国产岩心光谱扫描仪CMS350A数据预处理技术

蒙亚平， 杜培军， 李二珠， 张 浩， 徐志刚

(南京大学江苏省地理信息技术重点实验室,南京 210023)

国产岩心光谱扫描仪CMS350A数据预处理技术

蒙亚平， 杜培军， 李二珠， 张 浩， 徐志刚

(南京大学江苏省地理信息技术重点实验室,南京 210023)

岩心高光谱编录是目前深度挖掘地质资料、实现地质找矿突破的有效支持技术之一。该技术实现了高光谱遥感矿物识别优势与钻探技术深部岩层采样特点的结合。针对国家重大科学仪器设备开发专项“岩心光谱扫描仪研发与产业化”支持研发的国内首台岩心光谱扫描仪CMS350A数据采集机理和获取的岩心图像及光谱数据的特点，对岩心光谱扫描数据预处理方法开展研究，提出了基于标准板的岩心扫描图像增强方法、图谱分析结合的干扰光谱识别和校正技术及岩心自动提取和拼接模型，实现了对岩心光谱扫描数据的实时、可靠处理，为后期岩心光谱分析、理化参数反演和矿物分析等工作奠定了基础。

岩心光谱扫描仪； 图像增强； 岩心抽取； 岩心拼接； 光谱校正

0 引言

能源和矿产是支撑现代社会发展的重要资源，是国家重要的战略资源。能源和矿产安全对国家经济和社会发展具有重要意义。自1999年新一轮国土资源大调查开展以来，快速发展的多平台、多传感器、多分辨率、主/被动、多/高光谱对地观测技术被引入地质勘查工作，使我国遥感地质勘查技术取得了显著进步。目前，我国已经逐步形成了“星―空―地―地下”的立体勘查技术体系[1-2]。遥感技术因其宏观性、综合性、多尺度及多层次等特点，已成为地质研究和地质勘查不可缺少的技术手段。特别是高光谱遥感，使遥感地质工作发生了由宏观探测到微观探测，由定性解译到定量反演的质的飞跃。利用高光谱遥感技术可获取地质体的构造产状、反演矿物丰度和成分、建立遥感找矿模型，将遥感地质研究和应用推向了一个新的高度[3]。然而，遥感技术只能对地表以及浅层的地质现象进行观测，不能观测地下深处的地质现象。随着矿产勘查工作的深入，勘查难度越来越大，成本越来越高，勘查方向已由地表转向深部勘查，传统高光谱遥感技术难以胜任这项观测任务。面对新的挑战，在国内外已有众多研究，先后提出了“玻璃地球”[4]、“光谱地壳”[5]等计划，将高光谱技术和钻探技术结合起来，以提高深部找矿的能力。

在众多矿产资源勘探技术中，钻探技术从地下取出实物岩矿样品，可有效服务于资源勘探、国家重大科学工程、地质灾害监测预警及治理等工作[6]。岩心是地质勘查和能源矿产资源勘探等工作的第一手资料。为了解决岩心易风化损毁、海量岩心数据编录负担重、岩心管理和应用数字化水平不高等一系列问题，研究人员逐渐引入了岩心数字图像采集[7]、岩心数据库[8]及高光谱岩心编录[9-10]等技术。岩心光谱扫描仪是目前国际上最先进的高光谱岩心编录技术，综合运用了数字图像和光谱扫描技术，利用光谱仪测量岩心在一定波长范围内的反射波谱特征，定量识别矿物成分； 同时又通过岩心的快速扫描获得高精度成像数据，实现了岩心的图谱合一。国外对岩心光谱扫描仪的研发已有成功案例，如澳大利亚联邦科学与工业研究组织设计制作的HyLogger岩心扫描仪系统，由HyLogger岩心扫描仪和光谱地质分析软件(the spectral geologist，TSG)组成，可实现岩心矿物的现场快速扫描分析。国内对高光谱岩心编录技术已有一些研究，但对岩心光谱扫描仪的研发工作一直滞后于应用需求。

由中国地质调查局南京调查中心承担的国家重大科学仪器设备开发专项“岩心光谱扫描仪研发与产业化”，研制了具有自主知识产权的岩心光谱扫描仪。目前研发的岩心光谱扫描仪CMS350A(以下简称CMS350A)已经达到了生产需要的技术指标[11]。不同于常见的岩心图像采集需要利用线阵相机将岩心的外表面扫描一周[12]，CMS350A所扫描的对象是固定的岩心，采用步进的方式进行岩心扫描，得到的是一系列岩心侧面的正射扫描图像，因而克服了扫描仪运动的影响，提高了图像的精度。然而，因岩心本身的特点以及岩心光谱扫描仪的工作方式，导致岩心扫描原始数据中的图像、光谱以及其他信息均以文件方式存在，失去了岩心的连续变化特点； 岩心扫描图像因扫描环境中光源分布不均而出现局部失真，导致获取的岩心扫描光谱也存在一定的偏差，不便于后续分析和应用。因此有必要构建一套适合CMS350A扫描数据的预处理技术，为岩心数据的后续使用和分析提供基础方法支撑。本文基于CMS350A的特点，在 Visual Studio 2008平台上，研究岩心光谱扫描数据预处理技术方法，提出了有效的岩心扫描图像校正、岩心提取和拼接及干扰光谱校正方法，并在OpenCV2.44图形库函数支持下实现了软件模块的研发。

1 CMS350A及其原始数据

CMS350A以独立工作的光谱仪和高清数码相机分别获取观测范围内被测物体的光谱曲线和图像，通过二者的匹配，实现岩心空间和光谱信息的编录。岩心光谱扫描仪分为2个模块： ①平台模块，主要是搭载岩心盘，并实现X/Y方向的移动； ②仪器设备支架，用于搭载仪器测量设备及照明系统(图1)。

图1 岩心光谱扫描仪Fig.1 Core spectral scanner

岩心扫描的流程为从岩心的右上角开始到左下角结束沿岩心盘纵向进行扫描，当达到底部时，向左偏移1个岩心盘格子的位置，继续从右上到左下扫描，直至扫描完整个岩心盘。

岩心成像采用面阵彩色相机，采集步长为10 cm，图像大小为1 600像元×1 200像元，数据保存格式为JPEG格式，扫描速度为30 帧/s，采取IP通讯。岩心光谱扫描仪提供聚四氯乙烯标准板，分为标准白板和标准黑板。理想的标准白板是完全反射漫射体，反射率为100%； 理想的标准黑板是绝对黑体表面，反射率为0[13]。

CMS350A采用小型化可见光—近红外(VNIR)和短波红外(SWIR)成像光谱仪，岩心光谱扫描数据被重采样为1 nm光谱分辨率，对应的光谱采集扫描步长为5 cm，数据保存格式为ASCII码。2台光谱仪的技术参数详见表1。

表1 CMS350A采用的小型化VNIR和SWIR成像光谱仪技术参数Tab.1 Technical parameters of small VNIR and SWIR imaging spectrometers used in CMS350A

2 岩心图像增强

CMS350A采用面阵彩色相机获取岩心图像，但因受相机光敏单元的响应差异、光照的不均匀性和各光敏单元的暗电流及偏置等影响，容易导致图像曝光不均匀、局部曝光过度或不足等问题。岩心图像外观失真的现象不利于使用者对岩心的直观认识，也会对后续利用计算机进行岩心分析(如计算岩石质量指数、孔隙率和纹理分析等)产生不利影响。因此，对岩心数据预处理的第一步就是对岩心图像进行增强。研究表明，在HSV彩色空间中对亮度通道进行处理，比在RGB彩色空间中更具优势，更适合图像增强和校正[14]。因此，本文选择在HSV彩色空间中对亮度通道进行处理。为了验证和寻找能适应复杂光照环境的岩心图像增强方法，选择强光照射和弱光照射的真实岩心扫描图像各1组(图2(a)―(d)和图2(i)―(l)分别为典型代表图像)进行试验。每组图像为1个岩心盘的所有扫描图像(每盘为80帧图像)。图2(a)中岩心受强光照射影响，其扫描图像的亮度值整体被高估(图2(e))，图像中原本反射率低的暗斑和背景与高亮度的岩心对比度减小，图像识别度降低； 图2(i)中岩心主体颜色为暗色调，表面有亮斑，但是因光照太弱，图像整体亮度被低估(图2(m))，岩心表面亮斑不能清晰辨识。

(a) 原图像1(b) 图像1直方图均衡化(c) 图像1同态滤波 (d) 图像1标准板校正

(e) 原图像1亮度分布(f) 图像1直方图均衡化亮度分布 (g) 图像1同态滤波亮度分布 (h) 图像1标准板校正亮度分布

(i) 原图像2(j) 图像2直方图均衡化(k) 图像2同态滤波 (l) 图像2标准板校正

(m) 原图像2亮度分布(n) 图像2直方图均衡化亮度分布(o) 图像2同态滤波亮度分布 (p) 图像2标准板校正亮度分布

图2不同方法校正图像结果对比

Fig.2Comparisonofimagesmodificatedresultsbydifferentmethods

2.1 图像增强常用方法

图像增强的目的是减弱光照对图像生成的乘性噪声影响，同时保留物体的反射特性对图像生成的影响。直方图均衡化是目前常见的图像增强方法之一，通过对灰度级累计概率分布的线性映射实现对灰度级的调整，方法简单、快速、有效，在图像增强中得到广泛应用； 其缺点是对处理的数据不加选择，可能会增加背景噪声的对比度而降低有用信号的对比度，如图2(b)和图2(j)所示。利用直方图均衡化进行图像校正，图像亮度被高估和被低估的问题都能得到一定程度的解决，亮度值的分布具有层次性(如图2(f)和图2(n)所示)，提升了部分细节的辨识度。但在增强图像信息的同时，也增强了背景噪声，图2(a)中较暗的图斑和图2(i)中的亮图斑仍不能得到清晰的显示，岩心图像的整体色调也与真实岩心表面存在差异[15]。

另一种比较常见的方法是同态滤波。同态滤波是基于一个简单的亮度成像模型，能够在频率域中结合傅里叶变换和高通滤波器，压缩图像亮度范围并增强图像对比度的方法[16-18]，对消除强光照射造成的图像噪声有良好效果。如图2(c)和图2(g)所示，图像的细节信息得到了增强，岩心表面的一些暗色图斑能够得到直接显示。但是，同态滤波的效果取决于对应高通滤波器的参数设置，同一个参数对于不同光照环境造成的噪声处理效果也不同，如图2(k)和图2(o)所示，相同的高通滤波器参数在校正弱光照射的扫描图像时，会因同态滤波具有抑制低频能量的作用导致信息大量丢失，校正后亮度值集中在0附近。岩心扫描工作环境的光照条件复杂多变，对参数依赖较高的同态滤波器不能有效应对这种复杂情况。

2.2 基于标准板的岩心图像增强

目前被广泛认可的成像原理可用图像亮度成像模型表达，即

f(x,y)=i(x,y)r(x,y),

(1)

式中f(x,y),i(x,y)和r(x,y)分别为坐标点(x,y)处的亮度函数、入射光的量和反射光与入射光的比率。r(x,y)由被照射物体的特性决定[16]。

图3(a)—(c)分别示出在强光照射、弱光照射和正常光照射情况下，光照条件对成像过程中图像亮度的影响。

(a) 强光照射 (b) 弱光照射 (c) 正常情况

图3不同光源照射下物体亮度偏差示意图

Fig.3Brightnessbiasofobjectsunderdifferentintensitylightconditions

图3中，S为某一强度的光源；wb表示理想光照状态下物体的亮度投射面；w，b和o分别表示理想光照状态下标准白板亮度值1、标准黑板亮度值0和被照射物体的亮度；WB表示在实际工作中光照状态下亮度投射面；W，B和O则分别表示实际工作状态下标准白板、标准黑板和被照射物体的扫描亮度。

依据数据特点，提出了在HSV彩色空间中进行的标准板校正方法。该方法是将岩心图像的亮度与同一光照条件下标准板成像的亮度进行对比，通过线性缩放，削减光照函数i(x,y)的乘性噪声影响，从而实现对图像的校正。如图3所示，光照环境对成像的影响比较复杂，实际成像亮度投射面相比理想状态的亮度投射面有不同程度的缩放，但被照射物体的亮度与标准板亮度的比值却是不变的，这由被照射材料的反射特征决定而不受光照的影响，即

(2)

因此，可以得到利用标准白板和标准黑板校正图像的方法，即

φo=α(Mo-Mb)，

(3)

(4)

式中：Mo为待校正图像亮度；Mw为在同等条件下的标准白板图像亮度；Mb为相应条件下标准黑板扫描图像亮度；φs为理想状态下标准白板的反射率；φo为经过标准板校正的反射率。

用本文提出的基于标准板校正方法对强光照射导致岩心图像失真(图2(a))进行校正的结果(图2(d))表明，该方法提高了图像中的暗斑和背景框的辨识度，削减了强光照射的乘性噪声，解决了强光照射导致图像亮度被整体高估的问题(图2(h))。用本文提出的方法对弱光照射导致岩心图像失真(图2(i))进行图像校正的结果如图2(l)所示，相比原图像的亮度有一定提升，图像中的亮斑和纹理信息也能够清晰识别，图像亮度整体被低估的问题得到了一定程度的解决(图2(p))。

对比图2中各种岩心图像增强的方法可以看出，本文提出的方法能够适应多种复杂光照环境，相比直方图均衡化能更有效地去除乘性噪声、增强图像有用信息的对比度而不会增强噪声的对比度(图2(b)和图2(j))； 相比同态滤波不会丢失低频信息(图2(c)和图2(k)), 且不受参数设定的限制，具有更高的鲁棒性和普适性。

3 干扰光谱识别与校正

不同的矿物拥有不同的反射光谱特征。通过光谱分析，对岩石的扫描光谱进行处理，分析矿物组成及其品位等各种信息，再根据岩心位置确定不同矿物在不同深度的分布，就可以实现对蚀变成矿的物理、化学条件及其时空变化的定性和定量研究[19]。

CMS350A的光谱分辨率在VNIR和SWIR波段分别达到了4 nm和10 nm，通过插值处理可获得光谱分辨率为1 nm的光谱文件； 标准板测试和岩心盘测试中的信噪比在SWIR谱段分别达到600∶1和400∶1，能够满足岩心高光谱编录的光谱分辨率和信噪比要求[11]。但在岩心扫描过程中，一些不可避免的因素会形成干扰光谱，导致岩心扫描光谱不能真实反映扫描部位的岩心光谱特征。干扰光谱的形成因素主要有： ①被扫描区域位于岩心盘的边框处(图4(a))； ②扫描区域的岩心因自然或者人为原因造成断裂，导致存在岩心空白区(图4(b))； ③扫描区域存在大量红色颜料的编号涂层(图4(c))。因素①和②导致扫描光谱中混入了岩心框背景木板的反射光谱，而因素③导致扫描光谱实际为红色颜料涂层与岩心的混合光谱，会对后续的岩石矿物光谱分析造成干扰，因此需要在图像信息支持下，对干扰光谱进行识别和校正。

(a) 边框干扰 (b) 岩心断裂缺失 (c) 颜料涂层干扰

图4造成岩心扫描干扰光谱的原因

Fig.4Reasonscausinginterferencespectrumofcorescanning

3.1 干扰光谱识别

干扰光谱检测是通过计算光谱扫描视场内岩心覆盖面积比例的大小来实现的，当面积比例低于一定阈值，则判定该处的扫描光谱为干扰光谱。该方法需要解决如何提取岩心覆盖区域和如何计算岩心覆盖区域面积比这2个核心问题。

3.1.1 岩心覆盖区域提取

经过大量测试和分析，发现可以用式(5)有效提取岩心覆盖区域，即

CA=B/R，

(5)

式中：CA为提取岩心覆盖区域的比值图像；B和R分别为岩心扫描图像蓝光和红光通道亮度值。

如图5所示，用式(5)提取的结果中，岩心覆盖区域呈高亮度值，而红色颜料涂层覆盖和岩心缺失的区域则呈低亮度值。通过对多个岩心盘的图像进行试验，得到经验阈值t，即

t=min(mean,0.4)，

(6)

式中：mean为比值图像CA均值； 0.4为经验常数。

(a) 岩心覆盖区充满视域 (b) CA均值误判结果 (c) 经验常数0.4提取的岩心

图5阈值分割效果

Fig.5Resultsofthresholdsegmentation

在岩心覆盖区域并没有充满整个视域时，以CA图像的均值作为阈值进行图像分割，能够很好地提取岩心覆盖区域； 而当岩心覆盖区域几乎充满视域时(图5(a))，用CA的均值则只能提取岩心表面亮度较高的部分，而将亮度较低部分归为背景，从而产生误判(图 5(b))； 但是，选择经验常数0.4可以很好地提取岩心几乎覆盖整个视域时的岩心覆盖区域(图 5(c))。采取阈值选择策略，能够应对几乎所有用来试验的岩心盘扫描图像。

3.1.2 岩心覆盖区域面积比计算

岩心直径和扫描步长均为5 cm，因此设定岩心光谱有效扫描区域为与岩心等宽的正方形(图6红色方框)，面积为As； 有效扫描区内岩心覆盖的面积为Ac。利用式(7)计算岩心覆盖面积比φ，即

φ=Ac/As。

(7)

当φ<1/2时，则判定该区域的扫描光谱为非岩心扫描光谱，需要进行校正。图6(b)中的A区属于正常扫描区域； 而B区属于非正常区域，对应的扫描光谱需要进行校正。

(a) 岩心图像 (b) 岩心覆盖区

图6干扰光谱检测区

Fig.6Interferencespectrumdetectionandmodificationarea

3.2 干扰光谱校正

根据地理学第一定律“任何事物都相关，只是相近的事物关联更紧密”的原理，岩心的岩性分布也符合这一定律，即在一根岩心上，距离越近的2个点的岩石物理、化学性质越相似。基于此原理，本文选择利用干扰光谱前、后邻近位置的扫描光谱近似表示该处的岩心扫描光谱。CMS350A的光谱扫描步长为5 cm，在地质现象中，这是一个非常邻近的距离，所以利用这种方法来校正干扰光谱具有非常高的可行性和可信度。与岩心扫描图像处理方式不同，光谱重建是按步进视场顺序进行的，本文选择直接按照光谱扫描顺序，利用扫描光谱的后一个扫描光谱来校正该处扫描光谱。光谱校正前、后的效果如图7所示。图6(b)中的A区为正常区域，不需要进行光谱校正，所以校正前(图7(a))与校正后(图7(b))的光谱是一致的； 图6(b)中的B区为岩心的边框覆盖区域，该处的扫描光谱呈现低反射率(图7(c))，与该处前、后位置的岩石高反射率特征差异巨大； 该处前一个扫描位置的岩心反射率(图7(a))和后一个扫描位置的岩心反射率(图7(c))非常不同，故对后一个位置的岩心反射率进行校正，得到校正的岩心反射率(图7(d))。

(a) A区校正前光谱 (b) A区校正后光谱 (c) B区校正前光谱 (d) B区校正后光谱

图7检测区校正前后结果

Fig.7Resultsofdetedionandmodification

4 岩心图像提取与增强

4.1 岩心图像提取

在1帧岩心扫描图像中，岩心呈近似矩形的形状，纵向贯穿整帧图像，其余部分为岩心盘边框、间隙以及其他格子的岩心。这些信息不仅增加了数据存储空间，同时会对后续的计算机自动化分析岩心造成干扰(图8(a))。

(a) 岩心扫描图像(b) 岩心提取结果

图8岩心图像提取示意图

Fig.8Diagramofcoreimageextraction

岩心提取是从原扫描图像中识别并裁剪岩心覆盖的矩形区域(如图8(a)中红色方框范围内)； 由于岩心纵向贯穿图像，高度是固定的； 但岩心扫描平台在工作过程中因岩心盘或者镜头轻微位移等导致岩心在图像中的横向位置是不确定的，因此确定了岩心左、右边界的位置也就确定了岩心覆盖的矩形区域。本文采用基于光谱角的方法来确定矩形的左、右边界，即

(8)

式中：a和b分别为同一行中任意2个相邻的像元RGB这3个通道像素值构成的向量；a×b为2个向量的内积； |a||b|为向量模长的乘积； cos〈a,b〉为2个向量夹角的余弦值。

通过2个相邻特征向量的夹角(即2个像元的差异大小)判断这2个像元的位置是否位于边界处。此外，岩心扫描图像会产生局部形变，导致岩心覆盖区域不是规则的矩形，其左、右2边界会有轻微的弯曲和倾斜； 因此，求岩心的左、右2边界要通过分别计算每一行中岩心的左、右2边界位置并求均值来确定岩心从何处进行分割。岩心提取结果如图8(b)所示。

4.2 岩心图像拼接

岩心本身的特点和岩心的存储与扫描方式决定了岩心图像具有非常鲜明的特征： 每个岩心待提取的范围位于岩心图像纵向中线附近，覆盖范围近似矩形； 相邻2帧图像中岩心的宽度基本一致，且岩心中线与图像中线几乎平行。上述特征提供了另一个思路来进行图像配准，即无需在相邻2帧图像中寻找大量的同名点，只需要找出每2帧相邻图像中岩心的中线，然后将每一帧岩心图像中线与融合图像中线重合，即可完成对待拼接图像的近似配准。寻找岩心的中线位置是利用式(8)计算的光谱角来实现的： 从岩心扫描图像的中间位置向2侧遍历，采用角度分割算法分别求出岩心在扫描图像的左、右边界位置，然后用左、右边界的均值作为岩心的中线位置。图9示出利用该方法进行3帧岩心图像(图9(a)—(c))匹配的效果，图中红线为中线位置，通过中线匹配实现图像配准和拼接(图9(d))。

(a) 岩心提取结果1 (b) 岩心提取结果2(c) 岩心提取结果3

(d)岩心拼接结果图9 利用中线匹配法进行岩心图像配准和拼接Fig.9 Core image matching and mosaicing using center line matching method

上述方法回避了传统拼接方法要求每2帧待拼接图像之间必须有同名点的条件[20-22]。从拼接结果来看，该方法的匹配效果可以体现岩心连续变化的特点，同时能够较好地显示岩心原有的外观； 更重要的是，用该方法进行图像匹配快速高效，对岩心图像这类数据量非常大而拼接结果并不需要完全精确的图像拼接任务，具有良好的适用性和较高的工作效率。

5 数据预处理软件开发

基于Visual Studio 2008平台，在OpenCV2.44图形库函数支持下，实现了岩心光谱扫描仪数据预处理软件模块的研发。该软件包括基本数据处理、岩心扫描图像校正、岩心扫描光谱校正和岩心数据查询4个主要模块(图10)。

图10 CMS350A预处理软件系统结构Fig.10 Architecture of CMS350A preprocessing software system

该预处理软件的任务是处理海量的岩心扫描数据，在保证数据处理结果准确性的同时，加强了自动化处理能力； 软件运行中的文件寻址和命名，以及大部分参数获取和设置工作均由软件系统自主完成； 同时，该软件具有一键预处理功能，可自主完成整个预处理流程，大大降低了人力成本。目前该软件开发已经完成，运行稳定。

6 结论

本文针对CMS350A获取的岩心扫描数据特点，结合生产实际需要，对岩心扫描数据的预处理方法展开研究，得到以下结论：

1)基于标准板的岩心图像增强方法原理简单、可操作性强，既能消除光照造成的乘性噪声，又能应对岩心扫描工作中遇到的复杂多变的光照环境。

2)通过计算光谱扫描视场内岩心覆盖面积比例的大小来识别干扰光谱，具有较强的可操作性； 结合“空间相似性”原理、利用邻近点的扫描光谱替换干扰光谱，可有效进行干扰光谱校正。

3)基于光谱角法的自动提取方法能够快速、高效地提取岩心扫描边界。利用光谱角法与中线匹配相结合的方法能够快速、有效地进行岩心图像配准和拼接，能够解决岩心图像匹配中相邻图像之间同名点过少或者没有同名点的问题，具有一定的实用价值。

4)采用的岩心扫描数据预处理方法具有一定的前、后操作顺序： 岩心提取和拼接是基于图像增强结果进行的，通过图像增强可以提高岩心提取和拼接的精度； 而光谱校正是基于岩心提取结果进行的，通过文件编号进行定位，并不受岩心图像拼接结果的影响。

5)基于Visual Studio 2008平台，在OpenCV2.44图形库函数支持下开发的岩心光谱扫描仪数据预处理软件系统，提高了岩心光谱扫描全流程的自动化处理能力和工作效率。

[1] 陈述彭,郭华东.“数字地球”与对地观测[J].地理学报,2000,55(1):9-14.

Chen S P,Guo H D.Digital earth and earth observation[J].Acta Geographica Sinica,2000,55(1):9-14.

[2] 中国地质调查局.中国地质勘查技术进展与发展展望[R].北京:中国地质调查局,2010.

China Geological Survey.Progression and Prospect of the Geological Prospecting Technology in China[R].Beijing:China Geological Survey,2010.

[3] 王润生,熊盛青,聂洪峰,等.遥感地质勘查技术与应用研究[J].地质学报,2011,85(11):1699-1743.

Wang R S,Xiong S Q,Nie H F,et al.Remote sensing technology and its application in geological exploration[J].Acta Geologica Sinica,2011,85(11):1699-1743.

[4] 刘树臣.发展新一代矿产勘探技术——澳大利亚玻璃地球计划的启示[J].地质与勘探,2003,39(5):53-56.

Liu S C.Towards the next generation of giant minerals exploration techniques:Some considerations about the glass earth[J].Geology and Prospecting,2003,39(5):53-56.

[5] 王晋年,李志忠,张立福,等.“光谱地壳”计划——探索新一代矿产勘查技术[J].地球信息科学学报,2012,14(3):344-351.

Wang J N,Li Z Z,Zhang L F,et al.“Spectral Crust” project:Research on new mineral exploration technology[J].Journal of Geo-Information Science,2012,14(3):344-351.

[6] 张金昌.地质岩心钻探技术及其在资源勘探中的应用[J].探矿工程(岩土钻掘工程),2009,36(8):1-6.

Zhang J C.Core drilling techniques and their applications in the exploration of mineral resources[J].Exploration Engineering(Rock and Soil Drilling and Tunneling),2009,36(8):1-6.

[7] 李永忠,杨 光,李秀国.关于岩心数字化建设的思考[J].胜利油田职工大学学报,2008,22(4):53-54.

Li Y Z,Yang G,Li X G.On core digital construction[J].Journal of Shengli Oilfield Staff University,2008,22(4):53-54.

[8] 秦 艳,王曙光.基于C/S和B/S混合模式岩芯库管理信息系统的设计与实现[J].江汉石油职工大学学报,2010,23(5):58-60.

Qin Y,Wang S G.Design and application of the core library information management system based on B/S and C/S mixed model[J].Journal of Jianghan Petroleum University of Staff and Workers,2010,23(5):58-60.

[9] 胥燕辉.铁矿岩心高光谱编录初探[J].地质找矿论丛,2006,22(s1):113-117.

Xu Y H.The preliminary study on hyperspectral core logging[J].Contributions to Geology and Mineral Resources Research,2006,22(s1):113-117.

[10] 张杰林,黄艳菊,王俊虎,等.铀矿勘查钻孔岩心高光谱编录及三维矿物填图技术研究[J].铀矿地质,2013,29(4):249-255.

Zhang J L,Huang Y J,Wang J H,et al.Hyperspectral drilling core logging and 3D mineral mapping technology for Uranium exploration[J].Uranium Geology,2013,29(4):249-255.

[11] 修连存,郑志忠,殷 靓,等.岩心扫描仪光谱数据质量评估方法研究[J].光谱学与光谱分析,2015,35(8):2352-2356.

Xiu L C,Zheng Z Z,Yin L,et al.Research on assessment methods of spectrum data quality of core scan[J].Spectroscopy and Spectral Analysis,2015,35(8):2352-2356.

[12] 张国田.岩心成像技术原理与图像采集[J].录井工程,2013,24(2):37-40.

Zhang G T.Principle and image acquisition of core imaging technology[J].Mud Logging Engineering,2013,24(2):37-40.

[13] 山东省计量科学研究院.JJF 1232―2009反射率测定仪校准规范[S].济南:山东省计量科学研究院,2009.

Shandong Institute of Metrology.JJF 1232―2009 Calibration Specification for Reflectomters[S].Jinan:Shandong Institute of Metrology,2009.

[14] 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.

[15] 吴成茂.直方图均衡化的数学模型研究[J].电子学报,2013,41(3):598-602.

Wu C M.Studies on mathematical model of histogram equalization[J].Acta Electronica Sinica,2013,41(3):598-602.

[16] 章毓晋.图像工程[M].3版.北京:清华大学出版社,2013:95-96.

Zhang Y J.Image Engineering[M].3rd ed.Beijing:Tsinghua University Press,2013:95-96.

[17] 陈春宁,王延杰.在频域中利用同态滤波增强图像对比度[J].微计算机信息,2007,23(6):264-266.

Chen C N,Wang Y J.Image contrast enhancement by homomorphic filtering in frequency field[J].Control and Management,2007,23(6):264-266.

[18] 刘 毅,贾旭芬,田子建.一种基于同态滤波原理的井下光照不均图像处理方法[J].工矿自动化,2013,39(1):9-12.

Liu Y,Jia X F,Tian Z J.A processing method for underground image of uneven illumination based on homomorphic filtering theory[J].Industry and Mine Automation,2013,39(1):9-12.

[19] 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,2000,12(4):39-43.doi:10.6046/gtzyyg.2000.04.08.

Wang Q H,Wang R S,Guo X F.Application for discrimination of rock using hyperspectral remote sensing technique[J].Remote Sensing for Land and Resources,2000,12(4):39-43.doi:10.6046/gtzyyg.2000.04.08.

[20] 王 娟,师 军,吴宪祥.图像拼接技术综述[J].计算机应用研究,2008,25(7):1940-1943,1947.

Wang J,Shi J,Wu X X.Survey of image mosaics techniques[J].Application Research of Computers,2008,25(7):1940-1943,1947.

[21] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.

[22] 翟丽杰.基于特征点的改进SIFT岩心图像匹配算法[J].计算机与数字工程,2013,41(6):981-983.

Zhai L J.Improved SIFT algorithm of image match based on feature point[J].Computer and Digital Engineering,2013,41(6):981-983.

DatapreprocessingmethodsofdomesticcorespectralscannerCMS350A

MENG Yaping， DU Peijun， LI Erzhu， ZHANG Hao， XU Zhigang

(JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology，NanjingUniversity，Nanjing210023，China)

Hyperspectrum logging of core is one of the effective techniques for excavating geological data deeply and making a breakthrough in geological prospecting. Using hyperspectral remote sensing technology and deep rock sampling based on drilling technology has the advantages of mineral recognition. The first core scanner CMS350A in China has been developed successfully through the special project of national great scientific instruments and equipment, namely “development and marketing of core spectral scanner”. In consideration of the data collecting mechanism and characteristics of acquired core images and spectra by the scanner, the authors focused on developing the data preprocessing methods for the core image and spectrum data. A radiation correction method based on standard plate was developed for core scanning image, an interference spectrum detection and modification technology was proposed, and a model for automatic core image extraction and mosaicking was created to accurately process the data in time. These methods constitute the basis for core spectrum analysis, physic-chemical parameters inversion, and mineral analysis in future.

core spectral scanner； image enhancement； core extraction； core mosaic； spectrum modification

10.6046/gtzyyg.2017.04.12

蒙亚平,杜培军,李二珠,等.国产岩心光谱扫描仪CMS350A数据预处理技术[J].国土资源遥感,2017,29(4)：73-81.(Meng Y P,Du P J,Li E J,et al.Data preprocessing methods of domestic core spectral scanner CMS350A[J].Remote Sensing for Land and Resources,2017,29(4)：73-81.)

TP 79

A

1001-070X(2017)04-0073-09

2016-03-25；

2016-05-26

国家重大科学仪器设备开发专项项目“岩心光谱扫描仪研发与产业化”(编号： 2012YQ05025004)资助。

蒙亚平(1991-)，男，硕士研究生，主要研究方向为遥感地学分析。Email： ypmengnju@126.com。

(责任编辑：李瑜)