一种区域性矿物识别方法
本发明涉及资源与环境信息,特别是涉及一种区域性矿物识别方法。
背景技术:
1、建筑废弃土壤是建筑垃圾的主要组成部分,其资源化利用的关键在于对其矿物成分及含量进行精准识别。传统的实验室分析方法(如x射线衍射、x射线荧光光谱等)虽然精度高,但存在制样复杂、成本高、周期长等问题,难以满足大规模、快速筛查的需求。
2、基于成像技术的识别方法因其便捷、快速的特点而受到关注,但目前存在以下缺陷:
3、(1)基于rgb图像的识别方法,其光谱信息有限,难以区分颜色相近但成分不同的矿物,导致识别精度低;
4、(2)基于多光谱成像的识别方法,其离散的光谱信息仍不足以支持对矿物的精准识别与定量分析;
5、(3)基于高光谱成像的识别方法虽然具备连续、丰富的光谱信息,但其设备昂贵、数据处理复杂,难以直接应用于大范围、高空间分辨率的工程筛查场景;
6、(4)现有方法普遍缺乏从获取的图像数据到矿物含量结果的端到端预测能力,无法满足废弃土壤资源化对高效、精准识别的需求。
7、因此亟需提供一种区域性矿物识别方法来解决上述问题。
技术实现思路
1、本发明所要解决的技术问题在于克服上述现有技术的缺点,提供一种区域性矿物识别方法。
2、为解决上述技术问题,本发明采用的一个技术方案是:提供一种区域性矿物识别方法,包括以下步骤:
3、s1、获取目标区域的地表多光谱图像数据,并对所述地表多光谱图像数据进行统一校正处理,生成标准多光谱数据;
4、s2、基于所述标准多光谱数据,调用预先构建的高光谱定量映射模型执行映射模型迁移处理,生成多光谱映射模型,其中所述映射模型迁移处理通过对高光谱连续波段特征与多光谱离散波段响应关系进行约束重构,使所述多光谱映射模型保持与所述高光谱定量映射模型一致的矿物响应特征;
5、s3、将所述标准多光谱数据输入所述多光谱映射模型,基于逐像素计算得到矿物含量初始分布结果;
6、s4、基于所述矿物含量初始分布结果,对所述多光谱映射模型进行响应一致性校正,生成矿物含量优化分布结果;
7、s5、基于所述矿物含量优化分布结果,对目标区域内矿物类型及其空间分布进行统计分析,生成区域矿物识别结果;
8、s6、将所述区域矿物识别结果反馈用于修正所述映射模型迁移处理,更新所述多光谱映射模型。
9、本发明进一步设置为:所述地表多光谱图像数据通过搭载于无人机平台的多光谱采集设备获取;在获取过程中,基于预设的飞行航线对所述无人机的采集高度与采集角度进行程序化控制,并对每次采集的太阳高度角信息进行记录与补偿,以生成在空间分辨率、成像几何与光照辐射条件上均满足一致性要求的所述标准多光谱数据。
10、本发明进一步设置为:所述步骤s2中:
11、所述高光谱定量映射模型通过对采样区域的高光谱数据与对应矿物含量的实验室精确定量检测结果进行关联分析建立;其中,所述关联分析采用偏最小二乘回归算法,以高光谱连续波段反射率作为自变量,以矿物含量作为因变量,构建定量预测模型;所述采样区域的选择覆盖了目标矿物含量的预期变化范围。
12、本发明进一步设置为:所述步骤s2中映射模型迁移处理包括:
13、s21、提取所述高光谱定量映射模型所依赖的、对目标矿物含量最敏感的一个或多个高光谱特征指数;
14、s22、针对多光谱采集设备的具体波段设置,计算每个所述高光谱特征指数在对应多光谱离散波段上的等效响应函数;所述等效响应函数通过将连续波段的光谱响应曲线与多光谱波段的滤波函数进行卷积积分得到;
15、s23、利用所述等效响应函数,重构出适用于所述多光谱离散波段的新特征组合,以此完成对所述高光谱定量映射模型中特征表达层的约束映射与替换,形成所述多光谱映射模型;
16、所述等效响应函数的构建过程中,对多光谱采集设备的各离散波段设置覆盖范围约束,使每一离散波段至少覆盖所述高光谱特征指数对应连续波段区间中的一个主响应区间,并对未被完全覆盖的连续波段区间进行能量补偿计算。
17、本发明进一步设置为:所述步骤s3中基于逐像素计算得到矿物含量初始分布结果包括:
18、对所述标准多光谱数据中的每一个像素,提取其在不同波段上的反射率值构成特征向量;将所述特征向量输入所述多光谱映射模型,得到该像素位置的矿物含量预测值;遍历所有像素后,将各位置预测值按原始图像的空间坐标排列,形成矩阵形式的所述矿物含量初始分布结果;在此过程中,对因云影、水体等导致的无效像素,进行标记并排除计算。
19、本发明进一步设置为:所述步骤s4中响应一致性校正包括:
20、s41、在所述矿物含量初始分布结果上,采用移动窗口法计算每个像素与其周围邻域像素的矿物含量统计特征,包括局部均值和标准差;
21、s42、识别所述矿物含量初始分布结果中,局部统计特征与全局分布规律或地质学先验知识存在显著冲突的异常区域;所述显著冲突的判断条件为局部均值偏离全局均值超过三倍局部标准差;
22、s43、对识别出的异常区域,基于其空间邻接的正常区域像素值,采用距离加权反比插值法进行修正,生成在空间分布上更为平滑、连续的所述矿物含量优化分布结果。
23、本发明进一步设置为:所述步骤s5中统计分析包括:
24、s51、根据所述矿物含量优化分布结果的数值范围,采用自然断点法将其划分为多个含量等级区间;
25、s52、针对每一个含量等级区间,计算其空间分布面积、平均含量及空间聚集度指数;
26、s53、基于预设的含量阈值与空间聚集度阈值,判定矿物富集区的位置与范围,并结合矿物共生组合规律,确定所述目标区域内的主要矿物类型及其资源富集程度等级。
27、本发明进一步设置为:所述步骤s6中反馈用于修正所述映射模型迁移处理包括:
28、将所述区域矿物识别结果与通过传统方法验证的局部准确结果进行对比,计算模型预测的整体均方根误差与空间误差分布;
29、若所述整体均方根误差超过预设的更新阈值,则判定所述多光谱映射模型需要更新;更新时,将新的验证样本对与历史样本库合并,重新执行所述步骤s2中的映射模型迁移处理,生成新一代的所述多光谱映射模型;
30、在判定所述多光谱映射模型需要更新时,除基于整体均方根误差外,还同时基于所述空间误差分布的局部集中程度进行联合判断,当误差在多个空间相邻区域内呈现连续高值分布时,触发所述映射模型迁移处理的更新。
31、本发明进一步设置为:在所述映射关系调整过程中,采用滑动平均法对相邻两次更新得到的多光谱映射模型参数进行平滑处理;具体为:将新一代模型参数与当前服役模型参数按照7:3的预设比例进行加权融合,形成最终投入使用的更新后模型。
32、本发明进一步设置为:所述步骤s5生成的区域矿物识别结果进一步用于:
33、生成可视化矿物分布专题图,标识不同矿物类型的富集区;
34、基于矿物含量、富集区面积及开采可行性,量化评估目标区域的潜在资源化价值;
35、将评估结果与地理信息系统集成,为建筑废弃土壤的分类回收、运输路径规划及资源化利用厂址选址提供决策支持。
36、本发明的有益效果如下:
37、1.本发明通过构建高光谱定量映射模型向多光谱映射模型的迁移机制,在保持矿物响应特征一致性的前提下,实现利用低成本多光谱数据进行矿物含量反演,避免高光谱设备成本高与处理复杂的问题,提高大范围工程应用可行性;
38、2.本发明通过逐像素计算与响应一致性校正相结合的处理方式,在有限光谱信息条件下对矿物含量分布进行优化重构,提升对成分相近矿物的区分能力,克服传统rgb及多光谱方法识别精度不足的问题;
39、3.本发明通过矿物识别结果的反馈更新机制,实现从图像数据获取到矿物含量结果的闭环优化预测,提高识别过程的自适应能力与稳定性,解决现有方法缺乏端到端预测能力的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com