论文部分内容阅读
论文以“热红外高光谱矿化蚀变矿物提取方法研究与应用示范”项目为依托,开展了基于热红外高光谱(TASI)数据的岩性识别方法研究。分别采用光谱匹配法、最小二乘支持向量机法、稀疏表示法对甘肃柳园花黑滩研究区的热红外高光谱(TASI)数据进行岩性识别实验,并对其结果进行了对比评价。主要研究内容与成果如下:(1)提出了一种快速、且对相似光谱具有较强区分力的光谱匹配岩性识别法--光谱离散能级波形匹配法(SDEM)。采用Matlab编程平台对光谱角(SAM)、光谱信息散度(SID)、光谱离散能级波形匹配(SDEM)三种光谱匹配法进行了算法实现,并将其应用到了研究区岩性识别中。(2)构建了适用于热红外高光谱(TASI)数据的最小二乘支持向量机(LSSVM)岩性识别模型:使用“一对多(1vr)”与“纠错输入(ECOC)”多类别编码方法对各岩性类别进行编码,根据编码方式确定所需的识别器数目,将高斯径向基函数(RBF)作为识别器核函数,并使用交叉验证网络搜寻方法与训练样本优化不同识别器的最优核参数,得到最终的岩性识别模型。基于Matlab平台编程实现上述构建过程,并将其应用到了研究区岩性识别中。(3)提出了基于稀疏表示的岩性识别方法:采用Fisher判别准则对训练样本进行字典学习,构建可分性更高的字典。获得的学习字典后,采用普通稀疏编码(SRC)与核稀疏编码(KSRC)两种方式对岩石光谱进行稀疏表示,最后根据稀疏残差判断岩性。基于Matlab平台编程实现上述稀疏表示岩性识别过程,并将其应用到了研究区岩性识别中。(4)通过在识别效果、运行效率、稳健性三方面对上述三类方法进行了综合对比评价,选取LSSVM(1vr)与KSRC作为最优热红外高光谱(TASI)数据岩性识别方法,同时也获得了甘肃柳园花黑滩研究区的岩性识别结果,查明了该区的岩性分布情况。