『壹』 礦物識別方法和工作流程
目前，礦物識別制圖的方法是特徵譜帶識別和基於相似性測度的識別：①利用岩石礦物的特徵譜帶構造識別技術，該方法相對直觀，簡單可行，但是單一的特徵往往造成岩石礦物的錯誤識別，其精度難以達到工程化應用的需求，同時對成像光譜數據的信噪比、光譜重建的精度要求較高；②從岩石礦物光譜的整體特徵出發，與成像光譜視反射率數據進行整體匹配、擬合或構造模型進行分解，這也是目前研究的重點，能有效地避免因岩石礦物光譜漂移或光譜變異而造成的單個光譜特徵的不匹配，並能綜合利用弱的光譜信息，避免局部性特徵（如單一特徵構建的識別方法）造成識別的混淆，識別的精度高。
對於成像光譜上百個波段而言，數據量非常之大，尤其在目前無論是航空成像光譜數據，如AVIRIS、CASI、HyMap等，還是在軌的航天成像光譜數據，如Hyperion航帶都普遍比較窄，一般在3～10km，給大面積應用帶來很多不便，增加了大面積數據處理的難度，並使工作量在目前微機配置的條件下成倍增加。因此，無論是從岩石礦物光譜的局域特徵還是整體特徵開展對礦物的識別，在保證識別精度要求的條件下進行工程化的處理，必須探索新的技術流程。
在對成像光譜數據特徵與識別方法的比較研究中，結合工作實際以及進行工程化處理的初步要求，在確保識別精度的條件下，設計出標准資料庫光譜+光譜-特徵域轉換+礦物識別方法的技術流程。該流程的主要作用：
（1）直接開展蝕變礦物的識別與信息提取：在對試驗區岩石類型、構造、熱液活動以及礦產綜合研究的基礎之上，提煉與礦化關系密切的蝕變礦物，利用標准庫的光譜或野外實測光譜作為參考光譜。
（2）進行光譜域與特徵域的轉換，實現數據減維與數據壓縮，降低工作量，提高工作效率：成像光譜數據波段上百，不同的航帶寬度與記錄長度使單次處理的數據量達1Gbytes，中間過渡文件單航帶可達10Gbytes；在以前的處理中常常將航帶分割成較小的區域進行處理後再進行拼接，利用MNF技術可以將整個光譜域空間轉換到特徵域空間，消除原有光譜向量間各分量之間的相關性，從而去掉信息量較少雜訊較高的向量，使數據處理從成百的光譜域集中到去噪的特徵域中進行，減低數據量，縮短數據處理時間，提高數據處理的效率。
（3）特徵分離，增加不同礦物的可分性，提高礦物識別的精度：在成像光譜數據MNF變換並剔除雜訊波段的特徵域空間中，不同的波段被賦予了不同的物理或數學意義，地物的光譜特徵在特徵域發生分離，地物的細微特徵得到放大，增加了數據的可分性。
4.4.2.1 光譜特徵域轉換
光譜解析度的提高，一方面提高了數據的分類識別的精度以及應用能力，另一方面，增加了數據的容量，也使數據高冗餘高相關。有效的數據壓縮與特徵提取勢在必行。一般地，利用傳統的主成分變換進行相應的變化，衍生出一系列的成像光譜數據壓縮與特徵提取方法，如MNF變換（Kruse，1996；Green et al.，1998），NAPC（Lee et al.，1990）、分塊主成分變換（Jia et al.，1998）以及基於主成分的對應分析（Carr et al.，1999）等。空間自相關特徵提取（Warner et al.，1997）、子空間投影（Harsanyi et al.，1994）和高維數據二階特徵分析（Lee et al.，1993；Haertel et al.，1999）也得到相應的重視。利用非線形的小波、分形特徵（Qiu et al.，1999）也在研究之中。
主成分分析（PCA）是根據圖像的統計特徵確定變換矩陣對多維（多波段）圖像進行正交線性變換，使變換後新的組分圖像互不相關，並且把多個波段中有用信息盡可能地集中到少數幾個組分圖像中（圖4-4-1）。一般地，隨著主成分階次的提高，信噪比逐漸減小。但在波段較多時並不完全符合這一規律。
為改善主成分在高光譜維中的數據處理能力，相應地利用最大雜訊組分變換（MNF）的方法（甘甫平，2001；甘甫平等，2002～2003）。該方法是利用圖像的雜訊組分矩陣（ΣNΣ-1）的特徵向量對圖像進行變換，使按特徵值由大到小排序的變換分量所包含的雜訊成分逐漸減小，而圖像質量順次提高。Σ為圖像的總協方差矩陣，ΣN為圖像雜訊的協方差矩陣。MNF相當於所有波段雜訊方差都相等時的主成分分析，因此可分為兩步實現，第一步先將圖像變換到一個新的坐標系統，使變換後圖像雜訊的協方差矩陣為單位陣；第二步再對變換後的圖像施行主成分變換。此改進的演算法稱為「雜訊調節主成分變換（NAPC）」。
對P波段的高光譜圖像
Zi（x），i=1，2，…，p （4-4-1）
可以假設
Z（x）=S（x）+N（x） （4-4-2）
這里，ZT（x）=｛Z1（x），…，Zp（x）｝，S（x）和N（x）分別為Z（x）中不相關的信息分量和雜訊分量。因此，
Cov｛Z（x）｝=∑=∑S+∑N （4-4-3）
∑S和∑N分別為S（x）和N（x）的協方差矩陣。因此，可以定義第i波段雜訊分量，
Var｛Ni（x）｝/Var｛Zi（x）｝ （4-4-@4）
選擇線形轉換，MNF變換可以表示為
成像光譜岩礦識別方法技術研究和影響因素分析
在變換中，確保
成像光譜岩礦識別方法技術研究和影響因素分析
同時，為使雜訊與信息分離，S（x）分別與Z（x）和N（x）正交。
圖4-4-1 MNF變換的特徵值曲線
MNF有兩個重要的性質，一是對圖像的任何波段作比例擴展，變換結果不變；二是變換使圖像矢量、信息分量和加性雜訊分量互相垂直。乘性雜訊可通過對數變換轉換為加性雜訊。變換後可針對性地對各分量圖像進行去噪，或舍棄雜訊占優勢的分量。MNF變換的特徵值曲線如圖4-4-1。
4.4.2.2 特徵分離
在MNF變換後的特徵域中不同波段具有不同物理與數學意義。比如變換後的第1波段表示地物的亮度信息，第7 波段或第8 波段表示地形信息。在MNF變換中，通過信號與雜訊分離，使信息更加集中於有限的特徵集中，一些微弱信息則在去噪轉化中被增強。同時在MNF轉換過程中，使光譜特徵向量集匯聚，增強分類信息。
圖4-4-2是一些礦物光譜通過MNF變換前後的曲線剖面圖，從右圖可見信息與雜訊分別有序地集中在一些有限的波段內。通過舍棄雜訊波段或其他處理，相應地降低或消除雜訊的影響。同時信息也比原始數據更易區分。
4.4.2.3 礦物識別
礦物識別主要選用光譜相似性測度的方法。基於整個譜形特徵的相似性概率的大小，能有效地避免因岩石礦物光譜漂移或光譜變異而造成的單個光譜特徵的不匹配，並能綜合利用弱的光譜信息。
圖4-4-2 礦物光譜MNF變換前後特徵比較
基於整個光譜形特徵的識別方法主要有光譜角技術、光譜匹配濾波、光譜擬合與線形分解等。利用大氣校正後的重建光譜數據，可選擇性地利用上述礦物識別技術開展端元礦物的識別。光譜角方法可直接選擇端元礦物進行匹配，最終生成二值圖像，簡單易行，在閾值合理可靠的前提下能夠獲取較高的識別精度。
在成像光譜岩礦地質信息識別與提取方法中，光譜角技術是一種較好的方法之一（王志剛，1993；劉慶生，1999）。光譜角識別方法是在由光譜組成的多維光譜矢量空間，利用一個岩礦矢量的角度測度函數（θ）求解岩礦參考光譜端元矢量（r）與圖像像元光譜矢量（t）的相似性測度，即：
成像光譜岩礦識別方法技術研究和影響因素分析
這里，‖*‖為光譜向量的模。參考端元光譜可來自實驗室、野外測量或已知類別的圖像像元光譜。θ介於0到π/2，其值愈小，二者相似度愈高，識別與提取的信息愈可靠。通過合理的閾值選擇，獲取礦化蝕變信息的二值圖像。
4.4.2.4 閾值的選擇與航帶間信息的銜接
無論是光譜角技術還是光譜匹配以及混合光譜分解，都存在對非礦物信息的分割，因此閾值的選擇是一個必須面臨的重要問題。這不僅關繫到所識別礦物的可靠度，也關繫到礦物分布范圍大小的界定。同時由於是分航帶提取，不同航帶間因大氣校正的誤差和雜訊的影響而使同一地物的光譜特徵存在差異，可能使所提取的礦物空間展布特徵在航帶之間所有診斷和一致性，增加了制圖的困難。因此對於閾值的選擇，需遵循以下原則：在去除明顯假象信息、保留可靠的礦化蝕變信息情況下考慮整體的一致性以及航帶的過渡性。
4.4.2.5 技術流程
結合成像光譜數據預處理，根據實際應用情況，可以總結出成像光譜遙感地質調查工作的技術流程，如圖443所示。