基于光谱匹配的热红外高光谱数据岩性分类研究

孙娅琴，田淑芳，王兴振，高雅洁

(中国地质大学(北京)地球科学与资源学院，北京　100083)



基于光谱匹配的热红外高光谱数据岩性分类研究

孙娅琴，田淑芳，王兴振，高雅洁

(中国地质大学(北京)地球科学与资源学院，北京100083)

从岩石光谱出发，结合光谱谱带强度特征和光谱波形特征，针对机载热红外高光谱数据(TASI)，在以往算法基础上，提出一种改进的算法——光谱离散能级波形匹配法(SDEM)，并将其运用到岩性分类研究中。SDEM算法能识别岩石光谱间的微小差异，并在充分考虑光谱谱带强度和波形特征的同时，有效减弱数据噪声。与传统的岩性分类方法——高光谱角度制图法(SAM)相比，改进的算法能更精确地区分岩石相似光谱，识别易混淆岩性，对出现“异物同谱”现象的岩石也具有更好的区分能力。将SDEM、SAM方法应用于甘肃柳园地区TASI数据岩性分类研究中，可看出SDEM方法能识别出SAM未识别或识别错误的岩性。通过研究区野外查证，可知SDEM方法所得岩性分类结果更符合岩石实际分布情况。可见光谱离散能级波形匹配法具有较好的岩性分类效果，能更好地区分地物。

热红外高光谱；光谱特征；光谱离散能级波形匹配法；甘肃柳园地区；岩性分类

0　引　言

高光谱遥感具有多而窄的连续光谱，光谱分辨率可达纳米级，可获得影像中每个像元的精细光谱，包含了表现地物空间分布特征的空间、辐射和光谱三重信息，具有“图谱合一”的特点[1]。地物的光谱特性是高光谱遥感的基础。岩石热红外波段发射率光谱特征与其晶格中原子基团的基频振动有关，而原子基团基频振动反映了岩石成分、结构的差异，因此，通过分析热红外高光谱数据的光谱特征，可以获取相应的岩性信息[2]。

地物光谱的差异主要体现在谱带强度特征和光谱波形特征两个方面。谱带强度代表了某个波长的发射率、反射率或辐射亮度。根据谱带强度，邵芸等使用比值法[3]，甘甫平、杨自安等使用主成分分析法[4-5]，宋晚郊、张绪教等使用主成分分析和矿物指数方法[6]分别进行了岩矿识别；杨波、李京等在波段运算、主成分分析的基础上提取了岩体和隐伏岩体信息[7]。然而，谱带强度易受岩石光谱中某个或某几个强度比较突出的波段的控制，对于谱带强度相差不大的岩石来说，仅基于谱带强度进行岩性分类的精度较低。光谱波形特征主要指光谱的波形表征参数，如吸收波段位置、吸收深度、吸收宽度等。Rowan等针对波形特征使用光谱角匹配法进行了岩性识别[8]，王青华、王润生等根据诊断性吸收特征进行了岩性填图[9]。针对高光谱数据，利用波形特征能快速提取地物，但其受地物总体波形或局部波形的影响较大，在提取过程中易丢失地物信息。因此，王钦军等提出了结合谱带强度与波形特征的光谱排序编码法、光谱能级匹配法和光谱相关能级匹配法提取岩性信息,均取得了不错的效果[10-11]。

图1　光谱离散能级波形匹配法(SDEM)流程图　Fig.1　The flow chart of spectral divergence energy-level matching method

但是，到目前为止，国内外的岩性分类研究较多针对反射率光谱，而针对航空热红外发射率光谱的此类研究甚少，并且以往算法在一定程度上均受噪声的干扰。因此，提出一种能有效减小或消除噪声影响且适用于热红外发射率数据的岩性分类算法至关重要。

基于以上分析，本文在以往算法的基础上，提出了一种改进的光谱特征匹配算法：光谱离散能级波形匹配法(SDEM：Spectral Divergence Energy-level Matching Method)，并通过野外验证精度，和对比分析该方法与传统高光谱角度制图法的岩性分类结果来评价其岩性分类性能。

1　技术原理

光谱离散能级波形匹配法(SDEM)是在已有光谱排序编码法、光谱能级匹配法和光谱相关能级匹配法等方法的基础上，通过改进谱带强度相似度、光谱完全波形特征相似度的匹配指数来识别热红外高光谱图像上的目标地物。SDEM算法的改进之处在于：在谱带强度相似度匹配指数中引入兰氏距离，结合光谱信息散度，以保证在充分进行谱带强度匹配时有效减弱噪声的影响；在光谱波形特征相似性匹配时将光谱差曲线的标准差与光谱排序编码相结合，能在波形特征定量化匹配的同时充分考虑谱带强度，避免出现丢失地物的现象。算法主要流程如图1所示。

1.1谱带强度相似性匹配

为了在充分进行谱带强度匹配的基础上有效减弱数据噪声的影响，本文采用光谱信息散度(SID:Spectral Information Divergence)与兰氏距离(LD:Lance and Williams Distance)[12]相组合的方法来计算谱带强度相似性。

光谱信息散度(SID)将每个像元视为一个随机变量，并根据像元之间光谱概率分布行为的差异得到两像元之间的光谱相似性，其在反映像元光谱特征差异的同时，能有效地保留光谱特征信息，适用于具有多个光谱波段的高光谱遥感图像[13-14]。式(1)为SID的计算公式：

SID(r, r′)=D(r‖r′)+D(r′‖r)

(1)

其中：

(2)

(3)

(4)

以上各式中：r和r′分别代表像元光谱和参考光谱；p和q分别代表二者的概率质量分布；Aj表示像元光谱r中第j个波段的谱带强度；Bj表示参考光谱r′中第j波段的谱带强度；N是波段个数，D(r‖r′)为r′相对于r的相对熵；D(r′‖r)为r相对于r′的相对熵。

光谱信息散度SID表达了像元光谱与参考光谱谱带强度的整体相似程度，值越小，光谱之间的相似性越大。然而，光谱信息散度在计算时易受光谱强度比较突出的某个或某几个波段的控制，对于谱带强度不大的地物，效果不明显。为了弥补上述不足，本文引入兰氏距离LD，结合光谱信息散度SID，作为光谱谱带强度相似性匹配指标。

兰氏距离LD对奇异值不敏感，但对数值较低的对象具有较强的差异刻画能力，将其运用到遥感影像上不仅可以很好地抑制噪声，而且能有效地弥补SID的不足，突出谱带强度较低对象间的差异。LD的定义式如下：

(5)

综上所述，谱带强度相似性匹配指数SE的计算公式如下：

SE(r, r′)=SID(r, r′)+LD(r, r′)

(6)

1.2光谱波形特征相似性匹配

在光谱波形特征相似性匹配方面，使用光谱差曲线(DS：Difference of Spectra)的标准差与光谱排序编码相结合的指标，以保证定量化描述光谱曲线波形特征差异的同时，充分考虑光谱强度。

光谱差曲线是将参考光谱与像元光谱逐点相减而得到的一维数为N(波段数)的新向量。当两条曲线谱形相似时，光谱差曲线近似为一条斜率为0的直线；当谱形存在明显差异时，DS将是一条存在明显起伏的曲线[15]。基于此，本文使用光谱差曲线的标准差定量化描述光谱曲线波形的相似性,标准差越小，两条光谱曲线越相似。光谱差曲线的标准差公式如式(7)所示：

(7)

SSE=n/N

(8)

那么，光谱波形特征相似性匹配指数为：

SF=SSD+(1-SSE)

(9)

由式(9)可见，SF越小，两条曲线的光谱波形特征越相似。

综上所述，光谱离散能级波形匹配法(SDEM)的总指标为：

S=SE×SF

(10)

由上式及以上论述可知，S越小，两条光谱的相似性越高。

2　实例应用

2.1TASI数据简介

TASI传感器由加拿大ITRES公司研制，是目前我国引进的第一台航空热红外高光谱成像系统，共32个波段，空间分辨率2.25 m，波长范围为8～11.5 μm，半波宽0.054 8 μm，光谱分辨率0.109 5 μm。本文所用数据为经过相对辐射校正、大气校正、温度与发射率分离后的TASI发射率数据。

2.2研究区简介

本文研究所用数据获取于2010年9月8日下午甘肃柳园地区，地理坐标范围为：95°10′00″E—95°46′00″E，41°08′00″N—41°16′00″N，面积746 km2。

图2　研究区综合地质简图Fig.2　The comprehensive geological map of the study area1.全新统；2.上更新统；3.下更新统玉门组；4.上新统苦泉组；5.奥陶系斜长混合岩、角岩、板岩；6.奥陶系千枚岩、泥板岩、结晶灰岩；7.砖红色花岗岩；8.红色花岗岩；9.黑云母花岗岩、钾长花岗岩；10.花岗闪长岩；11.超基性岩；12.花岗岩脉；13.石英脉；14.辉绿岩脉；15.地质界线；16.断裂；17.研究区范围

图3　23条参考光谱曲线图Fig.3　Curves of 23 reference spectra

甘肃柳园研究区位于甘肃北山造山带中带，红柳河—牛圈子—洗肠井早古生代缝合带南缘，隶属塔里木—华北板块一级构造单元，敦煌微板块二级构造单元。

研究区岩性复杂(图2)，地层主要包括：中奥陶统花牛山群中岩组千枚岩、泥板岩、泥晶灰岩、变质砂岩、黑云二长混合岩、角闪斜长混合岩夹变质砂岩、玄武岩等；新近系上新统苦泉组砖红色砂岩、粉砂质泥岩；第四系全新统砖红色砂岩、粉砂质泥岩等。区内岩浆活动频繁，侵入作用强烈，由老至新有华力西早期、中期和印支期3个岩浆期，以华力西中期岩浆侵入活动最为强烈，岩石类型主要为中酸性、基性—超基性岩体，如橄榄岩、花岗闪长岩、斑状花岗岩等。

2.3岩性分类结果评价

结合已有地质资料、野外验证点、岩石样本岩矿鉴定结果以及野外实测波谱，本文选取并定名研究区共23条典型岩性的发射率曲线作为参考光谱，如图3所示。参考光谱所代表的岩性分别为石英岩、中细粒石英二长岩、阳起黝帘岩、蛇纹岩、黑云斜长变粒岩、粗中粒二长花岗岩、含斑角闪闪长岩、碎裂状透闪大理岩、二云石英片岩、大理岩、硅板岩、强绢英岩化花岗岩、强蚀变煌斑岩、细中粒正长花岗岩、细粒二长花岗岩、堇青黑云长英质角岩、绿泥绢云板岩、角岩化阳起透闪硅质岩、花岗闪长斑岩、碎裂状硅质蚀变岩、含黑云二长花岗岩、橄榄角闪石岩、辉绿岩。根据已有地质资料、野外验证结果及岩石波谱测试结果可知，所选23种岩性基本上能代表研究区的岩石类型。

研究中针对TASI发射率数据，应用光谱离散能级波形匹配法(SDEM)进行岩性分类研究，并在此分类基础上进行野外验证。研究区野外验证点共176个，均匀分布于研究区内，如图4所示。

图4　研究区野外验证点分布图Fig.4　The field validation points of the study area

表1为SDEM方法岩性分类结果野外验证精度表，从表中176个野外验证点验证结果可见，该方法岩性分类精度在75.0%以上，其中阳起黝帘岩、蛇纹岩、硅板岩、强蚀变煌斑岩、堇青黑云长英质角岩、绿泥绢云板岩、碎裂状硅质蚀变岩等的精度达100%，岩性分类结果与岩石野外实际分布情况基本一致。可见光谱离散能级波形匹配法能在较大程度上识别地物的光谱信息，对相似光谱或者具有“异物同谱”特征的地物，具有较好的识别效果。 而高光谱遥感识别岩石或矿物的技术方法有很多，如高光谱角度制图法、最大似然分类法、人工神经网络分类法、光谱微分技术、混合光谱分解技术等，其中在岩性填图方面，高光谱角度制图法效果相对较好。因此，本文同时使用高光谱角度制图法对研究区进行岩性分类，并对比分析两种方法的岩性分类效果。两种方法均使用图3所示的23条光谱作为参考光谱。

图5、图6、图7、图8分别为研究子区两种方法岩性分类结果对比图，从图中可见两种方法的岩性分类结果整体上是一致的，但SDEM方法在细节方面，特别是对相似光谱的区分上，具有更好、更精细的分类效果，而高光谱角度制图法则相对易出现错分或漏分现象。

图5中D159为辉绿岩野外验证点，从图3中可见辉绿岩与橄榄角闪石岩具有相似的发射率光谱，SDEM方法在D159处提取出了辉绿岩，而高光谱角度制图法因未能区分出相似光谱间的细微差别而将此处的辉绿岩误填为橄榄角闪石岩。

表1SDEM方法岩性分类结果野外验证精度

Table 1Field validation precision of SDEM lithology classification results

分类岩性野外验证正确点数错误点数验证总数正确率/%石英岩1011190.9中细粒石英二长岩1231580.0阳起黝帘岩303100.0蛇纹岩202100.0黑云斜长变粒岩821080.0粗中粒二长花岗岩1211392.3含斑角闪闪长岩1341776.5碎裂状透闪大理岩62875.0二云石英片岩303100.0大理岩41580.0硅板岩404100.0强绢英岩化花岗岩61785.7强蚀变煌斑岩202100.0细中粒正长花岗岩1131478.6细粒二长花岗岩61785.7堇青黑云长英质角岩404100.0绿泥绢云板岩303100.0角岩化阳起透闪硅质岩41580.0花岗闪长斑岩51683.3碎裂状硅质蚀变岩303100.0含黑云二长花岗岩1752277.3橄榄角闪石岩41580.0辉绿岩61785.7

图5　两种方法岩性分类结果对比图(辉绿岩对比)Fig.5　Contrast of lithology classification results of the two methods(diabase)(a)高光谱角度制图法；(b)光谱离散能级波形匹配法(SDEM)

图6　两种方法岩性分类结果对比图(含斑角闪闪长岩对比)Fig.6　Contrast of lithology classification results of the two methods(hornblende diorite bearing porphyry)(a)高光谱角度制图法；(b)光谱离散能级波形匹配法(SDEM)

图7　两种方法岩性分类结果对比图(中细粒石英二长岩对比)Fig.7　Contrast of lithology classification results of the two methods(medium-fine adamellite)(a)高光谱角度制图法；(b)光谱离散能级波形匹配法(SDEM)

图8　两种方法岩性分类结果对比图(岩性界线对比)Fig.8　Contrast of lithology classification results of the two methods(lithologic boundary)(a)高光谱角度制图法；(b)光谱离散能级波形匹配法(SDEM)

图9　两种方法岩性分类结果对应色卡图例Fig.9　The color illustrations legend of lithology classification results of the two methods

图6中D37点野外验证为含斑角闪闪长岩，从图3中可见含斑角山闪长岩与黑云斜长变粒岩具有相似的发射率光谱，SDEM方法在此点的分类结果为含斑角闪闪长岩，而高光谱角度制图法却将其误提取为黑云斜长变粒岩。

图7所示椭圆中，橄榄角闪石岩中含有少量中细粒石英二长岩，SDEM方法将石英二长岩提取出来了，而高光谱角度制图法出现了漏提现象，未能识别出此处的石英二长岩。

此外，因为SDEM方法能在较大程度上挖掘地物的光谱信息，解读不同岩性光谱之间的微弱差异，故在其分类结果中相邻岩性的界线也更加截然。如图8为研究区局部地区岩性分类结果对比图，可见SDEM方法的岩性界线相对高光谱角度制图法更清晰。

综上可见，针对热红外高光谱数据，SDEM方法能在较大程度上区分地物光谱，特别是相似光谱，从而更好地识别地物。相对于传统基于光谱匹配的分类方法，其在对热红外高光谱数据进行岩性识别方面具有更好的效果。

3　结　论

本文从高光谱影像具有丰富的光谱信息出发，基于谱带强度特征和光谱波形特征相结合的原则，提出了一种改进的算法——光谱离散能级波形匹配法(SDEM)，进行岩性分类研究。从甘肃柳园地区野外验证结果可见，该方法岩性分类精度在75.0%以上，最高达100.0%，其分类结果与岩石野外实际分布情况基本一致。通过对比分析研究区的TASI热红外高光谱数据的岩性分类试验结果，可见针对高光谱数据，SDEM方法能有效地表现出不同岩性光谱，特别是相似光谱之间的差异，且能在一定程度上抑制图像噪声，使岩性分类结果更趋近地物真实分布情况。相对于高光谱角度制图法而言，SDEM方法具有更好的分类效果，能有效地识别出高光谱角度制图法未能识别出或识别不完全的地物，且其在地物边界上也具有更好的表现力，相邻地物之间的界线相对更清晰。在地质应用方面，如岩性填图、矿物填图等，光谱离散能级波形匹配法表现出一定的优势，具有良好的应用前景。

光谱离散能级波形匹配法在不同地物或者具有“异物同谱”现象的地物之间具有较好的表现力，但对于解决因其他因素(如地形、阴影等)的影响所出现的“同物异谱”现象，SDEM算法还有待进一步改进。

[1]童庆禧，张兵，郑兰芬. 高光谱遥感——原理、技术与应用[M]. 北京：高等教育出版社，2006：38-51.

[2]CHRISTENSEN P R，BANDFIELD J L，HAMILTON V E，et al. A thermal emission spectral library of rock-forming minerals[J]. Journal of Geophysical Research，2000，105(E4)：9735-9739.

[3]邵芸，朱亮璞，崔承禹. 航空多光谱遥感识别沉积岩地层岩性的应用研究[J]. 环境遥感，1989，4(2)：145-153.

[4]甘甫平，王润生，马蔼乃，等.光谱遥感岩矿识别基础与技术研究进展[J].遥感技术与应用，2002，17(3)：140-147.

[5]杨自安，徐国端，邹林，等. 化探与遥感信息在青海两兰地区找矿预测中的应用[J]. 地质与勘探，2003，39(6)：42-45.

[6]宋晚郊，张绪教，高万里，等. 东昆仑造山带巴颜喀拉山群ASTER岩性信息提取[J]. 现代地质，2013，27(1)：119-122.

[7]杨波，李京，陈云浩，等. 甘肃鹰嘴山地区岩体和隐伏岩体遥感信息提取研究[J]. 现代地质，2005，19(3)：467-469.

[8]ROWAN L C，MARS J C. Lithologic mapping in the Mountain Pass，California area using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data[J]. Remote Sensing of Environment，2003，84(3)：350-366.

[9]王青华，王润生，郭小方. 高光谱遥感技术在岩石识别中的应用[J]. 国土资源遥感，2000，46(4)：41-43.

[10]王钦军，蔺启忠. 一种岩性提取新方法——光谱排序编码法[J]. 地质与勘探，2006，42(3)： 91-96.

[11]王钦军. 高/多光谱遥感目标识别算法及其在岩性目标提取中的应用[D]. 北京：中国科学院遥感应用研究所，2006：33-68.

[12]王珂，顾行发，余涛，等. 基于频谱相似性的高光谱遥感图像分类方法[J]. 中国科学：技术科学，2013，43(4)：407-416.

[13]DU Y，CHANG C I，REN H，et al. New hyperspectral discrimination measure for spectral characterization[J]. Optical Engineering，2004，43(8)：1777-1786.

[14]董广军，张永生,戴晨光，等. 基于信息散度特征的高光谱影像识别技术[J]. 仪器仪表学报，2006，27(6)：2091-2093.

[15]刘伟，徐水平，袁军，等. 基于差曲线信息熵的光谱相似性测度改进方法[J]. 测绘通报，2010(增刊)： 239-242.

An Improved Lithological Classification Method for Thermal Infrared Hyperspectral Data Based on Spectral Matching

SUN Ya-qin, TIAN Shu-fang, WANG Xing-zhen, GAO Ya-jie

(SchoolofEarthSciencesandResources,ChinaUniversityofGeosciences，Beijing100083，China)

Feature spectral characteristics are the base of hyperspectral remote sensing technology. Based on rock spectral characteristics, for the purpose of classifying lithology by using Thermal Infrared Airborne Hyperspectral Imager (TASI) data, an improved lithological classification algorithm-spectral divergence energy-level matching (SDEM)-is presented in this paper. SDEM can identify tiny differences between any two different spectra. Also, this method takes both spectral band intensity and spectral waveform into account, and can effectively reduce the impact of image noises. Compared with the traditional lithological classification method-high spectral angle mapping (SAM), the improved algorithm can distinguish those similar but different spectra more precisely, and can identify those easily confused lithology. This method is also good at distinguishing the lithology known as “different features with similar spectra”. Using the TASI data of Liuyuan region in Gansu Province, we compared the lithological classification results of SDEM and SAM methods, and found that the SDEM method can identify the lithology that SAM can’t identify or wrongly identified. Based on our field validation work, the classification result by SDEM is more accordant with the actual distribution of rock, and is also more detailed.

thermal infrared hyperspectra; spectral characteristic; spectral divergence energy-level matching (SDEM); Liuyuan region in Gansu Province; lithological classification

2015-07-07；改回日期：2015-10-15；责任编辑：楼亚儿。

中国地质调查局项目“热红外高光谱矿化蚀变矿物提取方法研究与应用示范”(12120113099600)。

孙娅琴，女，硕士研究生，1991年出生，资源与环境遥感专业，主要从事热红外高光谱遥感、地质遥感研究。Email: 763847773@qq.com。

田淑芳，女，副教授，1963年出生，资源与环境遥感专业，长期从事遥感、GIS的教学与科研工作。

Email: sftian@cugb.edu.cn。

P627；TP79

A

1000-8527(2016)01-0239-08