高光譜成像技術對礫巖巖石的分析處理

2020-12-08 OFweek儀器儀表網

高光譜成像技術具有超多波段（上百個波段）、高的光譜解析度（幾個nm）、波段窄（≤10-2λ）、光譜範圍廣（200-2500nm）和圖譜合一等特點。優勢在於採集到的圖像信息量豐富，識別度較高和數據描述模型多。由於物體的反射光譜具有「指紋」效應，不同物不同譜，同物一定同譜的原理來分辨不同的物質信息。

物體的光譜特性與其內在的理化學特性緊密相關，由於物質成分和結構的差異就造成物質內部對不同波長光子的選擇性吸收和發射。完整而連續的光譜曲線可以更好地反映不同物質間這種內在的圍觀差異，這也正是成像光譜技術實現地物精細探測的物理基礎。

如下實驗採用四川雙利合譜科技有限公司的成像高光譜儀進行測試得出結論。

第一：光譜解析度高：探測器各波段光譜帶寬，表示探測器對地物光譜的探測能力，它包括探測器總的探測波譜的寬度、波段數、各波段的波長範圍和間隔。若探測器所探測的波段越多，每個波段的波長範圍越小，波段間隔越小，則光譜解析度越高。探測器的光譜解析度高，它取得的圖像能很好地反映出地物光譜性質，不同地物間的差別在圖像上能很好地體現出來，探測器探測地物的能力就強。高光譜遙感影像數據的一個重要特徵是超多波段和大數據量，對它的處理也就成為其成功應用的關鍵問題之一。一般礦物質的光譜吸收峰寬度為30nm左右，只有利用光譜解析度小於30nm的傳感器才能夠識別出來。

第二：影像光譜合一：

主要體現在圖像和光譜同時呈現出來，而且物質的特徵光譜是連續的，研究物體的任何一個環節的信息都可以通過數據建模的方式來進行分析。

圖高光譜數據處理分析

礦物：具有穩定化學組成份和物理結構，所以礦物的光譜主要取決於光譜吸收的特徵，決定因素在於：物質內電子與晶體場的相互作用，還有分子的振動。

土壤的光譜特性：土壤的原生礦物：石英、長石、白雲母、少量的角閃石、輝石、磷灰石、赤鐵礦、黃鐵礦等。土壤中的石礫、沙粒幾乎全是由原生礦物組成，多以石英為主。粉粒絕大多數也是由石英和原生矽酸鹽礦物組成。土壤中的次生礦物主要有一下幾類：1、簡單的鹽類，如碳酸鹽、硫酸鹽和氯化物等；2、含水的氧化物，如氧化鐵、氧化鋁、氧化矽等；3、次生層狀鋁矽酸鹽，如高嶺石、蒙脫石和水化雲母類等。

土壤水分是土壤的重要組成部分，當土壤的含水量增加時，土壤的反射率就會下降，在水的各個吸收帶處1400nm、1900nm、2700nm，反射率的下降尤為明顯。對於植物和土壤，造成這種現象顯然是同一種原因，即入射輻射在水的特定吸收帶處被水強烈吸收所致。

圖低含水量土壤的光譜曲線

圖砂巖光譜反射率隨著水侵入時間的變化

土壤質地是指土壤中各種粒徑的顆粒所佔的相對比例。他對土壤光譜反射率特性的影響，主要表現在兩個方面：

1.影響土壤持水能力，進而影響土壤光譜反射率；

2.土壤顆粒大小本身也對土壤的反射率有很大影響；

對於土壤粒徑較小的粘粒部分，由於其很強的吸溼作用，他在1400nm、1900nm、2700nm等處的水吸收帶異常明顯。隨土壤顆粒變小，顆粒間的空間減少，比表面積增大，表面更趨於平滑，使土壤中粉砂粒的反射率比砂粒高，但當顆粒細至粘粒時，又使土壤持水能力增加，反而降低了反射率。

此外，土壤質地影響反射特性的因素不僅是粒徑組合及其表面狀況，還與不同粒徑組合物質的化學組成密切相關。

圖礫巖的RGB圖像R：1112 G：1322 B：1533

礫巖未加水時，對反射率校準後的數據進行主成分分析處理（PCA）：PCA是用多波段數據的一個線性變換，變換數據到一個新的坐標系統，以使數據的差異達到最大。這一技術對於增強信息含量、隔離噪聲、減少數據維數非常有用。

意義：主成分分析法是使用最為廣泛的線形降維方法之一，在許多降維處理中應用都很廣泛。主成分分析法將方差的大小作為衡量信息量多少的標準，認為方差越大提供的信息越多，反之提供的信息就越少。其基本思想是通過線形變換保留方差大、含信息多的分量，丟掉信息量少的方向，從而降低數據的維數。降維後每個分量是原變量的線形組合，因此，主成分分析方法本質上是一種線形降維的方法。其計算步驟一般分為以下四步：

1）對原始數據樣本集合進行標準化處理。

2）計算標準化後的數據矩陣的協方差矩陣，並對其進行正交分解，得出主成分分量。

3）計算各主成分的累計貢獻量，根據要求的貢獻率閾值選取主成分。

4）針對選取的主成分建立主成分方程，計算主成分值。

PCA把原自變量映射為含絕大部分信息的少數潛變量，再用線性的最小二乘法確定這些潛變量係數，建立潛變量和因變量的回歸方程後再轉換為原自變量和因變量的回歸方程。其壓縮自變量的效率極高，但其映射過程和因變量無關，因而其預測精度也難達到很高。

Savitzky-golay （數字平滑與濾波）

給數據以不同的權重，獲得更為有效的數據平滑，是基於最小二乘原理，能夠保留分析信號中的有用信息，消除隨機噪聲的有效地數據平滑方法，利用高次多項式進行數據平滑，其實就是一種去卷積運算。

由於光譜儀採集得到的光譜信號中既包含實驗所需的有用信息，同時由於儀器精密度等原因帶來隨機噪聲，最常用的消除噪聲的方法Savitzky-Golay(SG)卷積平滑法，通過多項式來移動窗口內的數據進行多項式最小二乘擬合信號平滑，既消除噪聲又保留了光譜輪廓。由於各個樣本間分布不均勻、樣本大小不一樣、樣本表面散射及光程變化等都會產生散射影響，採用多遠散射校正（multiplicative scatter correction，MSC）的方法可以有效的消除這些散射影響。另外，導數光譜可以有效的消除基線和其他背景幹擾，分辨出重疊峰，提高靈敏度和解析度。針對光譜採集過程中可能存在的噪聲來源，分別利用MSC和SG卷積求導方法的不同組合對光譜數據進行與處理。

獲取並比較經歷以下時間段後，礫巖在吸收水分後，其礫巖的整體影像表現變化。水在巖石或者礫巖在近紅外波段900nm-2500nm波段都表現出強的吸收，上面已經敘述。

此次試驗採用的相機光譜波段為900nm-1700nm，水的吸收帶主要集中體現在1400nm左右，而礦物巖石的光譜特徵主要集中體現在2000nm-2400nm波段範圍內。

下圖為礫巖在未接觸水時，其礫巖經過主成分分析（PCA）、Savitzky-golay （數字平滑與濾波）、多遠散射校正（multiplicative scatter correction，MSC）的方法處理後，在主成分PC-3狀態下的影像表現。