원격 감지 데이터 및 처리

1. 원격탐사 데이터 및 특성

윈난성 북동부의 납-아연 광산에 대한 원격탐사 지질조사는 1:50,000 수준과 1단계 등 3단계로 구분된다. :2.5 레벨 10,000 레벨은 미국 Landsat-7 ETM+ 데이터를 기본 데이터로 사용하고, 1:10,000 레벨은 미국 QuickBird 위성 데이터를 기본 데이터로 사용합니다.

(1) ETM+ 데이터

ETM+ 데이터는 1999년 4월 미국이 발사한 Land 7 위성이 탑재한 ETM+(Enhanced Thematic Imager)에 의해 지구 표면에서 수집됩니다. 데이터, 기본 매개변수, 설계 대역 특성 및 설계 용도는 표 3-1에 나와 있습니다.

표 3-1Landsat-7 위성 매개변수 및 데이터 특성

Landsat 시리즈 위성 데이터를 지질학에 적용하는 장기 연구에 따르면 Landsat 위성 데이터의 각 대역은 지질 정보를 제공할 수 있는 것으로 나타났습니다. 구조물, 지형정보. 그 중 밴드 5, 6, 7에 더 많은 정보가 있고, 밴드 1, 2, 3, 4는 암석 내 철과 망간 광물, 철과 망간 함유 광물, 특히 철의 경우 밴드 4의 상대적 함량을 구별할 수 있습니다. 철 광물은 상대적으로 민감하며 암석학을 구별하는 데 사용할 수 있습니다. 밴드 5는 녹석류의 특징적인 스펙트럼 밴드에 민감합니다. 밴드 7은 탄산암, 녹편암, 견운암 편암, 점토암 및 점토 광물 축적 영역을 식별하는 데 더 좋습니다. 밴드 6은 지열 이상 현상, 암석과 구조물의 수분 함량, 지질 구조를 식별하는 데 유용합니다. 또한 Landsat-7은 시각 효과를 통해 지상 물체의 인식을 직접적으로 향상시키는 15m 해상도의 전색성 대역도 추가합니다(표 3-2 참조).

표 3-2 Landsat-7ETM+ 데이터 특성 및 지질학적 용도에 대한 간략한 목록

그림 3-1 운남성 북동부의 ETM 데이터 분포 도식

이 작업 범위는 ETM 데이터 129-041 및 129-042의 두 장면을 차지하며 둘 다 2001년 12월 23일에 있습니다. 두 장면 데이터의 작업 범위 위치는 그림 3-1에 나와 있습니다. 데이터 메타데이터는 표 3-3을 참조하세요.

표 3-3 129-041, 129-042 위성 데이터 메타데이터 특성

계속 표

(2) Quick Bird 위성 데이터

< p>Quick Bird는 미국 Digital Globel(Earth Watch)사가 2001년 10월 발사한 고해상도 위성입니다. 최대 공간 해상도는 61cm이며, 제작할 수 있는 크기는 약 1:10,000입니다. 위성 매개변수 및 데이터 특성은 표 3-4에 나와 있습니다.

표 3-4 Quick Bird 위성 매개변수 및 데이터 특성

Quick Bird 위성 데이터의 대역 설정은 ETM 데이터, 대역 1, 2, 3, 4와 일정하게 일치합니다. Panchromatic 대역에서 Quickbird 데이터의 파장 범위가 ETM 데이터의 파장 범위보다 약간 더 좁다는 점을 제외하면 파장 범위는 정확히 동일합니다.

대규모 원격 탐사 지질 조사 작업은 주로 Yiliang의 Maoping 지역에 배치됩니다. X:3038000-3046000, Y:35392000-35402000 범위의 Quickbird 데이터 80km2가 구매되었습니다. 실시간 촬영 데이터에 속하며, 데이터 수집일은 2004년 5월 8일이다. 메타데이터 특성은 <표 3-5>와 같다.

표 3-5 마오핑 지역 KuaiNiao 위성 데이터의 메타데이터 특성

2. 원격 탐사 데이터 처리

(1) 데이터 처리 소프트웨어

원격 감지 이미지 처리에는 주로 캐나다의 전문 원격 감지 이미지 처리 소프트웨어 PCIGeomatica8.0과 유명한 미국의 전문 원격 감지 이미지 처리 소프트웨어 ENVI3.5가 사용됩니다.

(2) 데이터 처리 과정

원격탐사 데이터 처리의 주요 프로세스에는 데이터 구성(예: 데이터 유형 선택, 범위 확인, 위상 선택, 순서 지정 등), 데이터 구성(예: 데이터 유형 선택, 범위 확인, 단계 선택, 순서 지정 등)이 포함됩니다. 모자이크(장면 데이터에는 단일 이 프로세스가 존재하지 않음), 기하학적 보정, 이미지 생성, 이미지 향상, 이미지 장식 및 기타 프로세스는 그림 3-2를 참조하세요.

그림 3-2 데이터 처리 흐름도

(3) 데이터 처리

1. 데이터 모자이크

일명 모자이크 두 개의 인접한 이미지를 이어붙여 하나의 큰 이미지를 만드는 과정입니다.

이미지 모자이크 과정에서 서로 다른 위상의 데이터를 사용하는 경우, 데이터 이미징의 계절 및 태양 고도 각도가 다르기 때문에 동일한 위상 데이터를 사용하는 경우 동일한 이름을 가진 픽셀 포인트가 다른 데이터에서 다른 회색조로 나타날 수 있습니다. 지상국 후기의 인위적인 장면 분리 및 별도 처리로 인해 동일한 이름을 가진 픽셀 포인트가 서로 다른 데이터에서 서로 다른 회색조로 나타날 수 있으며, 동일한 표면 객체가 서로 다른 데이터에서 서로 다른 특성을 나타낼 수 있습니다. 따라서 영상 모자이크 처리는 데이터 중첩 범위 내에서의 등록 처리이다.

윈난 북동부의 1:50,000 작업 영역에는 129-041과 129-042라는 두 개의 장면 데이터가 포함됩니다. 데이터 모자이크는 PCIGeomatica 원격 감지 이미지 처리 플랫폼의 GCPworks 모듈에서 완성됩니다. 모자이크 과정은 중첩된 데이터 범위 내에서 동일한 이름을 가진 포인트를 선택하고 모자이크 선을 선택하는 데 중점을 둡니다. 일반적으로 각 두 장면 이미지의 위쪽 및 아래쪽 모자이크에는 10~15개의 GCP가 선택됩니다. 모자이크 선을 선택할 때 직선을 피하고 모자이크 영역의 지형학적 특성에 따라 색차가 큰 곳을 모자이크 선이 통과하도록 하여 인위적인 선형체를 피하도록 하십시오. 그런 다음 PCI에서 제공하는 ColourMatching 기능을 사용하여 모자이크 영역의 이미지 색상을 일치시킵니다. 그러면 모자이크 이미지의 색상이 모자이크 선의 양쪽에서 부드럽게 전환되어 원활한 효과를 얻을 수 있습니다.

2. 기하학적 보정

(1) 기하학적 보정 방법

위성의 자세와 궤도, 지구의 움직임과 모양으로 인해 원격 센서 자체 및 스캐닝 미러 불규칙성, 감지기 구성, 감지기 샘플링 지연, 디지털-아날로그 변환 오류 및 기타 이유로 인해 원본 원격 감지 이미지의 심각한 기하학적 변형이 발생하므로 직접 사용할 수 없습니다. 일반적으로 위성 지상국은 위성 궤도의 다양한 매개변수를 기반으로 이미지를 대략적으로 수정합니다. 그러나 원격 센서의 위치 및 자세에 대한 측정 값이 낮기 때문에 대략적으로 수정된 이미지는 여전히 상당한 기하학적 변형을 갖습니다. . 사용자는 지상 기준점과 다항식 보정 모델을 사용하여 추가적인 기하학적 보정을 수행해야 합니다. 특정 투사 모드에 따라 원본 이미지를 기하학적 정밀도로 보정한 이미지만이 이미지의 각 픽셀에 해당하는 정확한 지리적 좌표를 만들 수 있습니다. 기하학적 정밀도 보정을 거친 이미지만 다른 이미지와 일치하도록 생성할 수 있습니다. . 기하학적 수정 단계에는 다음 세 단계가 포함됩니다.

1) 지상 기준점(GCP) 선택. 지상 기준점을 선택하는 방법에는 일반적으로 현장 측정과 동일 축척 또는 더 큰 축척의 지형도에서 지점 수집의 두 가지 방법이 있습니다. 지상 기준점 선택의 원칙은 도로 교차점, 하천 교차점 등 지상에서 시간이 지나도 변하지 않는(또는 거의) 이미지에 명확하게 표시되는 위치 식별 표시를 선택하는 것입니다. 또한 제어점은 보정 범위 내에서 고르게 분포되어야 하며 일정한 수를 보장해야 합니다.

2) 다항식 모델 수정. 다항식 모델 보정은 적절한 좌표 다항식 모델(좌표 변환 함수)을 통해 지형도 상의 해당 지점의 이미지 픽셀 좌표(x, y)와 지리적 좌표(X, Y) 사이의 관계를 설정하고 이를 통해 픽셀 재위치화는 이미지를 지형 지도에 맞춥니다. 다항식 보정 모델의 수학적 표현은 다음과 같습니다.

윈난 북동부 납-아연-은 광상의 원격 감지 지질학 및 광물화 예측

공식에서: aij, bij는 다항식 계수입니다. ; N은 다항식의 차수이며, 이미지 변형 정도, 제어점 수 및 지형 변위 크기에 따라 달라집니다.

3) 리샘플링. 다항식 보정으로 인해 재배치된 픽셀은 원본 이미지에 불균일하게 분포되므로 특정 규칙에 따라 원본 이미지를 다시 샘플링하고 밝기 값의 보간 계산을 수행하여 새로운 이미지 매트릭스가 설정됩니다. 일반적으로 사용되는 리샘플링 방법에는 최근접 이웃 방법, 쌍선형 보간 방법, 3차 컨볼루션 보간 방법이 있습니다. 세 가지 방법은 모서리 향상, 지상 객체의 연속성 및 계산 속도 측면에서 장점과 단점이 있습니다. 그 중 큐빅 컨볼루션 보간법은 에지를 강화하고 균등화 및 선명도의 효과가 있지만 계산량이 많이 필요하다.

(2) 1:50,000 작업 범위 이미지 기하학적 보정

1:50,000 작업 범위 이미지 보정은 해당 범위의 60개의 1:50,000 지형도를 사용합니다. 교정 지점 선택은 60개의 지형도에서 GCP203 지점을 균일하게 선택하는 것이며, 교정 모델은 2차 다항식 피팅을 선택하고 리샘플링 방법은 3차 컨볼루션 보간을 사용합니다. 보정된 영상 투영 방법은 Gaussian 투영, 6° 구역화, 중심 자오선은 105°, 타원체는 Krasovsky 1954 타원체로 지형도와 일치합니다.

(3) 1:10,000 작업 범위 이미지 기하학적 보정

동일 축척의 지형도가 부족하여 수집된 지형 데이터는 1:50,000 지형도뿐입니다. 1:2000 지형 지도의 일부이므로 지형도 샘플링 지점과 현장 측정 지점을 결합하여 교정 지점 수집이 완료됩니다. ***33개의 GCP를 수집했습니다. 교정 모델로는 2차 다항식 피팅을 선택했고, 리샘플링 방법으로는 3차 컨볼루션 보간법을 사용했습니다. 보정된 영상 투영 방법은 Gaussian 투영, 3° 구역화, 중심 자오선은 105°, 타원체는 Krasovsky 1954 타원체입니다.

3. 색상 합성의 목적은 단색 대역의 각 픽셀의 28색(예: 256) 색상 공간을 224(예: 16777216) 색상 공간으로 확장하는 것입니다. 목표 강화 지상 물체의 가시성은 시각적 해석 효과를 향상시킵니다. 풍부한 색상과 많은 양의 정보를 지닌 기본 컬러 이미지를 통해서만 통역사는 이미지에 담긴 정보를 완전히 식별하고 지질학적 해석을 수행할 수 있습니다.

최고의 색합성 효과를 얻기 위해 합성에 참여하는 밴드의 선택은 다음과 같은 원칙을 따르는 경우가 많습니다.

1) 합성에 참여하는 단일 밴드는 편차가 크며, 즉, 밴드 자체가 더 많은 양의 정보를 가지고 있다는 것입니다.

2) 정보의 중복 및 중복을 피하기 위해 합성에 참여하는 각 밴드 간의 상관 계수가 작습니다.

3) 합성된 이미지에서 심각한 색상 캐스트를 피하기 위해 합성에 참여하는 3밴드 이미지의 평균값은 유사해야 합니다.

4) 대상 개체를 강조하기 위해서는 대상 개체가 더 부각되는 밴드를 선택해야 합니다.

컬러 합성 이미지는 빨간색, 녹색, 파란색의 3원색을 나타내는 3개의 밴드로 구성된 합성 이미지입니다.

1:50,000 작업 범위의 기본 영상 제작을 위해 밴드 7, 4, 2의 합성 방식을 선택하고, 기본 이미지 생성을 위해 밴드 4, 5, 3의 합성 방식을 선택했습니다. 작업 범위의 기본 이미지는 1:25,000 작업 범위의 이미지이고, 작업 영역의 기본 이미지는 밴드 4, 5, 3의 합성 방식이 선택되었습니다. 밴드 3, 2, 1 합성이 선택되었습니다. 계획. 선택 기준은 "데이터 특성" 섹션에서 분석됩니다.

4. 이미지 향상

이미지 향상의 목적은 관련 주제 정보를 강조하고, 이미지의 시각적 효과를 향상시키며, 통역사와 분석가가 이미지 내용을 더 쉽게 식별할 수 있도록 하는 것입니다. , 이를 통해 이미지에서 더 유용한 정보를 추출합니다. 영상 향상 방법에는 여러 가지가 있는데, 동작 공간 관점에서 스펙트럼 향상과 공간 향상으로 나눌 수 있습니다. 두 가지 유형의 향상 모두 이미지 처리 및 정보 추출 프로세스 전반에 걸쳐 일반적으로 사용됩니다. 기본 영상의 향상을 위해 일반적으로 스펙트럼 향상은 대상 물체의 모양, 크기 및 기타 특성을 기본적으로 변경하지 않고 픽셀의 대비, 밴드 간의 밝기 등의 측면에서 영상의 시각적 효과를 향상시키는 데 사용됩니다.

프로젝트 작업에 사용된 세 가지 기본 이미지는 모두 생성 후 스펙트럼 강화됩니다. 이미지의 각 밴드의 히스토그램 분포에 따라 전체 이미지의 픽셀 간 대비 차이를 분석하여 스펙트럼 강화의 구체적인 수단을 결정합니다. 그 중 1:50,000 범위의 밴드 7, 4, 2의 합성 이미지는 넓은 면적과 다양한 토지 종, 풍부한 정보를 가지고 있으며, 강화 과정에서는 다양한 정보의 전체 표시가 필요하므로 히스토그램 평활화 방법은 다음과 같습니다. 이론적으로 이미지를 만드는 데 사용됩니다. 의 다양한 밝기 값이 고르게 분포됩니다. 1:25,000 범위의 밴드 4, 5, 3의 합성 이미지는 이미지 범위가 상대적으로 작으며 깊은 지형 절단으로 인해 이미지의 산 그림자가 더 넓은 영역을 차지하는 반면 남서쪽 모서리 영역은 상대적으로 평면이고 반사율이 높으며 픽셀 밝기가 크므로 향상을 위해 선형 스트레칭 방법이 선택됩니다. 1:10,000 범위의 Kuainiao 위성 밴드 3, 2, 1 데이터 합성 이미지에서 Hongjianshan-Jiangjiawan-Huamiaozhai 지역은 더 많은 식생으로 덮여 있어 이미지에 넓은 녹색 영역이 표시될 수 있습니다. 원본 이미지의 대비가 더 이상 크게 변경되지 않도록 합니다.

그림 3-3 마오핑 지역의 이미지에 대한 다양한 스트레칭 방법의 효과 비교

스트레칭 방법의 적용 효과는 마오핑 지역의 1:10,000 이미지를 다음과 같이 취합니다. 예를 들어 그림 3-3을 참조하세요. 그림에서 볼 수 있듯이 확장되지 않은 이미지의 색상 레벨이 너무 적습니다. 평균 제곱근을 사용하여 확장된 이미지는 일반적으로 그래픽의 밝기를 향상시키는 동시에 픽셀 간의 대비 확장을 억제합니다. 밝기가 높은 영역의 색상 레벨은 감소합니다. 히스토그램 균등화된 이미지는 픽셀 간의 대비를 향상시켜 원본 이미지의 어두운 영역의 색상 그라데이션을 증가시키지만 픽셀 빈도의 증가로 인해 밝은 색상 영역의 색상 그라데이션을 감소시킵니다. ; 선형 스트레칭은 다양한 정도로 문제를 극복합니다. 위 스트레칭 방법의 단점은 이미지 색상을 더 풍부하게 만들고 레이어를 더 명확하게 만들어 해석자가 해석하기 쉽게 만듭니다.

해석 과정에서 다른 개선 방법을 사용하여 여기서는 설명하지 않는 특정 기능과 기능을 강조할 수도 있습니다.

5. 이미지 융합

이미지 선명도를 높이고 다중 밴드 데이터의 특성을 최대한 활용하려면 고해상도 팬크로매틱 밴드와 다중 밴드를 결합해야 합니다. 색 합성에 참여하는 스펙트럼 밴드 융합 처리를 수행합니다. 융합 영상은 다중분광 영상과 고해상도 영상 각각의 장점을 활용해 단점을 보완하고, 원격탐사 영상의 대상 인식 정확도를 향상시키며, 원격탐사 영상 종합 분석의 정확도를 높일 수 있다.

퓨전 방식은 크게 색 관련 기술과 수학적 방법 두 가지로 나눌 수 있다. 색 관련 기술에는 색합성, 색공간 변환 등이 있으며 이는 IHS 변환 방식과 같이 해상도와 색상 특성을 유지하는 데 도움이 됩니다. 일반적으로 사용되는 융합 방법에는 IHS 변환 방법, PCA 변환 방법, HPF 변환 방법 및 웨이블릿 변환 방법 등이 있습니다.

작업 목적을 고려하여 지상 해상도를 향상시키고 저해상도 영상의 스펙트럼 정보를 유지하기 위해 작업에서는 표준 RGB를 분리하는 IHS 변환 방식을 선택했습니다. 영상을 공간 정보의 밝기와 스펙트럼 정보의 색상으로 변환하는 방법은 채도를 구분한 다음 밝기를 고해상도 영상으로 대체한 다음 역변환하는 것입니다. 융합된 이미지는 해상도가 더 높을 뿐만 아니라 원본 이미지와 동일한 색상 및 채도를 갖습니다. 구체적인 프로세스는 그림 3-4에 나와 있습니다.

프로젝트 작업에 사용된 ETM 데이터의 7개의 30m 다중 스펙트럼 대역과 15mPAN 대역은 동일한 센서에서 나옵니다. 4개의 2.4m 다중 스펙트럼 대역과 Kuaibird 데이터의 0.6mPAN 대역도 따라서 데이터 융합 과정에서는 데이터 등록 문제가 없으며, 저해상도 밴드만 리샘플링하고 융합에 참여하는 각 밴드에 대해 히스토그램 매칭을 수행한 후 IHS 변환과 RGB 변환을 수행한다. 저해상도 대역을 리샘플링하는 데 사용되는 방법은 3차 컨볼루션 보간법입니다. 융합 전과 후의 이미지 특징은 그림 3-5에 나와 있습니다.

그림 3-4 IHS 변환 융합 흐름도

그림 3-5 융합 전/후 이미지 특징 비교

(4) 이미지 처리 정확도 평가< /p>

모자이크 보정 프로세스 중 정확도 평가는 RMS 오류(제곱 평균 제곱근)로 측정되는 경우가 많습니다. RMS는 GCP의 입력 위치와 변환 행렬을 사용하는 역변환 사이의 거리입니다. GCP 변환 예상 ​​출력 좌표와 실제 출력 좌표 간의 편차입니다.

윈난 북동부 납-아연-은 광상의 원격 감지 지질 및 광물화 예측

공식에서 Ri는 GCPi의 RMS 오류이고, XRi는 GCPi의 X 잔차입니다. YRi는 GCPi 차이의 Y 잔차입니다.

전체 이미지의 총 RMS 오류:

윈난 북동부의 납-아연-은 퇴적물의 원격 감지 지질학 및 광물화 예측

여기서: T는 총 RMS 오류.

1.1:50,000 모자이크 정확도

데이터 모자이크의 오류 크기는 기하학적 보정에 큰 영향을 미칩니다. 오류가 크면 이미지 왜곡이 인위적으로 증가합니다. 작업 중 1:50,000 작업 범위에는 "1/250,000 원격 탐사 지질 조사 기술 규정"(DD2001-01)에 따라 129-041 및 129-042 데이터의 상단 및 하단 모자이크가 필요합니다. 등록 정확도는 전년 대비 계산됩니다. 모자이크 오류 T는 0.40입니다. 모자이크 과정에서 13개의 모자이크 GCP가 수집되었으며 모델이 한 번 수정되었습니다. 오류는 표 3-6에 나와 있습니다.

표 3-6 1:50,000 이미지 모자이크 오류

표 3-6에서 볼 수 있듯이 T = 0.311로 기본값인 0.40보다 작습니다. 원활한 모자이크 요구 사항을 충족합니다.

2. 보정 정확도

(1) 1:50,000 이미지 보정 정확도

수정 정확도는 "1/250,000 원격 탐사 지질 조사"에 따릅니다. 기술 규정"( DD2001-01) 이미지 보정 정확도 및 보정 포인트 수의 연간 계산에 대해 사전 설정 보정 오류 T≤0.80입니다. 보정 과정에서 기본적으로 60개의 1:50,000 지형도에서 203개의 지점이 균등하게 선택되었으며, 오류 조정 후 190개의 유효 GCP가 수정 다항식 모델로 선택되었습니다. 오류는 표 3에 나와 있습니다. 7. 표 Out에서 볼 수 있듯이 T=0.794는 사전 설정 값 0.80보다 작고 사양 요구 사항을 충족할 수 있습니다.

표 3-7 1:50,000 이미지 보정 오류

(2) 1:10,000 이미지 보정 정확도

작업 영역은 1:50,000만 수집하기 때문에 지형도와 1:2000 지형지질도는 작은 부분을 차지하고, 1:50,000 지형도는 상대적으로 오래되었기 때문에 기하보정 과정의 오차가 크다. 이미지 디테일이 선명하기 때문에 사용 및 위치 결정에 영향을 미치지 않습니다.

3. 융합 정확도

저해상도 데이터와 고해상도 데이터를 융합하는 목적은 해상도 향상에 있기 때문입니다. 융합은 융합 정확도의 평가가 됩니다. 이미지의 선명도는 물체의 경계 근처 또는 그림자 선의 양쪽 측면에서 그레이스케일의 명백한 차이, 즉 그레이스케일 변경률을 나타냅니다. 이는 이미지의 작은 세부 사항의 대비 변화율을 반영합니다. 즉, 이미지의 다차원 방향으로의 밀도 변화율을 사용할 수 있습니다. 일반적으로 융합 전후의 g 변화가 클수록 융합된 이미지의 선명도가 높아집니다.

윈난 북동부 납-아연-은 퇴적물의 원격 감지 지질 및 광물화 예측

ETM 30m 다중 스펙트럼 대역과 15m 전색성 대역 및 Quickbird 데이터 융합 전후 값 2.4m 다중 스펙트럼 데이터와 0.6 m 전색성 밴드 융합 전후의 g 값의 비교는 표 3-8에 나와 있습니다. 표에서 볼 수 있듯이 융합 후 밀도 변화율은 원본에 비해 수십~수백배 증가해 영상 융합의 정확도가 크게 향상되었음을 알 수 있다.

표 3-8 융합 정확도 비교

3. 작업 영역 원격 감지 데이터

(1) 1:50,000 작업 범위 ETM 데이터 특성

1:50,000 작업 범위 이미지의 행과 열 수는 9233(열) × 12423(행)(보간 15m)이며, 데이터가 부족하여 총 픽셀 수는 114701559포인트입니다. 왼쪽 상단 모서리의 1140개 포인트는 유효하지 않은 픽셀입니다.

데이터의 기본적인 통계적 특성은 <표 3-9> 내지 <표 3-11>에 나타나 있으며, 각 밴드의 히스토그램은 [그림 3-6]에 나타나 있다.

표 3-9 1:50,000 범위의 ETM 데이터의 기본 통계 특성

표 3-10 1:50,000 범위의 ETM 데이터의 대역간 공분산 행렬

p>

표 3-11 1:50,000 범위의 ETM 데이터 밴드 간 상관계수 행렬

위의 통계 매개변수 중 8개 밴드의 평균값을 60m 해상도 밴드 6으로 나눈 값과 15m 해상도 PAN 대역을 제외하고 나머지 6개 대역은 크게 다르지 않습니다. 8개 밴드의 표준편차는 S5>S7>S4>S3>S6>S8>S2>S1과 같이 큰 순으로 배열되어 있으며, 이는 밴드 5의 픽셀 밝기 값이 가장 크고 밴드 1의 픽셀 밝기 값이 가장 작은 것을 나타냅니다. . 밴드간 상관계수(6밴드와 8밴드의 해상도 차이로 인해 고려하지 않음)는 R12, R23, R25, R35, R45, R57, R37, R27이 모두 상대적으로 큰 값을 가지며, R13, R24, R34, R47은 0.7~0.8 사이의 값으로 상대적으로 작은 반면, 가장 작은 상관계수는 R14, R15, R17로 0.5~0.6 사이의 값을 갖는다. 상관 계수는 밴드 간의 정보 중복 정도를 나타냅니다. 1:50,000 작업 범위의 색 합성 방식은 위의 통계 데이터와 색 합성 대역 선택을 위한 다른 원칙을 결합하여 결정됩니다.

히스토그램은 이미지 범위 내 밝기값(DN)별 픽셀 수의 통계적 분포로, 밝기값 분포 범위 등 원본 이미지의 품질 정보를 직관적으로 반영할 수 있습니다. 밝기 값 분포 규칙을 따르며, 이미지의 중앙값과 같은 매개변수를 직접적이고 대략적으로 해석할 수도 있습니다. 8개 밴드의 히스토그램을 보면 밴드 4, 5, 7의 히스토그램에서 50~60 사이에 주 피크가 나타나고, 10~15 사이에 매우 좁은 2차 피크가 나타나는 것을 알 수 있습니다. 이미지의 그림자와 수역의 픽셀 밝기 값으로 인해 이미지에서 그림자와 수역이 차지하는 면적을 대략적으로 계산할 수 있으며, 밴드 5를 예로 들면 계산된 비율은 약 6%입니다. 다른 밴드의 히스토그램은 정규 분포에 더 가깝습니다.

공분산 행렬은 각 밴드의 밝기 값의 분산을 반영하는 동시에 서로 다른 밴드 간의 밀접한 상관 관계를 반영하는 단일 밴드 이미지 통계표와 상관 계수 행렬과 동시에 역분할이 가능합니다.

그림 3-6 1:50,000 범위의 ETM 각 밴드의 이미지 히스토그램

(2) 1:25,000 작업 범위의 ETM 데이터 특성

1: 25,000 작업 범위의 행과 열 수는 3000(열) × 1860(행), 총 픽셀 수는 5,580,000 포인트, 보간 후 해상도는 15m입니다. 데이터의 기본적인 통계적 특성은 Table 3-12 ~ Table 3-14와 같으며, 각 밴드의 히스토그램은 Figure 3-7과 같다.

표 3-12 1:25,000 범위의 ETM 데이터의 기본 통계 특성

표 3-13 1:25,000 범위의 ETM 데이터 밴드 간 공분산 행렬

표 3-14 1:25,000 범위 ETM 데이터 밴드 간의 상관 계수 행렬

그림 3-7 1:25,000 범위 ETM 밴드 이미지 히스토그램

위 통계 매개변수에서 60m 해상도 밴드 6이 110으로 더 크고, 15m 해상도 PAN 밴드 29가 더 작은 것을 제외하고는 8개 밴드의 평균값이 나머지 3개 밴드의 평균값과 유사하다는 것을 알 수 있다. 는 약 50입니다. , 세 밴드 2, 3, 7은 크게 다르지 않아 약 37입니다. 8개 밴드의 표준편차는 S5>S4>S7>S3>S8>S6>S2>S1과 같이 큰 순으로 배열되어 있는데, 이는 밴드 5의 픽셀 밝기 값의 분산이 가장 크고, 밴드 1의 픽셀 밝기 값이 가장 큰 것을 나타냅니다. 가장 작은. 밴드 간 상관계수(6-band와 8-band의 해상도 차이로 인해 고려하지 않음)는 R57, R23, R73이 가장 좋은 성능을 보였으며 그 다음으로 R12, R13, R25, 0.9 이상의 값을 나타냈다. R27, R35 및 R45는 0.8에서 0.9 사이의 값을 갖는 반면, R24, R34 및 R47은 0.7에서 0.8 사이의 값으로 상대적으로 작습니다. 0.5에서 0.6 사이의 값. 상관 계수의 크기도 밴드 간의 정보 중복 정도를 나타냅니다. 1:25,000 작업 범위의 색 합성 방식은 위의 통계 데이터와 색 합성 대역 선택을 위한 다른 원칙을 결합하여 결정됩니다.

8개 밴드의 히스토그램 모양은 1:50,000 범위와 대략적으로 일치하며, 성능의 의미도 동일하므로 자세한 내용은 설명하지 않겠습니다.

(3) 1:10,000 작업 범위의 QB 데이터 특성

1:10,000 작업 범위는 다중 스펙트럼 대역이 4개만 있고 해상도는 다음과 같은 고해상도 QB 데이터를 사용합니다. 2.4m, 작업 범위 이미지의 행과 열 수는 4168(열) × 3407(행)이며 총 픽셀 수는 14200376 포인트입니다. 다중스펙트럼 데이터의 기본적인 통계적 특성은 Table 3-15, Table 3-16과 같으며, 각 밴드의 히스토그램은 Figure 3-8과 같다.

표 3-15 1:10,000 범위의 QB 데이터의 기본 통계 특성

표 3-16 1:10,000 범위의 QB 데이터 밴드 간 상관계수 행렬

>

위의 통계를 보면 QB 데이터의 4개 밴드 중 밴드 1, 2, 3의 상관계수가 모두 상대적으로 크다(R12=R23=0.96, R13=0.89)는 것을 알 수 있다. 근적외선 대역과 다른 대역의 상관계수는 매우 작습니다(R14=0.29, R24=0.37, R34=0.20). 동시에 근적외선 대역의 중앙값과 표준편차도 나타남을 알 수 있습니다. 이는 작업 영역의 식물 면적이 넓기 때문에 다른 밴드와도 매우 다릅니다. 우리 모두가 알고 있듯이 녹색 식물의 엽록소는 가시광선의 적색대(0.6~0.7μm)를 강하게 흡수하는 반면, 잎 내부의 조직은 근적외선 대역(0.7~1.1μm)을 많이 반사합니다. , 넓은 면적의 식생은 관련 밴드의 이미지를 직접적으로 변경합니다. 요소 밝기 값의 분포. 기본 영상 색상 합성 밴드 선택에서는 다양한 원리와 통계적 매개 변수를 기반으로 밴드 1, 2, 3을 선택하여 합성 영상을 실제 색상에 가깝게 만들기 위해 합성 방식은 3( R)+2(G)+1(B).

그림 3-8 각 밴드의 1:10,000 범위 QB 이미지 히스토그램

IV. 원격탐사 정보의 강화 및 추출

지질 표적을 강조하기 위해 , 강화 약함 암석 변성 정보의 경우 주로 표면 3차원 기술, 비율 연산, KL 변환, 공간 필터링, 색상 변환 기술 등을 포함하여 영상 처리 프로세스의 여러 단계에서 다양한 정보 강화 기술이 사용됩니다. (표 3-17).

표 3-17 업무에 사용되는 주요 정보강화 공법 기술 및 용도

(1) 3차원 표면 기술

DEM을 이용한 3차원 표면 기술 (디지털 고도 모델)은 지도상의 2차원 평면 공간을 고도 차이에 따라 연속적인 기복이 있는 표면으로 변환함으로써 표면 지형의 자연 경관을 보다 정확하게 반영하고 특수 암석학의 특별한 지형 특성을 부각시킵니다.

마오핑 지역의 3차원 표면 이미지 제작은 1:50,000 DEM과 QB3, 2, 1 컬러 합성 이미지를 사용하며, 1:50,000 DEM은 1:50,000 지형도에서 파생됩니다. , 등고선을 통해 디지털화 - 표고 지정 - DEM 생성 및 기타 프로세스가 구현됩니다.

3차원 표면 이미지의 생성에는 주로 DEM과 이미지의 등록, 등록된 DEM과 이미지의 합성이라는 두 가지 프로세스가 포함됩니다.

그림 3-9는 마오핑 지역의 부분적인 3차원 풍경이다. 시점은 (103°54'27″, 27°27'26″)이고, 보는 방향은 45°이다. 시야각은 60°이고 시야각은 60°입니다.

그림 3-9 마오핑 지역 쿠아이버드 원격탐사 이미지의 3차원 표면 풍경(일부)

마오핑 지역의 3차원 표면 이미지에서 우리는 왼쪽과 오른쪽에 주상절리가 있는 현무암과 측면 페름기 석회암 지형 풍경을 볼 수 있습니다.

(2) 이미지 비율 작업

비율 작업은 두 밴드의 밝기가 다른 특징을 곡선에 방사형으로 투영하여 서로 다른 특징을 비선형적으로 과장하는 것입니다. 물체 간의 대비는 지형 경사와 방향으로 인한 이미지의 방사선 변화를 억제하고 환경 조건의 영향을 줄이며 단일 대역에서는 사용할 수 없는 고유한 정보를 제공할 수 있습니다. 계산 공식은 다음과 같습니다.

윈난 북동부 납-아연-은 광상의 원격 감지 지질학 및 광물화 예측

공식: DNm(x, y), DNn(x, y)는 각각 m 및 n 밴드의 요소(x, y)의 밝기 값과 같습니다. Rmn(x, y)는 출력 비율입니다. 비율 연산은 직장에서 주로 다음 두 가지 측면에서 사용됩니다.

1. 식생피복률 계산

식생피복률(f)은 특정 시점에 특정 지역의 식생수관의 수직 투영면적을 전체 면적으로 나눈 비율을 말한다. 지역의 지역. 원격탐사 지질해석은 주로 표면 물체의 분광 반사 특성의 차이를 이용하여 지질 작업과 관련된 정보를 추출합니다. 작업 특성은 주로 표면 암석, 구조물 등을 대상으로 합니다. 이 정보는 방해받을 것입니다. 따라서 작업지역의 식생 범위를 이해하는 것은 해당 지역의 원격탐사 지질 해석의 해석 가능성을 객관적으로 평가할 수 있습니다.

연구에 따르면 녹색 식물은 가시광선의 적색 대역(0.6~0.7μm)(엽록소에 의해 발생)에서 강한 흡수를 보이고, 근적외선 대역(0.7~1.1μm)에서는 높은 반사 및 투과율을 보이는 것으로 나타났습니다. ) (내부 잎 조직) 원인). 따라서 이 두 밴드의 비율 연산을 이용하면 반사도의 차이를 충분히 표현할 수 있고, 강조된 식생으로 식생정보지도를 생성할 수 있으며, 영상의 픽셀 수 비율을 기반으로 식생 피복률을 직접 계산할 수 있습니다.

2. 광물화 변질 정보 추출

ETM의 서로 다른 밴드는 지질학에서 서로 다른 적용을 가지며, 이는 주로 서로 다른 밴드의 다양한 광물 관련 변질 광물의 성능에 따라 달라집니다. 스펙트럼 특성에서. 그림 3-26은 대표적인 변성광물의 반사스펙트럼 곡선이다. 일반적으로 진흙변성광물이라고 불리는 (즉, OH-, CO2-3를 함유한) 변질광물은 2.2μm 부근에서 뚜렷한 흡수대를 가지고 있음을 그림에서 알 수 있다. TM7 파장 범위와 일치합니다. Band 5의 파장 범위(1.55-1.75 μm)에는 광물 흡수 대역이 거의 없으며 대부분 높은 반사 특성을 나타냅니다. TM7의 두 밴드의 상대 밝기 값의 차이. 따라서 밴드 5/7 비율은 수산기와 CO2-3 유형을 포함하는 변경된 광물의 특성을 강조하기 위해 종종 사용될 수 있습니다. 또한, 2가 철 광물은 밴드 1에서 강한 흡수를 보이고, 밴드 3에서는 상대적으로 강한 반사를 보이는 것을 그림에서 알 수 있다. 2가 철 광물은 밴드 4에서 강한 흡수를 보이고, 밴드 5에서는 상대적으로 강한 반사를 보인다. 밴드 5/4 및 3/1 비율은 철 광물의 변경 특성을 강조하기 위해 일반적으로 사용됩니다. 비율 이미지에서 강조해야 할 변형 특징은 강조된 값으로 표시되어 추출되는 경우가 많습니다.

(3) KL 변환

주성분 분석이라고도 알려진 KL 변환은 통계적 특징을 기반으로 하는 다차원(예: 다중 대역) 직교 선형 변환입니다. 다중 대역 이미지의 이러한 변환은 원래 다중 대역의 정보를 집중 및 재구성하고 새로운 구성 요소 이미지를 서로 독립적으로 만드는 새로운 구성 요소 이미지 세트를 생성합니다. 계산 공식은 다음과 같습니다.

윈난 북동부 납-아연-은 광상의 원격 감지 지질학 및 광물화 예측

여기서 X는 원본 이미지의 p 밴드의 픽셀 값 벡터입니다. , Y는 변환된 것입니다. q 구성요소의 픽셀 값 벡터, q≤

, T는 변환 행렬입니다.

KL 변환에서는 Y 구성요소 Yj와 Yk가 서로 독립적이어야 하며, j < k인 경우 Yj의 분산은 Yk의 분산보다 작으므로 다음이 있어야 합니다.

윈난 북동부의 납과 아연 원격 탐사 지질학 및 은 매장지의 광물화 예측

그리고 그 이유는:

그래서:

즉, 매트릭스를 변경하는 것입니다. D(X)를 대각 행렬 Λ로, 대각선 선 요소 λ1, λ2...λp는 D(X)의 고유값이고 각각 ​​Y1, Y2...Yp의 분산이기도 합니다.

KL 변환 후 새 구성요소 이미지에서는 첫 번째 구성요소가 일반적으로 많은 정보를 담고 있지만, 지형, 식생 등의 요소가 포함되어 있어 다른 지질체를 구별하는 데 간섭 요인이 되지만, 구성 요소에는 작은 차이가 있고 소량의 정보가 포함되어 있으므로 특정 지질체를 구별하는 정보만 강조 표시할 수 있습니다. 따라서 많은 정보를 합성해야 할 경우에는 KL 변환 후 첫 번째 컴포넌트를 사용하는 경우가 많고, 특정 특징 정보가 필요한 경우에는 관련된 다른 주요 컴포넌트를 선택하는 경우가 많습니다. 그림 3-10에서 보는 바와 같이 B7 단일 밴드에서는 현무암과 화산암의 경계가 모호하게 표시(또는 표시되지 않음)되는 반면, KL 변환 후의 PC3(밴드 B1, B2, B3, B4, B5, B6, B7) 위에는 경계가 명확하게 표시되어 있습니다.

그림 3-10 KL 변환 전과 후의 암석 경계 비교 이미지

또한 KL 변환은 철화 및 철화와 관련된 변경과 관련된 원격탐사 정보를 추출하는 중요한 방법이기도 합니다. 진흙화. KL 변환 후 특징행렬을 분석하여 특징정보를 풍부하게 하는 주요 구성요소를 선택하는데, 이는 변형정보 추출에 큰 도움이 된다. 이는 이후의 정보 추출 과정에서 사용되었습니다.

(4) 공간정보 강화

공간정보 강화란 영상의 공간적 특성이나 빈도를 변화시켜 영상의 정보를 강화시키는 방법, 즉 이미지의 "거칠기" 또는 "매끄러움" 방법을 사용하여 특징 정보를 향상시킵니다. 작업에는 방향 필터링과 평균 필터링이 사용됩니다.

1. 방향 필터링

방향 필터링은 그라디언트 방법을 사용하는 가장자리 향상의 한 유형으로, 8방향에서 지정된 필터 모듈을 사용하여 각 방향에서 이미지의 가장자리를 향상시킵니다. 이는 주로 선형 볼륨의 해석 및 통계에 사용됩니다. 필터링된 이미지는 특정 방향의 선형 볼륨 특징을 강조하는 동시에 해당 방향에 직교하는 선형 볼륨을 흐리게 합니다. 그림 3-11에서 볼 수 있듯이 방향 템플릿을 사용하여 7밴드 이미지를 필터링한 후 45° 및 135° 방향의 선형 몸체가 각각 강조 표시됩니다.

그림 3-11 방향성 필터링 전과 후의 이미지 비교

2. 스무딩 필터링

이미지의 노이즈를 제거해야 할 경우 스무딩 필터링 또는 저역 통과가 자주 사용됩니다. 필터링은 이미지의 저주파 구성 요소를 강화하고 이미지의 고주파 구성 요소를 약화시켜 이미지를 "거칠게"에서 "부드럽게" 만듭니다. 평균 필터링(Mean Filtering)은 일반적인 스무딩 필터링 방법으로, 로컬 범위 내 주변 픽셀의 평균 밝기 값을 사용하여 중앙 원본 픽셀의 밝기 값을 대체합니다. 업무에서는 원격탐사 변조정보를 추출한 후 정보잡음을 제거하기 위해 주로 평활화 필터링을 사용한다. 그림 3-12와 같이 서수강 납-아연 광산의 추출된 이상점을 평활화한 후 지저분하고 작은 정보 반점을 제거하고 정보를 "블록"과 "밴드"로 표시하여 이상 분석을 용이하게 합니다. 분포.

그림 3-12 스무딩 필터링 전후의 PCT ​​그레이딩 효과 비교

(5) 색 변환 기술

색 변환 기술은 컬러 이미지를 컬러 이미지로 변환하는 것을 말합니다. 서로 다른 색상 좌표계 간의 변환은 서로 다른 원격 센서의 데이터 또는 서로 다른 속성의 데이터를 융합한 후 색상 합성 이미지를 생성하는 데 주로 사용됩니다. IHS 변환은 이미지 융합에 자주 사용되며 짧은 공식은 다음과 같습니다.

윈난 북동부 납-아연-은 퇴적물의 원격 감지 지질학 및 광물화 예측

변환 후, RGB 혼합 색상 시스템은 대표 공간 정보인 밝기(I)와 스펙트럼 정보를 나타내는 색상(H) 및 채도(S)로 구분됩니다. 밝기(I)는 3개 밴드의 평균 밝기라는 공식을 통해 융합 시 I 대신 히스토그램 매칭 후의 고해상도 밴드를 사용함을 알 수 있습니다. 원래의 H 및 S와 함께 의 역변환이 수행됩니다. IHS 변환을 수행하고 RGB 공간으로 다시 변환함으로써 이미지가 고해상도 데이터의 참여를 보장하고 지상 해상도를 향상시킬 뿐만 아니라 원래 다중 스펙트럼 대역의 스펙트럼 특성을 유지합니다. 융합 효과는 그림 3-5를 참조하세요.

또한 프로젝트 작업에서는 RGB 색상 합성이 더 일반적으로 사용됩니다. 이미지의 채도가 충분하지 않은 경우 변환된 채도 성분(S)을 구체적으로 조정하기 위해 IHS 변환 방법을 사용하기도 하며, 그 반대의 경우도 있습니다. 변환된 이미지의 해석 가능성이 크게 향상됩니다.