论文部分内容阅读
我国是世界上最大的铜、镍矿产消费国,铜、镍矿产消费量的全球占例分别超过50%和40%,新能源行业迅猛发展进一步提升了对铜、镍矿产资源的需求。新疆北山造山带位于中亚造山带南缘,发育有大量与铜镍矿相关的古生代基性-超基性岩石,是我国铜镍矿床的主要产地之一,小型基性-超基性岩体成就大型铜镍矿床是北山造山带铜镍矿成矿的显著特征。因此,查明小型基性-超基性岩体的分布对北山区域的铜镍矿产资源勘查至关重要。遥感数据以其宏观性、客观性为矿产资源勘探提供了多时空、多层次的地学信息。北山地区气候干燥、岩石裸露程度高,为开展基性-超基性岩体遥感自动识别提供了良好条件。多光谱遥感数据（ASTER、Sentinel-2）、高分遥感数据（World View-2）和雷达遥感数据（Sentinel-1）等多源遥感数据对基性-超基性岩体的识别各有优劣。为进一步提升基性-超基性岩识别精度,需要利用多源遥感数据信息融合技术协同多源遥感数据开展基性-超基性岩识别。而传统多源遥感数据信息融合方法存在一些问题,阻碍岩性自动分类精度的提升,主要包括:（1）传统像素级图像融合算法应用于异源遥感数据融合时,光谱失真严重,影响岩性识别精度;（2）特征级融合时,高维光谱纹理特征集存在数据冗余,制约岩性分类效率和岩性识别精度;（3）传统决策级融合分类策略未顾及不同分类器对不同岩性单元的分类性能差异,不能有效的结合不同数据源不同分类器对岩性分类的优势。为解决以上问题,论文分别从多源遥感数据像素级、特征级、决策级信息融合技术层面开展研究,提出了一种新型异源遥感数据融合技术框架（GS-Sup Re ME）,可缓解像素级融合中的光谱扭曲问题;引入广义正态分布优化算法（Generalized Normal Distribution Optimization,GNDO）、海洋捕食者算法（Marine Predators Algorithm,MPA）、原子搜索算法（Atom Search Algorithm,ASO）等新型仿生优化算法,对高维光谱纹理特征集进行降维和特征优选;提出了一种顾及不同分类器对不同岩性单元的分类性能差异的新型决策级融合策略（OAI-MAXV）,提升了研究区基性-超基性岩及其他岩性单元的自动识别精度。论文主要成果如下:（1）多源遥感数据像素级融合与基性-超基性岩识别在对比多源遥感数据岩性识别优劣势的基础上,结合GS（Gram-Schmidt）变换融合算法和多光谱多分辨率超分辨率融合（the SUPer-REsolution for multispectral Multi-resolution Estimation,Sup Re ME）算法提出了一种新型异源遥感数据融合技术框架—GS-Sup Re ME,应用辐射分辨率规范化技术和GS-Sup Re ME融合技术框架实现了World View-2、Sentinel-2、ASTER数据的像素级融合,获得了兼具三种数据空间和光谱探测能力的像素级融合产品（24波段,2m空间分辨率）。在主客观评价指标方面,GS-Sup Re ME融合结果均优于传统图像融合算法,缓解了异源图像融合中的光谱失真问题。融合结果对研究区基性-超基性岩识别精度具有显著提升作用,与单一World View-2、Sentinel-2、ASTER数据相比,融合数据的岩性分类总体精度分别提升了16.68、10.74和3.00个百分点,基性-超基性岩分类生产者精度分别提升了25.39、10.56、1.45个百分点,用户精度分别提升了24.91、15.53、2.33个百分点。（2）多源遥感数据特征级融合与基性-超基性岩识别利用“去相关”+“特征优选”的思路构建了多源遥感数据特征级融合技术框架,利用主成分变换（PCA）、最小噪声分离（MNF）、独立主成分变换（ICA）等算法实现光谱特征提取和原始信息的去相关,利用灰度共生矩阵算法（GLMC）提取多尺度纹理特征,再引入遗传算法（GA）、粒子群优化算法（PSO）、GDNO、MPA和ASO等仿生优化算法,对高维度多源遥感特征集进行降维和特征优选,提升了研究区岩性识别精度。在200训练像元条件下,利用MPA算法对光谱纹理特征集优选的分类数据集（MPA200）同时获得了最高的总体岩性自动分类精度（OA达95.0143%,Kappa系数达0.9355）和基性-超基性岩自动识别精度（93.08%）。地形特征和雷达遥感特征的加入,进一步提升了研究区岩性识别精度。在400训练像元数量条件下,ASO算法的光谱纹理特征优选结果与地形特征（TOPO）相结合的数据集（ASO400+TOPO）获得了最高的总体分类精度（OA和Kappa系数分别为95.9117%和0.9469）和基性-超基性岩自动识别精度（94.92%）。（3）多源遥感数据决策级融合与基性-超基性岩识别研究中将总体分类精度指数（OAI）与多数票决策略（MAXV）相结合提出了一种新型决策级融合分类策略（OAI-MAXV）,该策略以总体分类精度指数来表征不同分类器对不同岩性单元的分类性能差异,优化了传统多数票决的决策策略。在单数据源多分类器决策融合或多数据源多分类器决策融合岩性分类试验中,与多数票决策略（MAXV）和自适应的多数票决策略（AMAXV）相比,OAIMAXV显著提升了研究区总体岩性识别精度。构建了6种总体分类精度指数（OAI）,通过探讨不同OAI对岩性分类精度的影响,对总体分类精度指数投票（OAI-V）策略进行补充和完善。通过不同数据组合的决策级岩性分类试验,发现基于2（分类器总体分类精度、Kappa系数与岩性单元用户精度的乘积）的OAI-V算法（OAI-V（K2））对提升岩性总体分类精度最有效,基于6（岩性单元用户精度与生产者精度的均值与分类器总体分类精度的乘积）的OAI-V算法（OAI-V（K6））对提升基性-超基性岩性分类精度最有效。论文主要贡献在于从像素层次、特征层次和决策层次构建了多源遥感数据信息融合和岩性自动分类的技术框架,结合了不同遥感数据源对岩矿信息识别的优势,提升了研究区基性-超基性自动识别精度。希望论文成果可以为北山、东天山造山带铜镍矿产资源勘查和类似区域大比例尺岩性填图提供技术思路。