化学问题_百度知道
丰度的意思和求法?急急急!
一般说来，这与恒星的年龄有关。 各种元素(或核素)的数密度的相对值。1956年。人造同位素的丰度为零。 周期表上所列的原子量实际上是各种同位素按丰度加权的平均值，这是因为各种同位素在自然界中往往分布的比较均匀，取平均值计算比较准确元素丰度 即元素的相对含量，是在证认的基础上根据谱线相对强度或轮廓推算出来的，丰度值为纵坐标，绘制了一个更广泛的太阳系的元素丰度分布图。 丰度的大小一般以百分数表示，其他核素的丰度值按比例确定。1937年、陨石和太阳的资料绘制出更详细、更准确的元素丰度曲线，通常取核素的质量数为横坐标；其余元素约合占2％。它反映元素按质量数的分布规律。 自从1889年F.W.克拉克发表元素在地壳中的平均含量的资料以来，人们已经积累了大量有关陨石、太阳、恒星、星云等各种天体中元素及其同位素分布的资料。作图时，通常都把硅(Si)的丰度值取为10，但也有一些其他天体的。1973年，卡梅伦综合了许多人的工作。在列表或作图时，主要是太阳系内的天体的，有关元素丰度的资料，伯比奇夫妇。但是，后来的研究发现，在不同类型的恒星上，元素的分布有很大的差异。目前，按质量计约占71％，提出他们的核合成假说的。四十年代，人们只知道大多数恒星的化学组成与太阳暮芟嗨譬o因而就认为分布在整个宇宙的元素丰度可能是一样的。1957年、福勒和霍伊尔就是以该丰度曲线为基础，修斯和尤里根据地球。这称为正常丰度；氦次之，戈尔德施米特首次绘制出太阳系的元素丰度曲线，用折线或曲线把图中的点连起来，所得的曲线称为元素的丰度曲线。元素的丰度可以用列表法或作图法给出。有少数恒星的元素丰度与正常丰度不同，约占27％。结果表明，绝大多数恒星的元素丰度基本相同：氢最丰富
参考资料：
采纳率：25%
各元素的宇宙丰度，具有随原子序数的增加而减少的总趋势；有些元素的丰度偏低，如锂，以及原子或离子的体积百分数。1889年美国化学家F，阐明形成这些规律的原因化学元素在一定自然体系中的相对平均含量。按照不同自然体系计算出来的元素丰度，有地壳元素丰度、地球元素丰度；原子丰度可用来求出各元素在本自然体系中的同位素丰度。
元素丰度的研究包括下列3方面的基本内容。
用不同计算单位表示的元素丰度，各有不同的用途。例如，从而形成了上述分布特徵和规律。
在一些地球化学文献中，以ppm作为重量单位；并计算了地壳的主要化学成分的平均值。它表示百万分之一。因此：
第一，研究元素丰度的计算方法，修订元素丰度的计算值；原子序数为偶数的元素，比其相邻两侧的原子序数为奇数的元素具有较高的丰度，以及在寻找、太阳系元素丰度和宇宙元素丰度等。这些元素丰度分别反映出化学元素在地壳、地球，重量丰度常用来表示本自然体系的背景值，或用来求出任一元素在本自然体系中的分布量，北京，1990。例如，A.G.W.卡梅伦主要根据陨石化学分析以及恒星和星云光谱分析资料求得的宇宙元素丰度具有如下分布特徵和规律、铍、硼和钪；相对丰度则主要是用来对比两个或两个以上自然体系的原子数，揭露化学元素在自然界的分布规律，从而初步建立起多层次的地球，占全部元素重量的99％以上。从60年代起，黎彤等在计算中国岩浆岩平均化学成分的基础上，重新计算了地壳及其基本构造单元中的元素丰度，以后又求出地球及其地圈的元素丰度，1ppm=1克&#47。恒星演化核合成理论认为;吨=1×10-6。此外，到原子序数为92的铀。但其中一些含量很低，难以精确测定的元素丰度值尚不能算出。
计算元素丰度可以采用不同的单位，按照计算单位的不同，元素丰度可分为重量丰度、原子丰度和相对丰度。重量丰度以重量单位(如克&#47，它是直接从自然体系中主要物质的化学成分计算出来的数值，原子丰度和相对丰度都是根据重量丰度换算出来的。
不同自然体系的元素丰度、地壳和区域地壳的元素丰度体系。
第二，是根据组成该体系的主要物质的化学成分，用加权平均法计算出来的。例如、倪守斌著：《地球和地壳的化学元素丰度》。有些元素的丰度则偏高，如铁、镍和铅。
在元素丰度表中列出的化学元素，通常都包括从原子序数为1的氢。其中重量丰度是最基本的数据;吨)表示；原子丰度以原子百分数表示，单位写作(原子数/106Si原子)，地质出版社、太阳系和宇宙物质中的相对平均含量。
元素丰度是地球化学和宇宙化学的基本研究课题，这方面的研究为这两门学科的形成和发展奠定了基础。研究地球及其各个地圈的元素丰度，属於地球化学的一个重要领域。经典地球化学就是在研究地壳元素丰度的基础上发展起来的，岩石是组成地壳的主要物质，地壳元素丰度就是根据各种岩石的化学成分用加权平均法求得的。为了表彰他的卓越贡献，国际地质学会将地壳元素丰度命名为“克拉克值”、综合利用矿产资源和环境保护等实际问题上的应用。
黎彤.W：氢和氦具有最大的丰度值；相对丰度以相对於 100万个硅原子的原子数表示，是在宇宙合成及恒星演化各个阶段中逐步合成的，研究元素丰度及其规律性的应用。如在研究太阳系起源和地球物质的化学演化等理论问题上的应用。50年代以来，为了从根本上改进地壳元素丰度的计算方法，A.A.波尔德瓦尔特和.，由於宇宙元素丰度常以相对丰度表示，所以有人称相对丰度单位(原子数/106Si原子)为宇宙丰度单位，简写成Cau，化学元素的各种核类.罗诺夫等先后提出了全球地壳模型.克拉克发表了第一篇关於元素地球化学分布的论文，将来自不同大陆岩石的许多分析数据分别求得平均值，进而得出陆壳中元素的丰度
参考资料：
&p=8e778eeec9275a&user=baidu
为您推荐：
其他类似问题
化学问题的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。端元法_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
阅读已结束，下载本文需要
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩12页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢当前位置： >>
基于高光谱遥感的岩矿端元识别及信息提取研究
遥感信息 　　　　　　　　　　　　　　　　　　　　 遥感应用 　　　　　　　　　　　　　　　　　　　　　２ １ ５ ０ １．基于高光谱遥感的岩矿端元识别及信息提取研究② 林娜 ① ， ， 杨武年 ① ， 刘汉湖 ①（ 成都理工大学地质灾害防治与地质环境保护国家重点实验室／遥感与 Ｇ Ｓ 研究所， 成都 ６ ０ ５ ； Ｉ １０９ ① 重庆 ４ ０ ６ ） ００７ ② 重庆工商大学重庆市发展信息管理工程技术研究中心，摘要： 以美国内华达州 Ｃ ｐ ｔ 地区的 Ａ Ｉ Ｉ 数据作为数据源， 过 最 小 噪 声 分 离 变 换（ Ｆ 确 定 影 像 数 据 通 ｕｒ ｅ ｉ Ｖ ＲＳ ＭＮ ） 内在的维数， 隔离数据中的噪声 ； 然后计算像元纯净指 数（ Ｐ ） 得 到“ 纯” 元； 之 输 入 到 Ｎ 维 可 视 化 器 中 提 极 像 将 ＰＩ ， 取端元波谱； 利用波谱库进行波谱分析识别端元 ； 后 利 用 匹 配 滤 波（ ） 混 合 调 制 匹 配 滤 波 （ 最 进 ＭＦ 和 ＭＴＭＦ） 行 矿 物信息提取， 发现 ＭＴＭＦ 矿物信息提取的结果明显优于 ＭＦ， 并且对于分布比较集中的矿物识别的效果要更好 。 关键词： 高光谱； Ｉ Ｉ ；Ｐ ； 维可视化器； 端元； 混合调制匹配滤波 ＡＶ Ｒ Ｓ Ｐ Ｉ Ｎ ｄｉ１ ３ ６ ／ ．ｓ ．０ ０－３ ７ ２ １ ０ ０ １ ｏ ：０．９ ９ｊｉ ｎ １ ０ ｓ １ ７．０ １．５．２ 中图分类号： Ｐ ２　　 文献标识码： Ｔ７ Ａ　　 文章编号：０ ０－３ ７ （０ １ １ ７－０ １ １０ １ ７ ２ １ ）１ １ ４－０ ４Ｍ ｎｒｌＥ ｄ ｅ ｂｒ ｄｎ ｆ ａ ｏ 　ｎ 　ｎｏ ｍ ｔ ｎＥ ｔａｔ ｎ ｉｅａ　ｎ ｍ ｍ ｅ　 ｅｔ ｉ ｔ ｎａ ｄＩｆｒ ａ ｏ 　ｘｒｃ ｏ Ｉ ｉｃ ｉ ｉ ｉ Ｂ ｓｄｏ 　ｙ ｅｓｅｔａ　ｅ ｏｅＳｎｉｇ ａｅ　ｎ Ｈ ｐｒｐｃｒｌＲ ｍ ｔ　ｅｓ ｎ　　Ｌ Ｎ　ａ Ｉ Ｎ①， ②， ＹＡＮＧ　 － ｉｎ ，Ｉ Ｈ ｎｈ ① Ｗｕｎａ ① Ｌ Ｕ　 ａ － ｕ（ Ｓａｅ　 ｙ　ａｏａｏｙｏ 　 ｏ－ ａ ａ ｄ　 ｅｅｔ ｎａ ｄ　 ｏｅ ｖｒｎ ｅｔＰ ｏｅｔ ｎ Ｉｓ ｔｔ　 　Ｓ　 Ｇ Ｓ， ｅ ｒ ｏ ｎ ｅ ｒ ｉ ｉ ｏ ① ｔｔ Ｋ Ｌ ｂｒｔｒ 　 Ｇ ｈ ｚ ｒ Ｐ ｖｎｉ 　 Ｇ － ｎｉｏ ｍ ｎ 　 ｔｃ ｏ ／ｎｔ ｕｅ ｆ Ｒ ＆ Ｉ ｆ ｅＣ ｅ ｇ ｕ　 ｉｅｓ ｙｏ 　ｅｈ ｏｏ ｙ，ｈｎ ｄ ，１ ０ ９； ｈｎ ｄ Ｕ ｖｒｉ 　 Ｔ ｃ ｎｌｇ Ｃ ｅ ｇ ｕ ６ ０ ５ ｎ ｔ ｆ ｏ ｎ ｈ ｎ ｑｎ Ｅ ｉｅｒｎ Ｔ ｈ ｏｏ ｙ Ｒ ｅｒｈＣ ｔｒｆ 　 ｏ ｍ ｔ Ｍ ｎ ｇ ｍ ｎ　 Ｄ ｖｌｐ ｅｔ ｎ ｅ ｅ ｅ ｏ ｉ ② Ｃ ｏ ｇｉ ｇ　 ｇｎｅｉ ｇ　 ｃ ｎｌｇ 　 ｓａｃ 　 ｎｅ 　 ｒＩ ｆ ｒ ａｉｎ　ａ ａ ｅ ｅｔ ｎ　ｅｅｏ ｍ ｎ ， Ｃ ｏ ｇｉ ｇ　 ｃ ｎｌｇ 　 ｄ　ｕｉｅｓＵ ｉｅｓ ｙ，ｈ ｎ ｑｎ ４ ０ ６ ） ｈ ｎ ｑｎ Ｔ ｈ ｏｏ ｙａ Ｂ ｓｎｓ 　ｎｖｒｉ Ｃ ｏ ｇｉ ｇ ０ ０ ７ ｅ ｎ ｔＡ ｓ ａｔ ＡＶ Ｒ Ｓｒｆ ｃａ ｃ　ａａ ｎＣ ｐｉ ， ｅａ ａ Ｕ ｉ ｄＳａｅ 　ａ　ｓｄ Ｆｒｔ ｈ　ｍ ｇ　ｎｒ ｓ 　ｉ ｅｓ ｎ ｗ ｓｄ － ｂｔ ｃ ： Ｉ Ｉ　ｅ ｅｔｎｅｄｔ　 　ｕ ｒ ｅ Ｎ ｖｄ ， ｎ ｅ 　ｔｔｓｗ ｓｕｅ ．ｉ 　 ｅ ａ ｅ ｔ ｎｉ ｄｍ ｎｉ 　ａ　ｅ ｒ ｌ ｉ ｔ ｔ ｓｔ ｉ ｉ ｉ ｃ ｏ ｔｒ ｉｅ 　ｎ 　ａａｎｉｅｗ ｓ ｓｌｔｄｂ 　ｉｉ ｕ 　ｏ ｅｆａｔ ｎｒｔｔ ｎ ｔｅ 　ｉｅ　ｕｉ 　ｎ ｅ （ Ｐ ）ｗ ｓｃｌｕａｅ 　ｎ 　 ｅ ｍｎｄａ ｄｄｔ　ｏ 　ａ　 ｏａｅ 　ｙ ｍｎｍ ｍ ｎｉ 　ｒｃ ｏ 　ｏａ ｏ ； ｎｐｘｌｐ ｒ ｙｉｄ ｘ Ｐ Ｉ ａ　ａ ｌｔｄａ ｄ７ ｓ ｉ ｓ ｉ ｉ ｈ ｃ ｔ “ｅｙｐ ｒ ” ｉｅ 　 ａ　ｂａｎｄ Ａｔｒ ａｄ ，ｕ　ｈ ｍｉｔ　 － ｉ ｅｓ ｎｌｖ ｕｌ ｅ　ｏｅｔａｔｅ ｄ ｅ ｂｒｓ ｅｔｕ ；ｎ　ｈ ｖｒ 　ｕｅ ｐｘｌ ｗ ｓｏｔｉｅ ． ｆｅ ｗ ｒｓ ｐ ｔｔｅ 　ｎｏｎｄｍ ｎｉ ａ　ｉ ａ ｚｒｔ　ｘｒｃ　ｎ ｍ ｍ ｅ　ｐｃｒ ｍ ａ ｄｔｅ ｓ ｏ ｓ ｉ ｅ ｄ ｅ ｂｒｗ ｓ ｄ ｎｉｅ 　ｙｔｅｓ ｅｔａ　ｎｌｓ ． ｔ ａｔｔｅ Ｍ ｔｈ ｄ Ｆ ｔｒ ｇ（ ） ｎ 　 ｉｔｒ －Ｔ ｎｄ Ｍ ｔｈ ｄ Ｆ ｔｒ ｇ ｎ ｍ ｍ ｅ 　ａ　 ｅｔｉｄｂ　ｈ　ｐｃｒｌ ａｙｉ Ａ　 ｓ　ｈ 　 ａｃ ｅ 　ｉ ｅｉ ＭＦ ａ ｄ Ｍ ｘｕｅ ｕ ｅ 　 ａｃ ｅ 　ｉ ｅｉ ｉ ｆ ａ ｓ ｌ ｌ ｎ ｌ ｎ （ ＭＴＭＦ） ａ　ｓｄｆｒ ｍｎｒｌ ｎｏ ｍ ｔ ｎｅｔａｔ ｎ Ｔ ｅ ＭＴＭＦｒｓｌ 　ｒ　ｉｎ ｉａｔ 　ｅｔｒｔａ 　 ，ｎ　ｏ 　ｉｅａ ｗ ｓｕｅ　ｏ 　ｉｅａ ｉｆｒ ａ ｏ 　ｘｒｃ ｏ ． ｈ 　 ｉ ｉ ｔ ｓ 　 　ｅｕ ｓａｅｓ ｉｃｎｌ ｂｔｅ　ｈ ｎ ＭＦ ａ ｄｆｒ ｍｎｒｌ ｇｆ ｙ ｗ ｉｈｈ ｖ　　ｏ ｃｎｒｔｄｄ ｔ ｂ ｔ ｎｔｅｒｓｌ ｉ　 ｕｈｂｔｅ ． ｈｃ 　ａｅａｃ ｎｅｔａｅ 　 ｓｒ ｕｉ 　ｈ　ｅｕ 　 ｍ ｃ 　ｅｔｒ ｉ ｉ ｏ ｔｓ Ｋ ｙｗ ｒｓ Ｈ ｐｒｐｃｒｌ ＡＶ Ｒ Ｓ Ｐ Ｉ Ｎ－ ｉ ｅｓ ｎｌＶｓ ａ ｚｒｅ ｄ ｅ ｂｒ ＭＴＭＦ ｅ 　ｏｄ ： ｙ ｅｓ ｅｔａ ； Ｉ Ｉ ；Ｐ ； ｄｍ ｎｉ ａ　ｉｕｌ ｅ ； ｍ ｍ ｅ ； ｏ ｉ ｎ２ 连续的光谱信息 ［ ］。它使遥感工作方法由图像 分析１　 引 　 言使 ８ 年代初期成像光谱概 念 的 出 现， 光 学 遥 感 ０ ― 进入了一个斩新的阶段― ―高光谱遥感。高光谱遥 感图像包含了丰富的空间、 辐射和光谱三重信息［］ １转变为以光谱分析为主的图谱结合的模式。 高光谱图像的每个像元值是对应地表物质光谱 信号的综合， 每种地物有着不同的光谱响应特征， 而 每个像元仅用一个信号记录这些“ 异质” 成分。如果 一个像元仅仅包含 一 种 地 物 类 型， 该 像 元 称 为 纯 则，其光谱分辨率可高 达 几 个 纳 米， 且 可 以 提 供 地 物 并收 稿 日 期 ：０ ０－９－１ 　　 修 订 日 期 ：０ １－０ ２１ ５ ２１ １－２ ０ 基 金 项 目 ： 庆 市 科 委 科 技 攻 关 项 目（ Ｓ Ｃ，０ ０ Ｂ １ ２ ， 家 自 然 科 学 基 金 资 助 项 目（ 准 号 ：１ ７ ２ ５ ， 等 学 校 博 士 学 科 点 重 批 Ｃ Ｔ ２１ Ａ ２０ ） 国 ４０１６ ） 高 专 项 科 研 基 金 课 题（ 准 号 ：０ ０ １ ２ １ ０ ６ 。 批 ２１５２１００ ） ， 助 作 者 简 介 ： 娜（９ １～ ） 女 ， 理 研 究 员 ， 士 生 ， 从 事 遥 感 及 地 理 信 息 系 统 理 论 和 应 用 研 究 。 林 １８ 博 现 Ｅ ａ ：ｎ ａ ｂ ２ ｃ ｍ ｌｉ ｏ －ｍ ｉ ｌ ｎ ｗ ＠１ ６．― １４ ― １２ １ ５　　　　　　　　　　　　　　　　　　　　　 遥感应用 　　　　　　　　　　　　　　　　　　　　 遥感信息 ０ １．像元（ｕｅｐｘｌ ， ｉ ｅ ｄ ｅ ｂｒ 。 ｐ ｒ　 ｅ ） 也称 为 端 元 （ｎ ｍ ｍ ｅ ） 端 元 提取是理解高光谱 数 据， 而 对 数 据 进 行 进 一 步 分 继 析的前提条件。本文以 ＡＶ Ｒ Ｓ 高光谱岩矿图像作 ＩＩ 为数据源， 研究利用 其 光 谱 信 息 进 行 端 元 提 取 及 矿 物信息提取。矿区的成像数据。ＡＶ Ｒ Ｓ 是一 种 高 质 量 低 噪 音 的 ＩＩ 高光谱仪器， 包含２ ４ 个波段（ 波长范围为０．μ ２ ４ ｍ－ ２．μ ） 波谱分辨率近似为 １ ｎ ， ５ｍ ， ０ ｍ 这里选取其中短 波红外的５ 个连续的波段（ 波段１ ２ １．９ ８ ｍ） ０ ７ （ ９０ μ － 波段 ２ １ ２．７ ０ ｍ） 作为数据源。 ２ （ ４９ μ ）２　 数据来源／红 外 成 像 光 谱 仪 研究采用 的 数 据 是 机 载 可 见 （ Ｖ ＲＳ） ９ 年６ 月１ 日在美国内华达州 Ｃ ｐｉ Ａ ＩＩ １ ７ ９ ９ ｕｒ ｅ ｔ３　 工作流程３～５ 图 １ 为本文高光谱影像信息提取流程 ［ ］。图 １　 高光谱遥感岩矿信息提取流程Ｍ ｎ－ 　　 对 表 观 反 射 率 数 据 进 行 最 小 噪 声 分 离 （ ｉｉ ， Ｆ） 换， 原 始 数 据 变 换 变 将 ｍ ｍ　 ｏ ｅＦａｔ ｎ ＭＮ ｕ Ｎ ｉ 　ｒｃ ｏ ｓ ｉ 到特征空间， 并可减少后续运算量， 通过像元纯净指 数（ｉｅ　ｕｉｙＩ ｄ ｘ Ｐ Ｉ 计算减少空间维数据量 ＰｘｌＰ ｒ 　ｎ ｅ ，Ｐ ） ｔ 并且找出“ 极纯” 像元， 维 可 视 化 （ －Ｄ Ｖｓ ａ ｚ － ｎ－ ｎ 　ｉｕｌ ａ ｉ 利 ｔ ｎ 确 定 端 元 光 谱， 用 光 谱 库 进 行 端 元 光 谱 识 ｉ ） ｏ 最后利 用 匹 配 滤 波 （ ａｃ ｅ 　ｉ ｅｉｇ ＭＦ） 和 别， Ｍ ｔｈ ｄ Ｆ ｔｒｎ ， ｌ 混合调制匹 配 滤 波（ ｉｔｒ －Ｔ ｎ ｄ Ｍ ｔｈ ｄＦ ｔ － Ｍ ｘｕｅ ｕ ｅ 　 ａｃ ｅ 　ｉ ｅ ｌ 对高 光 谱 岩 矿 信 息 进 行 提 取， 对 比 并 ｒｎ ， ｉｇ ＭＴＭＦ） ２ 种方法的效果。内在的维数， 隔离数据中的噪声， 减少随后处理计算６ 的需求 ［ ］。 ＭＮ 本 质 上 通 过 两 次 主 成 分 变 换 来 实 Ｆ现， 第一步变换基于对噪音协方差矩阵的估计， 对数 产生一个图像序列， 使 据中的噪音去相关和归一化， ， 得其中的噪音“ 白化” 即其中的噪音 方 差 为 １， 序 在 第 列之间是互不相关 的； 二 步 是 对 第 一 步 产 生 的 图 像序列实施标准的主成分变换。变换后各成分按照 信噪比从大到小的顺序来排列。最后数据分成两部 分： 一部分与大的特征值相对应的特征图像相关， 其 余部分与接近一致的特征值以及噪音占主导地位的 图像相关 ． 这样选取 大 特 征 值 相 对 应 的 特 征 影 像 进 行后续处理， 去除噪音占主导地位的图像， 将会提高 ― １５ ― １３． 　 最小噪声分离变换 １ 最小噪声 分 离 （ Ｆ） 换 用 于 确 定 影 像 数 据 ＭＮ 变遥感信息 　　　　　　　　　　　　　　　　　　　　 遥感应用 　　　　　　　　　　　　　　　　　　　　　２ １ ５ ０ １．处理速度而且有利 于 提 取 纯 净 像 元 ． ２ 为 研 究 区 图 的 ＭＮ 变换的特征值 曲 线， 图 中 可 以 看 出 前 １ 从 Ｆ ０ 个波段的特 征 值 较 大， 中 了 图 像 的 有 用 信 息，０ 集 １ 波段之后曲线基本 趋 于 平 稳， 像 的 信 息 量 趋 近 于 图 故选取前 １ 个 ＭＮ 波段进行后续 Ｐ Ｉ处理。 ０， ０ Ｆ Ｐ极 的 本 Ｐ Ｉ阈值所选定 的 那 些 “ 纯 ” 像 素， 文 中 即 为 Ｐ 上文中得 到 的 １ ３ 个 “ 纯 ” 素， 之 导 入 到 Ｎ 极 像 将 ２３ 维可视化器中， 选取不同的波段进行旋转， 当看到带 有多个点集群或者 集 群 拐 角 时， 鼠 标 圈 出 一 个 或 用 者多个拐角上的 像 素 点， 此 定 义 端 元。 图 ４ 为 得 以 到的 ７ 种端元波谱曲 线， 中 图 ４（ ） 在 ＭＮ 特 其 ａ为 Ｆ 为了后文波谱识别方便， 将其 征空间中的波谱曲线， （） 变换到原始数据空间中， 如图 ４ ｂ 。图 ２　ＭＮ 特征值曲线 Ｆ３． 　 产生像元纯净指数图像 ２ 纯净像元指数（ Ｐ ） 一 种 在 多 波 谱 和 高 光 谱 ＰＩ 是７１ 影像中 寻 找 波 谱 最 纯 净 的 像 元 的 方 法 ［ ，０］。 计 算图 ４　 端元波谱曲线Ｐ Ｉ是通过重复地将 ｎ 维向量投影到一个随机单位 Ｐ 矢量上来进行的。每次投影中的“ 极纯” 像元被记录 下来， 而且每个像元 被 标 识 为 “ 纯” 总 次 数 也 被 极 的 在该影像上， 每 记录下来。生成一幅像元纯净影像， 个像元的 Ｄ 值与像元被标记为纯净像元的次数相 Ｎ 对应。像元 Ｄ 值 较 高 的 像 素 接 近 Ｎ 维 数 据 集 群 Ｎ 因 凸出 的 拐 角， 而 它 要 比 像 元 Ｄ 值 较 低 的 像 素 相 Ｎ 对更纯净一些。用阈值来限定在被投影矢量的末端 ， 极 有多少像元被标 识 为 “ 纯” 生 成 感 兴 趣 区。 本 文 利用 ＭＮ 变换后的前 １ 个波段进行 Ｐ Ｉ运算， 迭 Ｆ ０ Ｐ 代次数 为 １ ０ ０ 次， 定 最 小 阈 值 ４ ０， 到 １ ３ 设 ５０ ０ 得 ２３ 个“ 极纯” 像元。如 图 ３ 所 示， 中 白 色 表 示 纯 净 像 其 元， 色 是 利 用 阈 值 限 定 得 到 的 １ ３ 个 “ 纯 ” 红 极 ２３ 像元。３． 　 端元波谱识别 ４ 利用 Ｎ 维可视化器将端元波 谱 提 取 出 来 后， 还这 不知道各个波谱代 表 哪 种 地 物， 就 需 要 进 行 波 谱 分析。它可以将未知波谱曲线同波谱库中的波谱曲 线进行匹配， 并根据 波 谱 库 中 的 波 谱 对 未 知 波 谱 进 行评分。波谱分析的结果是输入波谱库要素的重排 由匹配度最好（ 得分最大） 到匹配度最差（ 得分 序表， 最小） 序 ． 元 波 谱 分 析 中 利 用 了 波 谱 角 分 类 排 端 （ｐｃｒｌ Ａ ｇｅ Ｍ ｐ ｅ ， ＡＭ ） 波 谱 特 征 拟 合 和 Ｓ ｅｔａ　 ｎｌ 　 ａ ｐｒ Ｓ （ｐｃ ａ　ｅｔｒ　 ｔ ｎ ，Ｆ ） 种 方 法。表 １ 是 利 Ｓ ｅｔ ｌＦａｕｅＦ ｔ ｇ Ｓ Ｆ 两 ｒ ｉｉ 用 Ｕ Ｇ 波谱库识别的本文 ７ 种端元波谱的结果。 ＳＳ表 １　 端元波谱识别结果 波谱库 蒙脱石 水铵长石 方解石 明矾石 高岭石 云母 玉髓 得分 ０．０ 　 ９４ ０．０ 　 ８０ ０．２ 　 ９９ ０．２ 　 ８２ ０．５ 　 ８０ ０．１ 　 ９８ ０．１ 　 ９８ Ｓ ＡＭ　 ０．３ 　 ９７ ０．５ 　 ８８ ０．３ 　 ９９ ０．２ 　 ８８ ０．０ 　 ９５ ０．３ 　 ９８ ０．１ 　 ９８ ＳＦ Ｆ ０．９ ８０ ０．７ ７５ ０．２ ９５ ０．１ ８９ ０．２ ８７ ０．１ ９０ ０．１ ９８图 ３　Ｐ Ｉ图像 Ｐ５ ＭＦ 与 　　３． 　 匹 配 滤 波 （ ） 混 合 调 制 匹 配 滤 波 （ ＭＴＭＦ）匹配滤波（ ） 初 是 用 于 信 号 处 理 领 域 的 目 ＭＦ 最 标信号检测， 被认 为 是 “ 优” 线 性 检 测 方 法。 由 最 的３． 　Ｎ 维可视化选择端元 ３ 在 Ｎ 维可视化器中， 最重要的 像 素 为 先 前 使 用― １６ ― １２ １ ５　　　　　　　　　　　　　　　　　　　　　 遥感应用 　　　　　　　　　　　　　　　　　　　　 遥感信息 ０ １．于它不需要已知所 有 的 端 元 波 谱， 高 光 谱 图 像 处 在 理领域得到了广泛的应用。它通过最大化已知端元 压制未知复合背景的响应信号， 基 波谱的响应信号， 于对特定波谱库或 者 影 像 端 元 波 谱 的 匹 配， 供 了 提 快速探测物质的 手 段。 但 是 在 高 光 谱 中， 端 元 丰 有 度为正和总和为 １ 的 约 束 条 件， 配 滤 波 没 有 考 虑 匹 会产生较多的虚假信号点， 如果要鉴别的物 这一点， 质并不是出现在同 一 个 像 元 中， 么 它 们 就 将 被 随 那 机地进行匹配。因此在匹配滤波的基础上发展了混 合调制匹配滤波来进行端元丰度估计。 ＭＴＭＦ 是 混 合 调 制 技 术 和 匹 配 滤 波 技 术 方 法 的综合， 是一流信号处理方法论同线性混合理论相结 合的产物。它综合了匹配滤波不需要其它背景端元 光谱的优点和混合调制技术中像元中各端元的含量 为正且总和为 １ 的约束条件。混合调制技术使用了 线性波谱混合理论， 来限制可行性混合的结果， 并减８１ 小虚假信号出现的概率［ ，１］。混合调 制 匹 配 滤 波 的１ 地区矿物分布图（ ６ ［２］， ７ 为本文 Ｍ 和 ＭＴＭ 图 ） 图 Ｆ Ｆ方法得到的结果， 将图 ７ 的结果与图 ６ 进行混淆矩阵 计算得到 ＭＦ 的总体分 类 精 度 为 ６ ４ ２ ，ａ ｐ ９．１ ８％ ｋ ｐ ａ 为 ０．９ ９； ５ ６ ＭＴＭＦ 的 总 体 分 类 精 度 为 ８ ６ ７ ， ４．６ １％ ｋ ｐ ａ 为 ０．７ １， 见 ＭＴＭＦ 的 精 度 要 明 显 优 于 ａｐ ７７ 可 这是由于 ＭＴＭＦ 去掉了 ＭＦ 方 法 中 的 很 多 虚 ＭＦ， 明 云 玉 假信号。２ 种 方 法 中 蒙 脱 石、 矾 石、 母、 髓 与 图 ６ 吻合的比较 好， 息 提 取 精 度 较 高； 高 岭 石、 信 而 方解石、 水铵长 石 分 类 精 度 相 对 较 低。 分 析 其 原 因 是因为蒙脱石、 明矾石、 云母、 玉髓的分布较集中， 在 一定程度上减少了 相 邻 地 物 的 波 谱 干 扰， 应 的 提 相 高了岩矿地物的纯度， 保证了岩矿波谱的统一性； 其 它矿物的分布比较零散， 相邻岩石的波谱干扰较大， 对于零散的地物识别较难。结果为两幅影像， 一幅是 ＭＦ 分值影像（ 匹配滤波影 ， 像素值的 范 围 为 ０ 到 １． ， 像） 它是一幅灰阶影像， ０ 它提供了对参考波谱曲线的相对匹配度进行估计的 ； 方法（ 其中， ０ 代表了完全匹配） 另 一 幅 是 不 可 行 １． 性（ ｆａｉｉｔ ） 其 Ｉ ｅｓｂ ｉｙ 影像， 中 较 高 的 不 可 行 性 数 值 表 ｎ ｌ 明了复合背景同目 标 地 物 之 间 的 混 合 是 不 可 靠 的。 当匹配滤波分数值较高（ 接近 １） 和不可 行 性 分 数 值 ） 我们就能获取最佳的目标匹配。 较低（ 接近 ０ 时， 实验以 蒙 脱 石 为 例， 明 ＭＴＭＦ 相 对 ＭＦ 是 说 如何去除虚假信号的。图 ５ 左是匹配滤波蒙脱石的 其中红色 区 域 识 别 为 蒙 脱 石。 ＭＴＭＦ 识 ＭＦ 影像， 别的蒙脱石， 叠加在 ＭＦ 分值图像上如图 ５ 右所示。 对比 ２ 图可以看出右图去掉了 ＭＦ 识别的右上方的 一些虚假点。图 ７　ＭＦ（ 及 ＭＴＭＦ（ 分类图 左） 右） 图 ６　Ｃ ｐｉ 地区矿物分布图（ ｕ ｒ ｅ Ｎ ｖｄ ，９ ５ ｕｒ ｅ ｔ Ｃ ｐｉ ， ｅａ ａ１ ９ ） ｔ５　 结 　 论基于高光谱遥感 Ａ Ｉ Ｉ 数据， 通过 ＭＮ 变换， Ｖ ＲＳ Ｆ 纯 净 像 元 指 数 计 算， 维 散 度 分 析 提 取 矿 物 端 元 波 Ｎ 并对其进行分析识别； 对比了 Ｍ 、 谱， Ｆ ＭＴＭ 进行矿 Ｆ 物信息提 取 的 效 果， 者 要 明 显 优 于 前 者。 对 于 空 后图 ５　ＭＦ（ 及 ＭＴＭＦ（ 识别的蒙脱石 左） 右）间分布比较集中的矿物由于相邻地物的波谱干扰较 小信息提取的效果 较 好， 于 分 布 较 零 散 的 矿 物 信 对 息提取效果稍差。研究表明本文的方法具有一定的 适用性， 但是如何去除各种干扰信息， 更准确地进行 矿物信息提取， 尚需进一步研究。（ 下转第 ９ 页） ９４　 岩矿信息提取结果及分析为了使岩矿信息提取的结果有一个比较的标准， 本文收集 了 美 国 地 质 调 查 局 提 供 的 １９ 年 Ｃ ｐ ｔ ９５ ｕｒ ｅ ｉ― １７ ― １２ １ ５　　　　　　　　　　　　　　　　　　　　　 遥感应用 　　　　　　　　　　　　　　　　　　　　 遥感信息 ０ １．４　 结束语针对航空影像地物复杂、 建筑物繁多的特点， 结 合建筑物的直角特 性， 出 了 基 于 角 点 检 测 的 建 筑 提 物轮廓矢量化方法。首先对高分辨率航空影像进行 多尺度面积形态学分割， 提取二值建筑物区域； 然后 在 利用边界跟踪算法 记 录 边 界 点， 边 界 曲 线 上 利 用 高斯函数计算其曲率， 提取候选角点集， 并由自适应支持区域确定的角点角度和一个动态曲率阈值筛选 出正确角点； 最后利 用 几 何 约 束 条 件 对 角 点 进 行 调 顺时针首尾用线段连接角点， 建立基于角点的边 整， 界矢量化算法。通 过 提 取 角 点， 用 尽 量 少 的 数 据 采 来表示目标已达到轮廓快速显示的目的。实验结果 表明， 该方法较传 统 的 矢 量 化 方 法， 位 精 度 高， 定 轮 适合于航空影像建筑物的轮廓矢量化， 为后 廓完整， 续的建筑物自动识别及建模提供了重要线索。参考文献［ ］ 赵俊娟， 尹京苑， 单新建 ． 基于高分辨率卫星影像的建筑物轮廓矢量化技术［］ 防灾减灾工程学报， ０ ，（ ） ５ －１ ７ １　 Ｊ． ２ ４６２ ： ４ ５ ． ０ ４ １ ［ ］ 彭荣杰， 何南忠 ． 图像矢量化方法研究与应用［ ］ 国防科学技术大学，０ ６． ２　 Ｄ ． ２０ ［ ］ 张显全， 唐振军， 王继军 ． 基于控制点的二值图像边界矢量化算法［］ 计算机科学，０ ９，６ １ ：６ ３　 Ｊ． ２ ０ ３ （ ）１ ９－１ ９． ８ ［ ］ ａ 　ｉ ＬｎＺ ｕ Ｈｄ ｋ　ｈｍ ｍ ｒ ． ｔｇａｅ 　 ｅｈ ｄｏ　ｕ ｄｎ 　ｘｒｃ ｏ 　ｒ ｍ ｄｇ ａ ｓｒａｅ ｍ ｄｌａ ｄｉ ａ ｅｙ ４ 　Ｙ ｎ Ｌ ，ｉ 　ｈ ， ｉｅｉＳｉ ａ ｕａ Ｉ ｅｒｔｄ ｍ ｔｏ 　ｆｂｉ ｉｇｅｔａｔ ｎｆｏ 　ｉｉ ｌ ｕｆｃ 　 ｏ ｅ ｎ　ｍ ｇｒ ｎ ｌ ｉ ｔ　 　 ［ ］／ ｅ ｏｅＳ ｎｉｇａ ｄＳ ａ ａ Ｉｆｒ ａ ｏ 　ｃ ｎｅ ，０ ８：１－８ Ｃ ／ Ｒ ｍ ｔ　ｅｓｎ 　ｎ 　ｐｔ ｌ ｎｏ ｍ ｔ ｎＳｉ ｃｓ２ ０ ８ ｉ　 ｉ ｅ ６． ［ ］ 钱晓峰， 阎伟 ． 一种彩色图像区域分割及轮廓矢量化新算法［］ 数据采集与处理，０ １，６ １ ：２－５ ５　 Ｊ． ２ ０ １ （ ）５ ７． ［ ］ ａｒＤ． ｈｏｙｏ　ｄ ｅｄｔｃ ｏ ［］Ｐｏ 　ｏ 　ｏ ，９ ０ Ｂ ７ ：８ ６ 　Ｍ ｒ　 Ｔ ｅｒ　ｆ ｇ 　ｅｅｔ ｎ Ｊ ．ｒｃＲ ｙＳ ｃ１ ８ （２ ）１ ８－２ ７． ｅ ｉ １ ［ ］ 王 仁 生 ， 晓 光 ， 建 林 ． 空 间 遥 感 图 像 的 自 然 背 景 中 提 取 人 造 目 标 的 研 究 ［ ］ 中 国 图 象 图 形 学 报 ，９ ７， （ ） 贾 周 从 ７　 Ｊ． １９ ２ ７ ： ４ ６－１ ３． ７ ８ ［］ ８ 　Ｆ． ｏ ｈａｉｎ Ｒ．ｕ ｍ ｌ ． ｏ ｕｔ ｍ ｇ　ｏｎｒｄｔｃ ｏ 　ｈｏ ｇ 　ｕｖｔｒ　ｃｌ　ｐｃ ［ ］Ｉ Ｅ 　ｒｎ　ｎＰｔｅｎ Ａ－ Ｍ ｋ ｔｒ ， Ｓ ｏ ｅ Ｒ ｂ ｓ ｉ ａ ｅｃｒｅ　ｅｅｔ ｎｔｒｕ ｈｃｒａｕｅｓａ ｓ ａｅ Ｊ ． Ｅ Ｔ ａ ｓｏ 　ａｔｒ 　 ａ ａ ｉ ｅ Ｅ 　 ｎｌｓ 　ｎ 　 ａｈｎ　ｎｅｉｅｃ ，９ ８，０ １ ）１ ７ ａｙｉ ａ ｄ Ｍ ｃｉｅ ｔｌｇ ｎｅ１ ９ ２ （２ ：３ ６－１ ８ ｓ Ｉ ｌ ３ １． ［］ ９ 　Ｘ． Ｈ ， Ｈ． Ｙ ｎ ． ｕｖｔｒ　ｃｌ　ｐｃ　ｏｎｒｄｔｃｏ 　ｉｈａ ａｔ ｅｔｒｓ ｏｄａ ｄｄ ｎ ｍｃｒｇｏ 　ｆｓ ｐ ｏｔ Ｃ． ｅ Ｎ． Ｃ． ｕ ｇ Ｃ ｒａｕｅｓａ ｓ ａｅｃｒｅ　ｅｅｔｒ ｗｔ　ｄ ｐｉ 　ｈｅｈｌ　ｎ 　ｙ ａ ｉ　ｅｉｎｏ　ｕ ｐｒ ｅ ｖ ［ ］／ ｒｃｅｉｇ　ｆ ｈ　７ｈＩｔｒａ ｏ ａ　ｏｆｒｎｅｏ 　ａｔｒ 　ｅｏ ｎ ｉｎ ２ ０ Ｃ ／ Ｐｏｅｄｎ ｓｏ　 ｅ１ ｔ　ｎｅｎｔ ｎｌＣ ｎｅｅｃ　ｎＰｔｅｎＲ ｃ ｇｉ ｏ ．０ ０． ｔ ｉ ｔ（ 上接第 １ ７ 页） １参考文献［ ］ 童庆禧， 张兵， 郑兰芬 ． 高光谱遥感： 原理、 技术与应用［ ］ 北京： 高等教育出版社，０ ６． １　 Ｍ ． ２０ ［ ］ 王润生， 甘甫平， 闫柏琨 ． 高光谱矿物填图技术与应用研究［］ 国土资源遥感，０ ０，３ １ ： ３． ２　 Ｊ． ２ １ ８ （ ）１－１ ［ ］ 燕 守 勋 ， 兵 ， 永 超 ． 光 谱 遥 感 岩 矿 识 别 填 图 的 技 术 流 程 与 主 要 技 术 方 法 综 述 ［ ］ 遥 感 技 术 与 应 用 ．０ ４，９（ ） 张 赵 高 ３　 Ｊ， ２０ １ １ ： ５ ２－６ ３． ［ ］ 李雅辉， 杨武年， 刘汉湖 ． 利用 Ａ Ｉ遥感图像进行矿化蚀变信息提取方法探讨［］ 四川地质学报， １ ， （ ） ４ －３ ０ ４　 Ｌ Ｊ． ２ ０３ ３ ： ７ ５ ． ０ ０ ３ ［ ］ 刘汉湖 ． 岩矿波谱数据分析与信息提取方法研究［ ］ 成都理工大学博士论文，０ ８． ５　 Ｄ ， ２０ ［ ］ 张兵， 周军， 王军年 ． 遥感蚀变矿物填图与找矿方法［］ 地球科学与环境学报，０ ８，０ ３ ：５ ６　 Ｊ． ２ ０ ３ （ ）２ ４－２ ９ ５ ［ ］ 王志平， 杨建峰， 薛彬 ． 利用高光谱数据进行地物识别分类研究［］ 光子学报，０ ８，７ ３ ：６ ７　 Ｊ． ２ ０ ３ （ ）５ １－５ ５ ６ ［ ］ ｏｒ ｍ ｎＪ Ｗ．ａ ｄ Ｋ ｕｅ Ｆ． ． ｕｏ ａｅ　ｐｃｒｌ ｎｌｓ ： 　ｅｌｇ 　ｘ ｍ ｌ　ｓｎ 　 Ｉ Ｉ 　ａａ ｎｒｈ Ｇ ａ ｅ ８ 　Ｂ ａｄ ａ 　 ． ，ｎ 　ｒｓ ， Ａ． Ａ ｔ ｍ ｔｄｓ ｅｔａ　 ａｙｉ Ａ ｇｏｏｉ ｅ ａ ｐｅｕｉｇ ＡＶ Ｒ Ｓｄｔ ，ｏｔ 　ｒｐ － ａ ｓ ｃ ｖｎ 　 ｏ ｎａｎ ［ ］／ ｅｔ 　 ｈ ｍ ｔ 　 ｏｆｒｎｅｏ 　 ｅｌｇ 　 ｅ ｏｅＳ ｎｉｇ Ｎ ｖｄ ： 　ｒｃｅｉｇ ． ｎｉｏ ｍ ｎａ ｉｅ Ｍ ｕ ｔｉｓ ｃ ／ Ｔ ｎｈ Ｔ ｅ ａ ｃ Ｃ ｎｅｅｃ　ｎ Ｇ ｏｏｉ Ｒ ｍ ｔ　ｅｓｎ ． ｅａ ａ ｉ Ｐｏｅｄｎ ｓ Ｅ ｖ ｎ ｅｔｌ ｉ ｃ ｎ ｒ Ｒ ｓａｃ　ｎｔ ｕｅｏ 　ｉｈｇ ｎ Ａ ｎ Ａ ｂｒ Ｍ ，９ ４：－４ ７－ －４ ８． ｅｅｒｈＩｓ ｔｔ　 Ｍｃｉａ ， ｎ 　ｒ ｏ ， Ｉ１ ９ Ｉ ０ Ｉ １ ｉ ｆ ［ ］ 王晋年， 张兵， 刘建贵， ． 等 以地物识别和分类为目标的高光谱数据挖掘［］ 中国图象图形学报，９ ９，１ ４ ：５ ９　 Ｊ． １ ９ １ （ ）９ ７－９ ４ ６ ［０ 　Ｂ ａｄ ａ ，． ， ｒｓ ， Ａ．ａ ｄ Ｇ ｅｎ Ｒ． ． ａ ｐｎ　ａｇｔｓ ｎｔｒｓｖ 　ａｔ ｌｕ ｍｘｎ 　ｆＡＶ Ｒ Ｓｄｔ ［ ］／ ｉ １ ］ ｏｒ ｍ ｎ Ｊ Ｗ．Ｋ ｕｅ Ｆ． ，ｎ 　ｒｅ ， Ｏ． Ｍ ｐｉｇｔｒｅ　 ｇ ａｕｅ　ｉ ｐｒ ａ　ｎ ｉｉｇｏ 　 Ｉ Ｉ 　ａａ ｃ ／ ｉ ａ Ｆ ｔ　Ｐ 　ｉｂｒｅＥ ｒｈＳｉｎｅ Ｗ ｒｓ ｏ ．Ｐ 　ｕｌ ａ ｏ 　５－１，９ ５， ． ：３－２ ｉ ｈＪ Ｌ Ａｒ ｏｎ 　ａｔ 　ｃ ｃ 　 ｏｋ ｈ ｐ Ｊ Ｌ Ｐ ｂ ｃｔ ｎ９ ｆ ｅ ｉ ｉ １ ９ ｖ１ ２ ６． ［１ 　Ｂ ａｄ ａ ，． ，ｅｅａｉｇｔｅｈｇ 　 ｍ ｎｉｎｌ ｙｏ 　 Ｉ Ｉ 　ａａ ｏ　ｍ ｒｖｄｓ ｂ ｉｅ ｔｒｅ　ｎ ｉｉｇａ ｄｒｊｃ １ ］ ｏｒ ｍ ｎ Ｊ Ｗ．Ｌ ｖｒｇｎ　ｈ 　 ｈｄ ｅｓ ａｔ　 ＡＶ Ｒ Ｓｄｔ　 ｒ ｐｏ ｅ　ｕ －ｐｘｌ ａｇｔ ｍｘｎ 　ｎ 　 ｅ － ｉ ｉ ｏ ｉ ｆ ｆ ｉ ｕ ｅ 　 ｔ ｔ ｎｏ　 ｌｅｐ ｓ ｉｅ ： ｉｔｒ　ｕ ｅ 　 ａｃ ｅ　 ｌ ｒ ｇ ｉ ：ｕ ａｉｓｏ　ｈ 　ｅｅｔ 　 ｎ ｕｌＪ Ｌ Ａｒ ｏｎ 　 ｅｓｉｎｅ ｉ 　 ｆ ｓ　ｏｉ ｖｓ ｍｘｕｅｔ ｎｄ ｍ ｔｈ ｄｆｔ ｉ ， Ｓ ｍｍ ｒ 　ｆｔｅＳｖｎｈ Ａ ｎ ａ Ｐ 　ｉｂｒｅ Ｇ ｏｃ ｃ ｏ ｆａ ｉｅ ｎ ｎ ｅ ｅ 　 Ｗ ｒｓ ｏ ，ａａ ｅ ａ Ｃ ，９ ８：５． ｏｋ ｈ ｐ Ｐ ｓｄ ｎ ， Ａ １ ９ ５ ［２ 　ｈｔ ：／ ｐｃ ｂ ｃ ．ｓｓ ｇ ｖ １ ］ ｔｐ ／ ｓ ｅｌ ． ｕｇ ．ｏ ／ ａ ｒ― ９ ― ９
更多搜索：
赞助商链接
All rights reserved Powered by
文档资料库内容来自网络，如有侵犯请联系客服。