10.19509/j.cnki.dzkq.2022.0077
基于多尺度纹理分类及矿物识别的ASTER地质填图
遥感技术已经成为基础地质调查必不可少的手段.为提高地质填图效率及精度,本研究提出了基于AS-TER 的岩性自 动分类加主要和典型造岩矿物识别的填图方法.首先,对ASTER数据进行主成分变换,对选取的第一主分量采用Haar小波进行多尺度小波分解,将小波系数的统计特征作为纹理特征,构建纹理及光谱多维特征空间;接着,运用支持向量机(SVM)进行岩性分类;同时,根据光谱特征提取主要造岩矿物;最后将主要造岩矿物叠加在分类结果上,结合野外调查背景进行岩性填图.混淆矩阵结果显示光谱+小波纹理分类精度可以达到83.496 2%,较光谱+灰度共生矩阵纹理分类精度提高了 2.675 6%,较光谱特征分类精度提高了 6.318 9%.与最大似然法(MLC)分类相比,SVM分类精度提高了 6.623 7%.矿物提取结果表明,构造的提取指数可有效提取白云母、黑云母、方解石、角闪石等矿物.野外工作证明,填图结果与野外调查结果的相关系数为0.7,可见,基于ASTER数据利用图像处理技术、机器学习算法及波段运算可作为植被覆盖较少地区有效的地质填图手段.
地质填图、小波变换、多尺度纹理、支持向量机、矿物识别、ASTER
41
P627(地质、矿产普查与勘探)
中国地质调查局项目;中国地质调查局项目;西安财经大学科学研究扶持计划项目
2022-06-17(万方平台首次上网日期,不代表论文的发表时间)
共10页
311-320