特征分析结果(表3)可知, B6和B7对区分岩性具有重要作用; 再结合各种波段组合图像的目视效果对比分析, 发现B6, B7, B1(图4(a))和B4, B7, B1(图4(b))组合图像包含的信息量最大, 岩性差异最明显, 可作为最佳波段组合图像用于岩性解译。但总体来看岩性间的差异还比较弱, 且由于受到异物同谱、同物异谱、表层浅覆盖等因素影响, 需要进一步加以区分。

图4 最佳波段组合假彩色合成图像Fig.4 False color images composed with optimum band combinations

3.2 比值法

在岩性信息增强中, 通过选择2个亮度差异较大的波段进行比值运算, 可以突出地物并增大地物之间的差异。由图3可以看出, 紫红色石英岩在波长0.74 μ m附近出现反射峰, 在波长0.875 μ m附近存在反射率低谷, 即反射峰出现在B6, 吸收谷出现在B7。因此本文利用这2个波段的反射率差异进行比值运算(B6/B7), 并将比值结果作为1个波段与其他波段进行假彩色合成, 取得了较好的岩性信息增强效果(图5)。

图5 比值法增强假彩色合成图像Fig.5 False color composition images after ratio method enhancement

图5(b)中, 经过比值增强后, 紫红石英岩(红色调影像)较为突出, 与其他岩性之间的差异更加明显(黄蓝色调的影像为灰白色大理岩)。

3.3 HSV变换

本文对B4(R)B7(G)B1(B)假彩色合成图像(图6(a))进行色度-饱和度-亮度(hue saturation value, HSV)变换; 在HSV彩色空间中对S进行反差扩展; 然后再反变换到RGB空间, 得到增强后的图像[18, 19, 20](图6(b))。

图6 HSV变换增强假彩色合成图像Fig.6 False color composition images after HSV transformation enhancement

图6可以看出, 经HSV变换处理后, 不同岩性之间的色调差异得到显著增强, 岩性界线更加清晰明显, 可用于准确地圈定岩性界线, 提高了岩性的目视解译效果。

3.4 主成分分析

根据表3中的统计结果可知, 各波段间的相关性较大, 冗余度较高, 对岩性识别造成了一定的影响。因此, 可通过主成分分析法[21, 22, 23, 24]对WorldView2图像的8个波段数据进行处理, 将信息压缩到少数几个不相关的主成分中, 减弱波段间的相关性。对研究区的WorldView2数据进行主成分分析的结果表明, 信息主要集中在前4个主成分中, 其他成分主要包含大量噪声。PC1主要包含大量的地貌、构造信息[12], 岩性信息主要集中在PC3, 最终选择了B6(R)PC3(G)B8(B)假彩色合成方案(图7(b))。

图7 主成分分析增强假彩色合成图像Fig.7 False color composition images after principal components analysis enhancement

图7(b)可以看出, 主成分分析处理后, 岩性之间的色调差异得到了很好的增强, 青灰色长石石英砂岩与灰白色块状大理岩之间的界线更加清晰。结合地质资料可知, 粉红色调影像为青灰色长石石英砂岩, 绿色调影像为灰白色块状大理岩。

4 基于空间特征的岩性信息增强

纹理信息对于岩性的识别至关重要, 它可以宏观地反映大面积出露的某一种地物, 是解译细小地物(特别是岩性、植被)的重要标志[12]。岩石的纹理信息不受其表面色调的影响, 它反映的是岩石表面结构及其粗细程度, 能够反映出如地质构造、岩性界线等特征。遥感技术对于岩性的识别主要依据对影像光谱信息的分析, 但如果仅用光谱特征进行识别, 因异物同谱、同物异谱及表层浅覆盖等因素引起的岩石影像特征复杂、色彩反差较弱、细节信息不够丰富等一系列问题就难以解决, 解译结果的准确性也会受到很大影响。为了解决这类问题, 提高解译结果的可信度, 还需对影像纹理信息进行分析[25]

本文使用的WorldView2数据多光谱波段的空间分辨率为2 m, 拥有丰富的细节信息, 可充分利用这一特点来增强岩性的纹理及边缘信息。本文通过对B4(R)B7(G)B1(B)假彩色合成图像(图8(a))进行高通滤波处理[25, 26], 在保持图像高频信息的同时, 消除了图像中的低频成分, 从而增强了纹理和边缘等信息。通过纹理的一致性及规律性可以有效地排除由异物同谱、同物异谱、风化因素及地表覆盖物对影像色彩的干扰, 将不同的岩性区域归并, 准确圈定岩性界线(图8(b))。

图8 高通滤波增强假彩色合成图像Fig.8 False color composition images after high-pass filtering enhancement

图8可以看出, 经高通滤波处理后, 不同岩性之间的纹理及边界信息差异更加明显(其中灰白色钙质板岩夹青灰色泥岩、石英岩的纹理呈点状分布, 灰白色块状大理岩的纹理呈线状分布), 对识别岩性起到重要作用。

5 岩性解译结果

采用上述方法对研究区WorldView2图像进行1∶ 25 000比例尺的岩性解译, 结果如图9(a)所示。

图9 研究区局部岩性解译图与地质图对比Fig.9 Comparison between lithological interpretation map and geological map in partof study area

与研究区相同区域的地质图(图9(b))对比可以看出, 通过岩性信息增强处理, 岩性得到了细分, 划分出了更多的岩性类别; 而以往的地质填图工作常常受到野外工作条件的限制, 只能对岩性单元进行粗略的划分。从图9(a)可以看出, 通过岩性解译划分出了Pt1B(大理岩)、Pt1B(大理岩、构造角砾岩)、O1-2w(青灰色板岩、粉砂岩夹泥岩)、K2e(砖红、棕红色泥岩、泥质砂岩、泥质砂砾岩)和Qhl(粉砂、泥、细砂); 而在相同区域的1∶ 50 000比例尺的地质图(图9(b))中, 只划分出了Pt1B(大理岩)、O1-2w(青灰色板岩、粉砂岩夹泥岩)和K2e(砖红、棕红色泥岩、泥质砂岩、泥质砂砾岩)。因此, 岩性信息增强在岩性解译中有着至关重要的作用。

6 结论

本文选择内蒙古乌索伦山扎嘎乌苏地区进行岩性遥感信息增强方法研究。在对研究区岩石波谱曲线特征、WorldView2数据光谱特征及空间特征进行分析的基础上, 应用了一系列的岩性信息增强方法, 较好地解决了因异物同谱、同物异谱、表层浅覆盖等导致的岩石影像特征复杂、色彩反差较弱、细节信息不够丰富等一系列问题, 从而降低了岩性识别的难度, 使岩性界线得到更准确圈定, 岩性种类得到细分, 岩性解译的精度得到提高。得出以下结论:

1)岩性色调对于识别岩性具有重要作用。本研究基于WorldView2数据的光谱特征和研究区典型岩石波谱特征, 分别采用波段组合法、比值法、HSV变换和主成分分析方法对研究区进行了岩性信息增强。这些方法在不同程度上增强了不同岩性之间的色调差异, 有利于准确圈定岩性界线, 识别出更多的岩性种类, 提高了岩性解译的精度。

2)纹理信息对于岩性识别同样有着不可忽视的作用, 特别是对于WorldView2数据, 其空间分辨率较高, 可突出地物的细节信息。本研究采用高通滤波的方法对岩性的纹理信息进行增强, 突出了岩性的细节特征, 有助于对岩性进行更好的识别。

3)岩性信息增强在岩性解译中起到了重要作用, 但是, 这些方法容易因研究区的改变而对增强变换后的结果产生影响, 因此, 在今后的工作中应着重加强这方面的研究。

The authors have declared that no competing interests exist.

参考文献
[1] 唐焕丽, 刘凯, 艾彬, . WorldView-2遥感影像融合方法对比研究[J]. 北京测绘, 2013(5): 1-7.
Tang H L, Liu K, Ai B, et al. Comparison analysis between different fusion methods for the case of WorldView-2 images[J]. Beijing Surveying and Mapping, 2013(5): 1-7. [本文引用:1]
[2] 王晓鹏, 杨志强, 康高峰, . WorldView-2高分辨率卫星数据在西昆仑塔什库尔干地区遥感地质调查中的应用[J]. 地质找矿论丛, 2014, 29(3): 428-432.
Wang X P, Yang Z Q, Kang G F, et al. Application of WorldView-2 data to remote sensing geological survey in Tashkurgan area at west Kunlun[J]. Contributions to Geology and Mineral Resources Research, 2014, 29(3): 428-432. [本文引用:1]
[3] 李钢柱, 罗文华, 侯万荣, . 内蒙古自治区乌拉特中旗索伦山地区扎嘎乌苏、浩仁呼都格、哈日格那、索伦、沙布特、乌珠尔少布特(K49E010001、K49E010002、K49E010003、K49E010004、K49E010005、K49E010006)幅1∶5万区域地质矿产调查项目总体设计书[R]. 北京: 中国人民武装警察部队黄金指挥部, 2013.
Li G Z, Luo W H, Hou W R, et al. The Overall Design about the 1∶50 000 Regional Geology and Mineral Resources Survey Project in Zhagawusu, Haorenhuduge, Harigena, Suolun, Shabute and Wuzhuershabute of the Wulate Middle Banner Sauron Mountain Areas in Inner Mongolia Autonomous Region[R]. Beijing: Chinese People’s Armed Police Force Gold Headquarters, 2013. [本文引用:1]
[4] 李朋武, 高锐, 管烨, . 内蒙古中部索伦-林西缝合带封闭时代的古地磁分析[J]. 吉林大学学报: 地球科学版, 2006, 36(5): 744-758.
Li P W, Gao R, Guan Y, et al. Palaeomagnetic constraints on the final closure time of Solonker-Linxi suture[J]. Journal of Jilin University: Earth Science Edition, 2006, 36(5): 744-758. [本文引用:1]
[5] 陶继雄, 苏茂荣, 宝音乌力吉, 等. 内蒙古达尔罕茂明安联合旗满都拉地区索伦山蛇绿混杂岩的特征及构造意义[J]. 地质通报, 2004, 23(12): 1238-1242.
Tao J X, Su M R, Baoyin W L J, et al. Characteristics and tectonic significance of the Solon Mountain ophiolitic melange in the Mand ula area, Darhan Muminggan, Inner Mongolia[J]. Geological Bulletin of China, 2004, 23(12): 1238-1242. [本文引用:1]
[6] 任梦依, 陈建平. ASTER与WorldView-2结合提取岩性信息流程——以西藏物玛地区为例[J]. 地质学刊, 2013, 37(4): 585-592.
Ren M Y, Chen J P. On process of lithologic information extraction by ASTER and WorldView-2 data: A case study of Wuma area in Tibet[J]. Journal of Geology, 2013, 37(4): 585-592. [本文引用:1]
[7] 金谋顺, 王辉, 张微, . 高分辨率遥感数据铁染异常提取方法及其应用[J]. 国土资源遥感, 2015, 27(3): 122-127. doi: DOI: 106046/gtzyyg. 2015. 03. 20.
Jin M S, Wang H, Zhang W, et al. Method for extraction of ferric contamination anomaly from high-resolution remote sensing data and its applications[J]. Remote Sensing for Land and Resources, 2015, 27(3): 122-127. doi: DOI:10.6046/gtzyyg.2015.03.20. [本文引用:1]
[8] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.
Zhao Y S. Analysis Principle and Method of Remote Sensing Applications[M]. Beijing: Science Press, 2003. [本文引用:1]
[9] 刘新星, 陈建平, 曾敏, . 基于多源遥感数据的西藏羌多地区地质构造解译[J]. 国土资源遥感, 2015, 27(3): 154-160. doi: DOI: 106046/gtzyyg. 2015. 03. 24.
Liu X X, Chen J P, Zeng M, et al. Geological structural interpretation of Qiangduo area in Tibet based on multi-source remote sensing data[J]. Remote Sensing for Land and Resources, 2015, 27(3): 154-160. doi: DOI:10.6046/gtzyyg.2015.03.24. [本文引用:1]
[10] 吴德文, 朱谷昌, 吴健生, . 青海芒崖地区岩石光谱特征分析及应用[J]. 国土资源遥感, 2001, 13(4): 28-34. doi: DOI: 106046/gtzyyg. 2001. 04. 05.
Wu D W, Zhu G C, Wu J S, et al. The analysis and application of spectral characteristics of rock samples from Mangya area, Qinghai province[J]. Remote Sensing for Land and Resources, 2001, 13(4): 28-34. doi: DOI:10.6046/gtzyyg.2001.04.05. [本文引用:2]
[11] 余健, 张志, 李闵佳, . 基于ASTER遥感影像的西昆仑岩性信息提取方法研究[J]. 国土资源遥感, 2012, 24(1): 22-27. doi: DOI: 106046/gtzyyg. 2012. 01. 05.
Yu J, Zhang Z, Li M J, et al. The Methodology of lithologic information extraction by using ASTER data in West Kunlun Mountains[J]. Remote Sensing for Land and Resources, 2012, 24(1): 22-27. doi: DOI:10.6046/gtzyyg.2012.01.05. [本文引用:1]
[12] 田淑芳, 詹骞. 遥感地质学[M]. 2版. 北京: 地质出版社, 2013.
Tian S F, Zhan Q. Remote Sensing of Geology[M]. 2nd ed. Beijing: Geological Publishing House, 2013. [本文引用:3]
[13] 俞乐. 多源遥感信息快速处理与岩性信息自动提取方法研究[D]. 杭州: 浙江大学, 2010.
Yu L. Towards Multi-Source Remote Sensing Information Fast Processing and Automatic Lithological Information Extraction[D]. Hangzhou: Zhejiang University, 2010. [本文引用:1]
[14] 刘建平, 赵英时. 高光谱遥感数据解译的最佳波段选择方法研究[J]. 中国科学院研究生院学报, 1999, 16(2): 153-161.
Liu J P, Zhao Y S. Methods on optimal band s selection in hyperspectral remote sensing data interpretation[J]. Journal of the Graduate School, Academia Sinica, 1999, 16(2): 153-161. [本文引用:1]
[15] 焦润成, 秦彦平, 张淑云, . WorldView-2数据在沉积岩地区的遥感岩性增强方法初探——以新疆喀什阿尔塔什地区为例[J]. 西北地质, 2014, 47(4): 277-283.
Jiao R C, Qin Y P, Zhang S Y, et al. A preliminary exploration of methods to enhance remote sensing lithology with WorldView-2 data in sedimentary rocks area: A case study in Kashi Altas district of Xinjiang[J]. Northwestern Geology, 2014, 47(4): 277-283. [本文引用:1]
[16] 陈玲, 梁树能, 周艳, . 国产高分卫星数据在高海拔地区地质调查中的应用潜力分析[J]. 国土资源遥感, 2015, 27(1): 140-145. doi: DOI: 106046/gtzyyg. 2015. 01. 22.
Chen L, Liang S N, Zhou Y, et al. Potential of applying domestic high-resolution remote sensing data to geological survey in high altitudes[J]. Remote Sensing for Land and Resources, 2015, 27(1): 140-145. doi: DOI:10.6046/gtzyyg.2015.01.22. [本文引用:1]
[17] Pournamdari M, Hashim M, Pour A B. Spectral transformation of ASTER and Land sat TM band s for lithological mapping of Soghan ophiolite complex, south Iran[J]. Advances in Space Research, 2014, 54(4): 694-709. [本文引用:1]
[18] 周云, 符思涛. 遥感图像色彩增强处理方法探讨[J]. 测绘与空间地理信息, 2010, 33(4): 153-156.
Zhou Y, Fu S T. Discussion on the processing method of color enhancement on remote sensing image[J]. Geomatics & Spatial Information Technology, 2010, 33(4): 153-156. [本文引用:1]
[19] 曹建芳, 陈俊杰, 赵青杉. 一种改进的HSV颜色空间量化方法及其应用[J]. 南京师范大学学报: 工程技术版, 2014, 14(2): 68-73.
Cao J F, Chen J J, Zhao Q S. An improved method on color space quantization and application[J]. Journal of Nanjing Normal University: Engineering and Technology Edition, 2014, 14(2): 68-73. [本文引用:1]
[20] 焦竹青, 徐保国. HSV变换和同态滤波的彩色图像光照补偿[J]. 计算机工程与应用, 2010, 46(30): 142-144.
Jiao Z Q, Xu B G. Color image illumination compensation based on HSV transform and homomorphic filtering[J]. Computer Engineering and Applications, 2010, 46(30): 142-144. [本文引用:1]
[21] Yang J, Cheng Q M. A comparative study of independent component analysis with principal component analysis in geological objects identification, Part I: Simulations[J]. Journal of Geochemical Exploration, 2015, 149: 127-135. [本文引用:1]
[22] Yang J, Cheng Q M. A comparative study of independent component analysis with principal component analysis in geological objects identification. Part II: A case study of Pinghe District, Fujian, China[J]. Journal of Geochemical Exploration, 2015, 149: 136-146. [本文引用:1]
[23] 卫亚星, 王莉雯. 遥感图像增强方法分析[J]. 测绘与空间地理信息, 2006, 29(2): 4-7.
Wei Y X, Wang L W. Analysis of enhancement methods about satellite images[J]. Geomatics & Spatial Information Technology, 2006, 29(2): 4-7. [本文引用:1]
[24] 邓书斌. ENVI遥感图像处理方法[M]. 北京: 科学出版社, 2010.
Deng S B. ENVI Remote Sensing Image Processing Methods[M]. Beijing: Science Press, 2010. [本文引用:1]
[25] 金剑, 田淑芳, 焦润成, . 基于地物光谱分析的WorldView-2数据岩性识别——以新疆乌鲁克萨依地区为例[J]. 现代地质, 2013, 27(2): 489-496.
Jin J, Tian S F, Jiao R C, et al. Lithology identification with WorldView-2 data based on spectral analysis of surface features: A case study of Wulukesayi District in Xinjiang[J]. Geoscience, 2013, 27(2): 489-496. [本文引用:2]
[26] 金剑. 多元数据在策勒县玉龙地区遥感成矿预测中的应用[D]. 北京: 中国地质大学(北京), 2013.
Jin J. Application of Multivariate Data in Remote Sensing Metallogenic Prediction in the Yulong Region of Cele[D]. Beijing: China University of Geosciences(Beijing), 2013. [本文引用:1]