基于矿物填图的遥感地质找矿信息智能提取方法

本发明涉及一种基于矿物填图的遥感地质找矿信息智能提取方法，属于遥感地质勘探。

背景技术：

1、随着遥感技术的不断发展，尤其是高光谱遥感技术的应用，矿物勘探在精度和效率上得到了极大的提高。高分5号卫星提供的高分辨率高光谱数据能够精确地反映地表矿物的分布情况，但由于矿物种类多且分布复杂，传统的矿物识别方法面临较大挑战。

2、光谱角法（sam）作为一种广泛应用的技术，能够通过计算光谱相似度实现矿物分类和区域标注，但在处理复杂地质特征（如矿物定向排列、矿物组合等）时，仍存在一定的不足。

3、因此，如何提高矿物信息提取的精度和效率，是当前遥感地质勘探技术中的一个关键难题。

技术实现思路

1、为了克服上述问题，进行了深入研究，提出了一种基于矿物填图的遥感地质找矿信息智能提取方法，包括以下步骤：

2、s1、基于遥感数据，采用光谱角法生成矿物分布图；

3、s2、基于遥感数据，提取矿物的定向排列特征；

4、s3、提取单一矿物区域分布；

5、s4、组合单一矿物区域分布，获得成矿相关矿物分布。

6、在一个优选的实施方式中，还包括s5、基于成矿相关矿物分布，检测获得矿物的线性和环形分布特征。

7、在一个优选的实施方式中，s1中，对遥感数据中光谱数据的波段进行筛选，仅采用500～1000nm、2000～2460nm波段的光谱数据生成矿物分布图。

8、在一个优选的实施方式中，s1中，通过将遥感数据中每个像素的光谱数据与标准矿物波谱库中矿物光谱进行相似度计算，实现遥感光谱数据中每个像素与标准矿物波谱库的匹配，从而获得能够表征该区域矿物类型与丰度的矿物分布图。

9、在一个优选的实施方式中，s2中，采用卷积神经网络和方向梯度直方图，提取获得矿物的定向排列特征，包括以下子步骤：

10、s21、采用方向梯度直方图对原始遥感数据中的高光谱影像进行处理，获得方向梯度直方特征图；

11、s22，将方向梯度直方特征图作为输入，采用卷积神经网络提取获得矿物定向排列特征；

12、在一个优选的实施方式中，s22中，所述卷积神经网络包括多个混合快速卷积模块、一个任务敏感模块和一个1x1卷积层，其中，

13、所述混合快速卷积模块数量与方向梯度直方图的通道数量相同，每个混合快速卷积模块处理一个方向梯度直方特征图一个通道的特征，所述混合快速卷积模块包括多个卷积层、激活层和池化层，对输入的方向梯度直方图通道特征进行层次化特征提取；

14、所述任务敏感模块为一个自适应动态卷积层，对不同特征提取通道提取的特征进行定向对齐；

15、所述1x1卷积层对任务敏感模块的输出进行处理，获得矿物定向排列特征。

16、在一个优选的实施方式中，s3中，基于矿物分布图，采用u-net图像分割网络进行矿物区域的分割，获得多个单一矿物掩码图，从而实现单一矿物区域分布的提取。

17、在一个优选的实施方式中，s4中，设置多标签卷积神经网络进行矿物组合分类，包括以下子步骤：

18、s41、将多个单一矿物区域分布分别与定向排列特征进行拼接，获得多通道表征图；

19、s42、将多通道表征图输入至多标签卷积神经网络，由多标签卷积神经网络输出每个像素的的标签概率，作为成矿相关矿物分布。

20、在一个优选的实施方式中，s5中，包括以下子步骤：

21、s51、对成矿相关矿物分布分别进行标准hough变换、圆hough变换，提取大于阈值的检测值；

22、s52、对检测值进行再处理，获得线性和环形分布特征。

23、在一个优选的实施方式中，s52中，针对标准hough变换提取的检测值，通过设置角度容差合并近似平行线，通过设置距离容差过滤噪声，输出最终线性分布特征；

24、针对圆hough变换提取的检测值，通过设置最小半径阈值、最大半径范围阈值、中心点聚类距离阈值，并通过曲线拟合精化边界，输出最终环形分布特征。

25、本发明所具有的有益效果包括：

26、（1）有效检测矿脉、断层等地质结构，找矿信息提取准确率高；

27、（2）能够在复杂地形下，准确的提取矿脉信息，并识别矿物的断层和环形蚀变带现象;

28、（3）可精确圈定矿脉的线性走向、断层线和环形蚀变带现象，尤其适用于矿产勘探中结构分析和靶区定位，提高了找矿准确率和复杂地形下的提取能力。

1.一种基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

3.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

4.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

5.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

6.根据权利要求5所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

7.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

8.根据权利要求1所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

9.根据权利要求2所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，

10.根据权利要求9所述的基于矿物填图的遥感地质找矿信息智能提取方法，其特征在于，