원격 감지 그림 인식은 주로 그림 스펙트럼과 공간 피쳐의 차이에 따라 달라집니다. 다중 스펙트럼의 스펙트럼 해상도가 낮기 때문에 그림의 스펙트럼 특징을 충분히 표현할 수 없습니다. 그림 인식은 주로 회색조, 색상, 텍스처, 쉐이프, 공간 관계 등 그림의 공간 특성에 따라 달라집니다. 정보 처리 및 정보 추출은 주로 이미지 향상, 이미지 변환 및 이미지 분석 방법을 적용하여 색조, 색상 및 텍스처에서 이미지의 차이를 개선하여 그림을 최대한 구분할 수 있도록 합니다. 이미징 분광기가 성공적으로 개발되고 산업화됨에 따라 원격 감지 그림 정보 추출이 새로운 시대로 접어들었다. 이미지 스펙트럼 그림에 대한 인식은 주로 그림의 스펙트럼 특징에 의존하며, 바위와 광물의 스펙트럼 특징을 직접 이용하여 그림을 식별하고 그림 정보를 정량적으로 분석합니다. 다중 스펙트럼 및 하이퍼 스펙트 럴 원격 감지 정보 처리의 두 가지 측면에 대해 논의했습니다.
1. 다중 스펙트럼 방법의 연구 진행
다중 스펙트럼 정보 추출은 주로 색조 정보 추출, 텍스처 정보 추출 및 정보 융합에 중점을 둡니다.
(1) 음조 정보 추출
색조 정보 추출의 경우, 주로 이미지의 개체 간 그레이스케일 차이를 확대하여 대상 정보를 강조하거나 이미지 효과를 향상시킵니다. 대비 확대, 색상 향상, 연산 향상, 변형 향상 등과 같은 판독 플래그의 구분 능력을 높입니다. 이러한 전통적인 이미지 처리 방법은 응용 프로그램의 요구를 어느 정도 충족시킵니다. 최근 몇 년 동안 주성분 변환에 기반한 일련의 정보 추출 기술이 개발되어 암광 정보 추출에 중요한 역할을 했다. 예를 들어 장만랑 (1996) 이 제안한 개선된 직접 주성분 분석법은 산화철 정보를 추출할 수 있다. (Kruse, 1996, Creen 등, 1988), (소음 조정 주성분 변환) (Lee 등, 1990 한편, 패턴 인식 원리에 따라 감독 분류 및 비감독 분류 방법을 제안하고 설계하여 의사 결정 트리를 사용하여 분류 인식 (Wrbka, et al.,1999) 을 수행합니다. 프리델 등1999; Hansen et al., 1996) 이러한 기술과 방법은 모두 이미지 기반 그레이스케일 기능으로 수학 통계를 이용하여 물체를 분류하고 정보를 추출한다.
(2) 텍스처 정보 추출
원격 감지 이미지의 가장자리와 텍스처 정보는 라인 링 구조의 인식에 일정한 역할을 하지만, 암석학을 식별하는 것은 별로 도움이 되지 않는 것 같습니다. 가장자리 정보는 일반적으로 필터 산자 또는 선명 방법 (Gross 등,1998) 을 사용하여 추출됩니다. 발벨, 2000 년). 텍스처 정보 추출은 일반적으로 * * * 생성 행렬, 푸리에 전력 스펙트럼 및 텍스처 스펙트럼을 사용합니다.
(3) 정보 융합
다중 소스 데이터 융합 연구도 매우 인기 있고 심층적이며, 그 기술적 접근 방식에는 다양한 수학 지식 (Jimen 등,1999) 이 포함됩니다. 보어,1998; 로빈슨 등, 2000 년; 가격,1999; Gross 등 1998) (예: 소파 정보 융합). 응용 분야에는 원격감지 데이터 (왕윤생,1992) 가 포함됩니다. 주,, 1994) 등 원격감 데이터, 지구화학 데이터, 지구물리학 데이터의 중첩과 융합. 이러한 방법들은 원격감지의 응용분야를 넓히고, 다른 한편으로는 원격감지의 응용능력을 넓혔다.
일반적으로 암광 다중 스펙트럼 원격 감지 정보 추출은 주로 이미지의 그레이스케일 특성, 즉 암광 반사도 강도의 차이에 따라 몇 가지 수학적 변환 방법을 사용하여 대상 정보를 향상시키거나 강조하여 직관적으로 해석하기 쉽다. 데이터 처리에서 밴드 제한으로 인해 암석 광류의 스펙트럼 지식을 효과적으로 도입할 수 없기 때문에 결과의 정확성은 연구원의 경험에 더 크게 좌우됩니다.
하이퍼 스펙트 럴 방법의 연구 진행.
이미징 스펙트럼 기술은 다중 스펙트럼 기술 발전의 비약이다. 각 공간 픽셀을 분산시키거나 분할하여 수십 개 또는 수백 개의 연속 스펙트럼으로 덮인 좁은 밴드를 형성하면서 대상 오브젝트의 공간 특징을 이미징합니다. 형성된 원격 감지 데이터는 "이미지 큐브 (3 차원)" 로 시각적으로 설명할 수 있습니다. 여기서 2 차원은 공간을 나타내고 다른 1 차원은 스펙트럼을 나타냅니다. 이렇게 하면 스펙트럼과 공간 정보가 결합된 3D 공간에서 그림의 "연속" 스펙트럼과 진단 특징 스펙트럼을 임의로 얻을 수 있으므로 그림의 스펙트럼 지식을 기반으로 대상 그림을 직접 식별하여 정량적 그림 정보를 얻을 수 있습니다. 지질 응용에서 광물 인식과 정보 처리 기술은 1 단일 진단 흡수에 기반한 특징 매개변수로 나눌 수 있다. ② 완전한 파형 특성을 기반으로합니다. ③ 스펙트럼 지식 모델을 기반으로합니다.
암석 광물의 단일 진단 흡수 피쳐는 흡수 영역 위치 (λ), 흡수 깊이 (h), 흡수 폭 (w), 흡수 영역 (a), 흡수 대칭 (d), 흡수 수 (n) 및 정렬 매개변수로 완전히 나타낼 수 있습니다. 단원광물의 단일 진단 흡수 파형에 따라 이미징 스펙트럼 데이터에서 이러한 매개변수 정보를 추출하고 강화하여 바위와 광물 유형을 직접 식별할 수 있습니다. 예를 들어 IHS 인코딩 및 흡수 밴드 그래프 (Kruse, 1988) 는 연속법으로 제거된 스펙트럼 이미지입니다. 밴드 흡수 중심 위치 이미지, 밴드 깊이 이미지 및 밴드 반극값 폭 이미지를 정의하고 HS I 공간에서의 광도 (H), 강도 (L) 및 채도 (S) 를 각각 제공한 다음 RGB 색도 공간으로 역변환합니다. 색조 차이에 따라 미네랄을 직접 식별할 수 있습니다. 흡수 깊이는 암석과 광물의 단일 진단 흡수 특성 매개변수를 설명할 때 매우 중요한 특징 지표로 항상 중시되고 있다. 예를 들어, RBD 이미지 (상대 흡수 밴드 깊이 이미지) (Crowley 등, 1989) 는 비율 연산을 사용하여 끝 요소의 흡수 깊이를 향상시킵니다. 즉, 인식할 끝 요소의 개별 진단 흡수 피크의 어깨 반사율 합계를 기준으로 계곡 중심에 인접한 해당 파장의 반사율 합계로 나누어 끝을 나타냅니다. 서로 다른 끝 메타 광물의 RBD 이미지에서 끝 메타 광물의 존재 가능성을 나타내는 픽셀 비율 외에도 PC 변환 분석과 같은 추가 기능 향상 및 선택을 통해 끝 메타 광물을 식별합니다. 흡수 피크의 비대칭성으로 인해 RBD 방법으로 그 특성을 정확하게 묘사하기가 어렵다. 연속 보간 밴드 알고리즘 (CIBR) (De Jong, 1998) 및 스펙트럼 흡수 지수 이미지 (SAI, 왕김년 등, 1996) 는 상대 흡수 깊이 맵 방법과 비슷하지만 도입되었습니다 CIBR 은 진단 흡수 밸리 중심의 방사선 값을 왼쪽 및 오른쪽 어깨의 방사선 값과 흡수 특성 대칭 계수의 곱으로 나누어 상이한 미네랄의 진단 흡수 깊이를 높이고 미네랄을 확인하는 데 사용되는 상응 이미지를 생성합니다. SAI 방법은 CIBR 과 비슷하지만 웨이브 형상 어깨를 흡수하는 단일 피쳐에 대칭 요소를 추가합니다. 위의 방법은 기존의 비율 또는 색상 향상 처리와 유사합니다. 통상적인 증강 처리와 가장 큰 차이점은 단원 광물 스펙트럼 특징에 대한 선험적 지식을 유기적으로 융합해 타깃과 목적성이 더욱 명확하다는 점이다. 대기 복사가 원격 감지 데이터의 스펙트럼 특성에 미치는 영향과 스펙트럼 혼합에 의해 형성된 스펙트럼 표류와 변화가 단일 파형에 미치는 영향으로 식별 결과에 큰 간섭이 있습니다.
이미징 스펙트럼의 가장 큰 장점은 제한된 세분화 스펙트럼 밴드를 사용하여 해당 현상의 스펙트럼 곡선을 재현하는 것입니다. 이렇게 하면 전체 스펙트럼 곡선을 사용하여 광물 일치 식별을 수행하면 스펙트럼 이동 및 변경과 같은 단일 파형의 불확실성 영향을 어느 정도 개선하고 인식의 정확성을 높일 수 있습니다. 전체 파형을 기반으로 하는 식별 방법은 참조 스펙트럼과 픽셀 스펙트럼으로 구성된 2 차원 공간에서 측정 함수를 합리적으로 선택하여 표준 스펙트럼 또는 측정된 스펙트럼과 이미지 스펙트럼 간의 유사성을 측정하는 것입니다. 예를 들어 스펙트럼 일치 (SM) (Baugh 등 1998) 는 암석과 광물의 스펙트럼 벡터를 이용하는 유클리드 거리 측정 함수입니다. 즉, 스펙트럼 공간에서 이미지 픽셀 스펙트럼과 참조 스펙트럼의 차이를 찾는 것입니다. 거리가 작을수록 이미지의 끝 스펙트럼 또는 인식할 끝 스펙트럼과 실험실 또는 현장에서 측정한 참조 스펙트럼 사이의 맞춤 정도가 높아집니다. 마찬가지로 유사성 지수 알고리즘 (Si) (Fenstermaker 등, 1994) 은 유클리드 거리 측도를 기준으로 알려진 그림 유형의 이미지 픽셀 평균 스펙트럼과 알 수 없는 이미지 픽셀 스펙트럼 사이의 밴드 차이 제곱의 평균을 기준으로 그림을 식별합니다. 위의 두 가지 방법은 단일 흡수 웨이브 형상을 기반으로 하는 매개변수 인식 기술보다 더 안정적입니다. 그러나 스펙트럼 데이터 해상도의 영향으로 스펙트럼 차이가 뚜렷하지 않으며 유클리드 거리 측정의 고유 결함으로 인해 그림을 정확하게 분류하기 어렵다. 스펙트럼 각도 측정기 (SAM) (벤 도르 등,1994; 크로스타 등1998; Drake 등 1998: Yuhas 등 1992) 는 바위와 광물 스펙트럼으로 구성된 다차원 스펙트럼 벡터 공간으로, 바위와 광물 스펙트럼 벡터의 각도 측정 함수를 사용하여 바위와 광물 참조 스펙트럼의 끝원 벡터 (r) 와 이미지를 해결합니다 참조 측 메타 스펙트럼은 실험실 및 현장 측정이나 알려진 범주의 이미지 픽셀 스펙트럼에서 가져올 수 있습니다. 그것들 사이의 유사성에 따라 광화 변경 정보를 식별하고 추출할 수 있다. 이 방법의 어려움은 정보 분할의 임계값을 합리적으로 선택하는 방법에 있다. 그러나 기존 응용 프로그램의 관점에서 볼 때, 이 방법은 간단하고 믿을 만하다. 상호 상관 매칭 (Fer-rier 등,1999; Varder Meer 등 1997) 는 관련 계수 (R.) 를 유사성 지수로 사용하여 픽셀별 상호 상관 일치를 통해 광물을 식별합니다. 참조 스펙트럼이 검사 스펙트럼과 정확히 일치하면 위치 m = 0；; 참조 스펙트럼이 장파 방향으로 이동할 때 m < 0 입니다. 반대로 m > 0 입니다. RGB 공간에서 바이어스, T 검사 값 및 관련 요소는 각각 R, G, B 를 제공합니다. "0" 에서 위치를 일치시키면 기울기, T 검사 값 및 관련 계수 (R.) 가 모두 "1" 에 가까우며 흰색으로 표시되어 끝단 광물을 식별합니다. 광물의 지능 인식에 있어서, 일반적으로 완전한 스펙트럼 모양을 사용한다. 예를 들어, 유닉스 플랫폼을 기반으로 하는 Tetracord 광물 인식 소프트웨어는 스펙트럼 데이터베이스의 스펙트럼을 통해 이미지 스펙트럼에 맞춰 광물을 자동으로 식별합니다. 왕윤생 등 (1999) 은 신경망을 이용하여 광물의 완전한 파형에 따라 광물을 자동으로 식별한다. 이러한 방법은 알려진 그림 스펙트럼이 많은 경우 적응력이 뛰어납니다. 이미지 피쳐 인식에 더 유용합니다. 그러나 명백한 부족은 실제 그림의 스펙트럼 변화, 관측 각도 및 세분성이 데이터 획득에 미치는 영향 때문에 전체 스펙트럼 특징의 차이가 크지 않은 그림을 정확하게 일치시키기 어려워 암석 광산 인식 분석의 혼란과 오차가 초래되기 때문이다.
스펙트럼 모델에 기반한 인식 기술은 특정 광학, 분광학, 결정학 및 수학 이론에 기반한 신호 처리 기술입니다. 위의 방법의 단점을 극복할 수 있을 뿐만 아니라, 그림 유형을 식별하면서 지표 물질의 성분 등 물리적 특징을 정확하게 수량화할 수 있다. 예를 들어 선형 혼합 스펙트럼 분해 모델 (SMA/SUM)(Adams 등,1986; 겨자 등1987; 로버츠 등1997; 사볼 등,/Sabol-0/992; Settle 등1993; 히프만 등; 1987: 아일랜드 하우스 블랙 등1991; Smith 등, 1985), 스펙트럼 선형 분해 모델은 다른 그림이나 다른 픽셀 스펙트럼 반사율 응답의 차이에 따라 구축될 수 있습니다. 하나의 픽셀 내에는 단일 유형의 그림이 아니라, 더 많은 것은 서로 다른 유형의 그림으로 구성되어 있다. 따라서 대부분의 경우 픽셀 스펙트럼은 순수 지면 스펙트럼의 선형 혼합이 아니라 더 비선형적입니다. 단일 산란의 경우 선형 모델로 분해할 수 있으며 다중 산란은 비선형 혼합으로 간주됩니다. 평균 단일 산란 반사율 풍도는 주로 다른 성분 함량에 따라 달라지기 때문에 선형 혼합 (Mustard 등, 1987) 으로 간주될 수 있습니다. 이렇게 하면 SSA (단일 산란 반사율) 변환을 통해 산자 W=(3r+6)r/( 1 +2r)2 를 사용하여 비선형 "선형화" 를 한 다음 스펙트럼을 분해할 수 있습니다. 톰킨스 (1996) 는 개선된 스펙트럼 혼합 분석 (MSMA) 모델을 제시했다. 이 모델은 가상 끝 요소를 사용하며 댐핑 최소 평방 알고리즘을 사용합니다. 어느 정도의 선험적 지식에 근거하여, 효과적으로 하위 이미지 단원을 선택하여 스펙트럼 분해를 할 수 있어 SMA 의 실용성을 높일 수 있다. SMA 에 비해 MSMA 의 가장 큰 차이점은 1 단원과 그 풍도는 알 수 없는 변수라는 것입니다. ② 데이터 세트의 모든 픽셀을 동시에 해결합니다. CEM (제약 에너지 최소화 기술) (플랑드르 등,1997; 플랑드르 등1996; Resmini 등 1997) 이미지 스펙트럼 이미지 시퀀스에서 대상 영역 (또는 ROI 영역) 의 픽셀 스펙트럼 (ri) 관련 가중치 계수 wk 를 사용하여 픽셀 벡터의 숫자 값 Y 를 설명하는 기능 선택 및 분해를 통해 그림 인식 및 정보 추출을 수행할 수 있습니다. 혼합 스펙트럼 분해 모델과 마찬가지로 분해 결과는 식별 픽셀 유형 정보뿐만 아니라 그 풍도비를 나타냅니다. 혼합 스펙트럼 분해 모델과 달리 이 방법은 대상 영역의 통계적 특징에 더 의존하지만 결과는 더 정확합니다. 결론적으로, 이러한 방법은 스펙트럼 지식과 수학적 방법에 더 많이 의존하며, 실제 응용에서는 피쳐 매개변수를 결정하거나 스펙트럼 모델을 정확하게 설명하기 어려우므로 이러한 기술 방법의 적용이 제한됩니다. 그러나 이 방법은 그림을 식별하는 동시에 물질 성분을 수량화하기 때문에 일련의 기술이 성숙함에 따라 분광학 결정학 등의 지식이 깊어지면서 인식 정확도의 향상과 수량화 능력이 높아짐에 따라 응용이 점점 더 광범위해질 것이다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 과학명언)
국내에서는 광물을 직접 식별하는 데 사용되는 이미징 스펙트럼이 있지만 국산 센서 성능은 아직 완벽하지 않아 데이터 신호 대 잡음비가 낮다. 그러나, 정성암 광산 감정 방면에서 이미 약간의 성과를 거두었다. 예를 들어, 감복평 (2000) 은 파형 피쳐 조합에 기반한 주성분 분석을 이용하여 허베이 장자커우 후구 금광에 효과적인 암석 구분을 하였다. 유경생 (1999) 은 대응 분석을 통해 내몽골 모 광구의 금 함유 변화를 추출했다. 직접 정량 광화인식, 인식 패턴, 인식 계보 등에서 미국 등 선진국에 뒤처져 있는 데는 아직 일정한 차이가 있다.
결론적으로 암광 스펙트럼 기계의 연구, 원격감 정보 추출의 기초, 원격감 정보 추출 방법, 기술의 연구는 상호 보완적이며 대응 관계가 있다.
원격 감지 스펙트럼 이미징 기술이 발달하면서 원격 감지 그림의 응용 기반과 원격 감지 이미지 정보 추출 기술에 대한 연구가 발전했으며, 그 연구 방향과 추세는 주로 스펙트럼 특징 지식과 그림의 물리적 성질의 연관성 및 스펙트럼 물리적 모델에 초점을 맞추고 있습니다. 그림의 이화 성질과 스펙트럼 특징에 대한 상관 관계, 스펙트럼 물리적 모델에 대한 심층 분석 및 연구는 원격 감지가 광산을 직접 식별하고, 그림 분포 규칙, 속성, 이화 특성 및 다양한 각도에서 그림 심층 정보 마이닝을 수행할 수 있도록 이론적 지원을 제공합니다. 원격 감지 응용 기술의 발전을 촉진하다. 원격감각지학 응용의 실용화와 산업화는 원격감각지 스펙트럼 응용기초와 원격감각지화 영향 정보 추출 기술 연구가 서로 촉진된 결과이다.
그림 스펙트럼 연구, 원격 감지 정보 추출 기초 및 원격 감지 정보 추출 방법 및 기술 연구의 발전은 세 가지의 결합으로 이어질 것이며, 결국 원격 감지 애플리케이션 모델과 기술 통합에 통합되어 각자의 장점을 최대한 활용하고, 원격 감지 애플리케이션 능력을 향상시키고, 지질 응용 인식을 강화하고, 시뮬레이션, 평가 및 예측 지학 발전 법칙을 향상시킬 것입니다.