遥感矿化蚀变信息提取中两种新方法的应用研究

论文摘要

西部高寒山区是我国极具找矿潜力的重要成矿区域。以遥感技术为先导，结合地质、地球物理、地球化学勘查技术，在西部高寒山区进行矿产资源勘查是快速、有效的勘查方法。矿化蚀变信息提取是遥感矿产勘查中最关键的技术，但是由于矿化蚀变信息在遥感图像上是一种弱信息，使用传统的信息提取方法效果往往不尽人意。因此，不断研究有效的遥感蚀变信息提取新技术新方法，提高遥感找矿的可信度和效益，具有非常重要的现实意义。 支持向量机（Support vector machine, SVM）是机器学习界的研究热点，并在很多领域都得到了成功的应用。光谱相似尺度（Spectralsimilarity scale, SSS）是一种能同时度量光谱向量的大小和方向差异的新方法，能提高对光谱向量间相似性描述的准确性。 本文基于国家“十五”科技攻关计划项目（2003BA612A-04）中的子课题“SVM遥感数据矿化信息提取技术研究”，对遥感矿化蚀变信息提取中的两种新方法—SVM和SSS进行了研究。 研究工作中首先介绍了遥感矿化蚀变信息提取及SVM的研究现状，接着讨论了SVM和SSS理论基础及基本概念和要解决的关键技术问题，然后选择几个典型矿化区段作为试验区，对这两种新方法在遥感矿化蚀变提取信息中的应用进行了系统的研究，主要的研究内容概括如下： 利用生成的遥感模拟影像对SVM应用中的几个关键问题进行了的实验分析。实验中分别研究了不同的核函数类型、核参数、错误惩罚因子、多类算法及训练样本数目对SVM分类器性能的影响，实验结果表明核参数和惩罚因子比核函数对分类精度影响更大。 探讨了模型选择方法中较实用的网格搜索及交叉验证法的基本原理和方法，对网格搜索法确定支持向量机核函数参数和惩罚因子的过程作了详细描述，确定了SVM在遥感矿蚀变信息应用中模型参数的选择方法。 将SSS应用于遥感矿化蚀变信息提取中。通过对提取结果的验证及与传统提取方法对比，表明该方法有利于减少异物同谱现象的影响，提高遥感蚀变信息提取的精度。 将SVM方法应用于遥感矿化蚀变信息提取，通过野外实地验证和

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 遥感矿化信息蚀变提取研究现状
• 1.2.2 支持向量机研究及应用现状
• 1.2.3 SVM在遥感矿化蚀变信息提取中的应用研究现状
• 1.3 本文的工作内容及工作量
• 第二章 支持向量机基本原理
• 2.1 引言
• 2.2 支持向量机的理论基础
• 2.2.1 机器学习问题的描述
• 2.2.2 经验风险最小化
• 2.2.3 模型复杂度与推广能力
• 2.2.4 VC维
• 2.2.5 推广性的界
• 2.2.6 结构风险最小化
• 2.3 支持向量机基本原理
• 2.3.1 线性支持向量机
• 2.3.3 非线性支持向量机
• 2.4 SVM的泛化性能
• 2.4.1 影响学习机器泛化性的因素
• 2.4.2 SVM的泛化性能
• 2.5 各种变形的支持向量机算法
• 2.6 本章小结
• 第三章 岩石矿物光谱特征研究
• 3.1 引言
• 3.2 矿物的光谱特征
• 3.2.1 电子跃迁
• 3.2.2 原子团振动
• 3.3 岩石的光谱特征
• 3.3 蚀变岩的光谱特征
• 3.4 本章小结
• 第四章 支持向量机应用中几个关键问题的研究
• 4.1 引言
• 4.2 实验数据
• 4.3 SVM模型对SVM分类器性能的影响
• 4.4 SVM模型参数选择方法
• 4.5 多类算法研究
• 4.5.1 常用的多类算法对比实验
• 4.5.2 基于目标类的多类算法改进
• 4.6 训练样本数目对精度的影响实验
• 4.7 本章小结
• 第五章 光谱相似尺度方法提取矿化蚀变信息
• 5.1 引言
• 5.2 光谱相似尺度的理论基础
• 5.3 常用的遥感矿化蚀变信息提取方法
• 5.3.1 比值变换法
• 5.3.2 主成分分析法
• 5.3.3 光谱角度填图法
• 5.3.4 混合像元分解法
• 5.4 基于光谱相似尺度的矿化蚀变信息提取实验
• 5.4.1 研究区地理概况
• 5.4.2 区域大地构造背景
• 5.4.3 区域地质背景
• 5.4.4 区域遥感地质特征
• 5.4.5 区域地球化学特征
• 5.4.6 矿床地质特征
• 5.4.7 遥感数据源及其特征
• 5.4.8 光谱相似尺度提取矿化蚀变信息
• 5.4.9 遥感蚀变信息提取结果评价
• 5.4.10 遥感找矿预测
• 5.5 本章小结
• 第六章 基于SVM的遥感矿化蚀变信息提取的研究
• 6.1 引言
• 6.2 基于SVM的遥感数据矿化蚀变信息提取实验
• 6.2.1 研究区地理概况
• 6.2.2 区域大地构造背景
• 6.2.3 区域地质背景
• 6.2.4 研究区典型矿床地质特征
• 6.2.4 研究区典型矿床地质特征
• 6.2.5 遥感数据源及其特征
• 6.2.6 SVM遥感影像矿化信息提取
• 6.2.7 提取结果评价
• 6.2.8 遥感找矿预测
• 6.3 本章小结
• 第七章 算法软件实现
• 7.1 引言
• 7.2 开发平台和工具
• 7.3 库和类
• 7.3.1 MFC类库
• 7.3.2 Libsvm
• 7.3.3 CDIB类
• 7.4 软件功能模块
• 7.4.1 软件的功能设计
• 7.4.2 样本采集模块
• 7.4.3 光谱相似尺度分类
• 7.4.4 支持向量机模块
• 7.5 本章小结
• 第八章 总结与展望
• 参考文献
• 致谢
• 攻读博士学位期间发表的学术论文