專利名稱：基于廣義加法模型的煤火信息高光譜遙感提取方法
技術領域：
本發(fā)明涉及利用星載高光語遙感數(shù)據(jù)針對地下煤火燒變信息通過廣義 加法模型進行定量提取的方法，可用于從高光譜數(shù)據(jù)提取地下煤火信息，為 煤火區(qū)圈定提供決策支持。
背景技術：
地下煤火不僅消耗大量的煤炭資源，污染環(huán)境，還嚴重影響人們的生存 和生活。利用遙感技術對地下煤火進行監(jiān)測和治理中，多光鐠/多時相的星
載遙感數(shù)據(jù)(TM、 ETM等)雖可達到預示煤火發(fā)展的趨勢但相對不夠精確； 機載高光譜數(shù)據(jù)雖然精準，但是其飛行范圍有限，且價格昂貴，獲取數(shù)據(jù)受 天氣影響大，而星載高光傳數(shù)據(jù)則可克服上面的缺點，方便、經(jīng)濟且準確的 獲取煤火信息。之前進行的相關研究是采用機載OMIS-1高光鐠數(shù)據(jù)，主要 利用的仍然是熱紅外波段(3~5 ia m和8~14 ja m )進行煤層自燃的監(jiān)測，反 射太陽光譜區(qū)的數(shù)據(jù)沒有充分利用。
針對地下煤火，高光譜數(shù)據(jù)挖掘與弱信息提取技術是指通過地面高光譜 數(shù)據(jù)測量與光譜數(shù)據(jù)處理分析、衛(wèi)星高光譜影像獲取與弱信息分類識別技術 等方面的研究,從高光語曲線與高光語圖像中提取與污染物及背景的光譜信 息、輻射信息、空間信息及時相信息等。在該方面的研究中，針對煤火燒變 信息提取模型選擇來說，多數(shù)研究是基于專家分析進行判定的，具有一定的 主觀性，缺少一種定量的提取選擇方法。

發(fā)明內(nèi)容
本發(fā)明的技術解決問題是提出利用星載高光譜遙感數(shù)據(jù)針對地下煤火 燒變信息通過廣義加法模型進行定量提取的方法，用于從高光譜數(shù)據(jù)提取地下煤火信息，為煤火區(qū)圈定提供決策支持。
本發(fā)明的技術解決方案為利用星載高光譜遙感數(shù)據(jù)針對地下煤火燒變
信息通過廣義加法模型進行定量提取的方法，該方法具體步驟如下
(1 )針對研究區(qū)進行地質特征及地表現(xiàn)象進行分析，并采集地表樣本；
(2) 利用光譜儀對所獲地物樣本進行實驗室光譜測試，并對光譜數(shù)據(jù) 進行分析；
(3) 獲取星載高光譜遙感數(shù)據(jù)；
(4) 對所獲星載高光譜遙感數(shù)據(jù)進行預處理；
可以包括非正常像元糾正；大氣校正；平滑處理；幾何校正。其中非 正常像元糾正處理包括未定標波段去除；絕對輻射值轉換；環(huán)線修復；條帶 去除處理；Smile效應去除；
(5 )基于影像進行光譜特征統(tǒng)計，并與實測地物光譜進行比較和分析， 選擇診斷性特征因子；
(6)以選取的診斷性因子作為參數(shù)，利用廣義加法模型進行地下煤火 燒變信息提?。?br> (7 )信息提取效果及精度驗證；
(8)煤火區(qū)域圈定。
其中，所述的步驟(4)星載高光i普遙感數(shù)據(jù)預處理步驟依次包括
1) 將高光譜數(shù)據(jù)進行非正常像元糾正處理，其中包括未定標波段去除， 絕對輻射值轉換，環(huán)線修復，行條帶去除，Smile效應去除；
2) 將高光譜數(shù)據(jù)進行大氣校正處理；
3) 將高光譜數(shù)據(jù)進行平滑處理；
4) 將高光譜數(shù)據(jù)進行幾何校正處理。
其中，所述的步驟(6)以選取的診斷性因子作為參數(shù)，進行地下煤火 燒變信息定量提取中，采用基于廣義加法模型利用非參數(shù)的方法，將一些與 因變量之間存在復雜非線性關系的自變量以不同函數(shù)加和的形式擬合入模型，進行煤火燒變信息的提取。
本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于
(1) 利用高光譜數(shù)據(jù)，從煤田地質環(huán)境入手，在分析煤田自燃發(fā)火規(guī) 律、煤系地層和煤田火區(qū)的發(fā)展過程等已有基礎上，進行實測光鐠分析及高 光i普遙感影像光譜分析。同時進行高光i普遙感影像進行預處理，提高數(shù)據(jù)質 量，用于后續(xù)地物光語數(shù)據(jù)的統(tǒng)計分析。
(2) 基于機器學習，利用廣義加法進行地下煤火燒變定量信息提取， 利用非參數(shù)的方法，將一些與因變量之間存在復雜非線性關系的自變量以不 同函數(shù)加和的形式擬合入模型。


圖1為本發(fā)明實施例流程圖2為本發(fā)明實施例高光譜影像預處理流程圖3為本發(fā)明實施例GAM模型信息提取驗證圖4為本發(fā)明實施例結果燒變信息圈定圖。
具體實施例方式
下面結合附圖，對本發(fā)明的技術方案做進一步的說明。
如圖1所示，本發(fā)明的具體實施方法包括研究區(qū)地質特征分析及地物 樣本獲??；利用光鐠儀進行地物樣本光i普測量及分析；獲取星載高光譜遙感 數(shù)據(jù)；對所獲高光譜數(shù)據(jù)進行預處理；影像光譜特征統(tǒng)計并與實測地物光語 特征對比、分析，選擇診斷性特征因子；基于診斷性因子利用廣義加法模型 進行煤火燒變信息提?。恍畔⑻崛〗Y果驗證；煤火區(qū)圏定。
本發(fā)明實施例選擇利用Hyperion高光譜數(shù)據(jù)，以烏達地區(qū)為試驗區(qū)進 行示例，具體步驟如下
步驟一、針對烏達地區(qū)進行地質特征及地表現(xiàn)象進行分析，包括地質構 造環(huán)境、煤層分布、采礦工程及采空區(qū)狀況等，并采集地物樣本包括燒變巖、煤石f石、硫磺等；
步驟二、利用光傳儀美國光譜分析設備公司(ASD， Analytical Spectral Device)研制的FR—Por全光語便攜式光譜分析儀對所獲地物樣本進行實驗 室光譜測試，并對光語數(shù)據(jù)進行分析，包括反射率、中心波長，吸收深度、 半尚莧等；
步驟三、獲取星載高光譜遙感數(shù)據(jù)——Hyperion高光譜數(shù)據(jù)； 步驟四、對所獲Hyperion星載高光語遙感數(shù)據(jù)進行預處理； Hyperion高光語數(shù)據(jù)由美國USGS處理生成，經(jīng)過斑點去除、回波糾 正、背景去除、輻射糾正、壞像元修復以及圖像質量檢查等一系列初步處理 過程，并且本產(chǎn)品經(jīng)過幾何糾正。在Hyperion L1產(chǎn)品的242個波^殳中，1~70 波段為可見光一近紅外(VNIR) , 71-242為短波紅外波段(SWIR)，其 中198個波段經(jīng)過輻射定標處理，定標的波段包括VNIR8 57波段， SWIR77 224波段。由于VNIR56 57波段與SWIR77 78波段重疊，因此 實際上只有196個獨立波段。沒有定標的波段為0值。
針對Hyperion數(shù)據(jù)自身的特點，以及研究區(qū)的狀況分析，針對性的進 行預處理從而得到Hyperion數(shù)據(jù)的反射率圖像，具體流程如圖2所示 (1 )非正常像元糾正
非定標波段去除Hyperion原始數(shù)據(jù)242個波段中1~7波段、58~76 波段以及225-242波段由于沒有進行定標，因此波段設為0值，將其去除 生成新的包含198個波段的圖像；在Hyperion數(shù)據(jù)經(jīng)過輻射定標的198個 波段中，由于VNIR中的56~57波段與SWIR中的77~78波段重合，并且 VNIR 56~57波段的噪音要比SWIR77 78波段小，因此保留前者，刪除 SWIR77 78波段，生成一個包含196個獨立波段的圖像。
像元值到絕對輻射值的轉換把原始數(shù)據(jù)分別分成VNIR波段和SWIR 波段的兩個文件，并將VNIR波段圖像除以40 ，生成一個新圖像文件；SWIR 波段除以80 ，生成另一個新圖像文件；然后，將兩個圖像文件合并，得到絕對輻射值圖像。
壞線修復用其相鄰行或列的平均值修復。
條帶去除利用"局部去條帶法"并設置閾值進行去除。 "局部去條帶法"的原理為設rriik為第k波段i列的平均值，sik為
第k波段i列的標準差，而設 和'、分別為"參考圖像"的平均值和標準 差。此處也是"全局"法和"局部"法的區(qū)別所在，"全局"法"參考圖像" 的均值和標準差用整幅圖像的均值和標準差代替，即
附^ =附& , ^/t = &
而"局部"法則選取條帶列附近相鄰幾列作為"參考圖像"，并用取選 的這幾列數(shù)據(jù)(不包含條帶列)的均值的平均值和標準差的平均值代替"參 考圖像，，的均值和標準差，即
設傳感器的增益為aik ,偏移量為(3ik ,則圖像中第k波,殳的i列、j行 的輻射值Xw應修正為
其中增益和偏移為
Ci^ =2 —— ，A
當然，在進行計算前，首先應該判斷圖像列元素是否是條帶，具體判別 式為
,,l附汝一L^(附汰)
上述整個算法在Matlab軟件中實現(xiàn)并完成圖像的處理，在編寫程序時 有一些關鍵的問題① 鄰域寬度閾值
鄰域寬度閾值設置，也就是選取條帶列附近多少列作為參考最合適。由
于VRIN和SWIR數(shù)據(jù)接收的傳感器不一樣，產(chǎn)生的條帶影響不一樣，因此， 對其圖像的條帶去除要分別進行，相應選取的參考列數(shù)也不一樣，經(jīng)過實驗 本次研究發(fā)現(xiàn)VNIR的鄰域寬度設為5, SWIR設為20圖像處理的效果最佳。
② 判別條帶閾值設置
通過閱讀和學習前人該閾值的選取，發(fā)現(xiàn)大多是針對其研究區(qū)數(shù)據(jù)進行 的人工估計選取值，只合適其所用單景圖幅，但對于其他的Hyperion數(shù)據(jù) 并不一定能用。而該判斷閾值對檢查條帶波段起著十分重要的作用，也是使 用者最難以把握的因素之一，因此本次工作，針對判別條帶閾值選取仔細進 行研究，通過對整幅圖像test判別式的統(tǒng)計值利用均值和標準差進行取值， 即選耳又test均ii力口 0.3 4咅的test標準差，即thresh=mean(test)+0.3*std(test)
作為判斷分界效果最佳。
Smile效應去除去除Smile效應可選4奪Global destriping (全局去條 帶)、MNF Smoothing (最小噪聲分離平滑)、Cross-tracking illumination correction (交軌亮度校正)和Interpolation (插值)方法，本工作選4奪經(jīng) 才全-瞼Smile -文應并不嚴重，因此選才奪Cross-tracking illumination correction 進行去除。
(2)大氣校正目前，大氣校正方法大致可以歸納為4種基于圖像 特征的相對校正法、基于地面線性回歸模型法、基于大氣輻射傳輸模型法和 復合模型法。其中應用比較廣泛的是基于地面線性回歸模型法，此方法數(shù)學 法數(shù)學和物理意義明確，計算簡單，但必須以大量野外光譜測量為前提，因此 成本較高,對野外工作依賴性強，且對地面定標點的要求比較嚴格。而大氣
校正方法中校正精度高的方法是輻射傳輸模型法。利用電磁波在大氣中的輻 射傳輸原理建立起來的模型對遙感圖像進行大氣校正的方法。基于大氣輻射傳輸模型的大氣校正技術發(fā)展有多種模塊,如ATREM、 ATCOR、 ACORN、 HATCH、 FLAASH等。本發(fā)明選擇利用ENVI軟件的FLAASH大氣校正模 塊，消除大氣透過氣透過率、天空光向下漫反射等因素對圖像造成的影響，
改善圖像質量。
(3) 平滑經(jīng)過大氣校正后的光譜曲線普遍存在鋸齒現(xiàn)象，噪聲十分 明顯，不便于進行診斷性光鐠分析。因此，需要進行光譜曲線平滑處理，消 除噪聲影響。本發(fā)明遙感影像經(jīng)過FLAASH大氣校正，F(xiàn)LAASH模塊本身 帶有平滑處理，但是其效果并不明顯。因為FLAASH中的光譜平滑處理是 基于影像中存在的光譜平滑、特征明顯且易于分辨的像元，將該類特殊像元 與低通濾波后的波語進行對比建立起原始光語與平滑光譜的線性關系，利用 線性關系系數(shù)(包括一個光譜增益系數(shù)和一個傳遞系數(shù))對整幅影響進行光 譜平滑處理。合適像元的選取是平滑處理的關鍵，不僅要求光譜特征平緩穩(wěn) 定，而且亮度要求足夠高以便從中提取光譜增益系數(shù)。針對于本試驗區(qū)的圖 像數(shù)據(jù)，效果并不了理想。因此本發(fā)明通過MNF( Minimum Noise Fraction, 最小噪聲分離)轉換方法來去除/緩和圖像中曲線上的嚴重鋸齒現(xiàn)象。
(4) 幾何才t正選耳又地面控制點進4亍4交正。
步驟五、基于影像進行光譜特征統(tǒng)計，并與實測地物光譜進行比較和分 析，選擇診斷性特征因子；
步驟六、以選取的診斷性因子作為參數(shù)，利用廣義加法模型進行地下煤 火燒變信息提取。
廣義力口:;去才莫型(Generalized Additive Models, GAM ):廣義力口-去才莫型 為廣義線性模型非參數(shù)化的擴展，比廣義線性模型更加靈活，其模型的預測 結果不是來自于一個預先設定好的模型，而是采用非參數(shù)的方法進行擬合， 通過"加法"假設，將一些與因變量間存在復雜非線性關系的自變量以不同 函數(shù)加和的形式擬合入模型，可以探索到變量間的非單調、非線性關系，并
找出數(shù)據(jù)中的規(guī)律，從而得到更好的預測結果。本發(fā)明對于煤火自燃的分類和預測就只存在燃燒和未燃燒兩種情況，屬 于二值問題，分別標識為1和0，可以使用二值邏輯回歸方法來進行分類和 預測。但是，現(xiàn)實世界中影響因子與煤火燃燒之間往往是復雜的非線性關系， 擬合二值邏輯回歸中的線性函數(shù)較為困難，會帶來較大誤差。廣義加法模型 對線性二值邏輯回歸模型進行了擴展，它引入了平滑函數(shù)/代替邏輯回歸模 型中的線性項，其形式為
采用非參數(shù)的方法，將一些與因變量之間存在復雜非線性關系的自變量以不 同函數(shù)加和的形式擬合入^^莫型。
步驟七、信息提取結果驗證；將通過建立模型提取的結果進行效果和精 度的比較，如圖3所示。
步驟八、煤火燒變區(qū)域圏定；根據(jù)通過模型提取的煤火燒變信息進行地 下煤火的燒變區(qū)域圈定，如圖4所示。
權利要求
1、一種基于廣義加法模型的煤火信息高光譜遙感提取方法，其特征在于，該方法包括以下步驟(1)針對研究區(qū)進行地質特征及地表現(xiàn)象進行分析，并采集地表樣本；(2)利用光譜儀對所獲地物樣本進行實驗室光譜測試，并對光譜數(shù)據(jù)進行分析；(3)獲取星載高光譜遙感數(shù)據(jù)；(4)對所獲星載高光譜遙感數(shù)據(jù)進行預處理；(5)基于影像進行光譜特征統(tǒng)計，并與實測地物光譜進行比較和分析，選擇診斷性特征因子；(6)以選取的診斷性因子作為參數(shù)，進行地下煤火燒變信息定量提?。?7)信息提取結果驗證；(8)煤火區(qū)域圈定。
2、 根據(jù)權利要求1所述的基于廣義加法模型的煤火信息高光譜遙感提 取方法，其特征在于所述的步驟(4)星載高光譜遙感數(shù)據(jù)預處理步驟依 次包括(1 )將高光語數(shù)據(jù)進行非正常像元糾正處理，其中包括未定標波段 去除，絕對輻射值轉換，環(huán)線修復，行條帶去除，Smile效應去除；(2) 將高光鐠數(shù)據(jù)進行大氣校正處理；(3) 將高光譜數(shù)據(jù)進行平滑處理；(4) 將高光譜數(shù)據(jù)進行幾何校正處理。
3、 根據(jù)權利要求1所述的基于廣義加法模型的煤火信息高光語遙感提 取方法，其特征在于所述的步驟(6)以選取的診斷性因子作為參數(shù)，進 行地下煤火燒變信息定量提取中，采用基于廣義加法模型利用非參數(shù)的方 法，將一些與因變量之間存在復雜非線性關系的自變量以不同函數(shù)加和的形 式擬合入模型，進行煤火燒變信息的提取。
全文摘要
本發(fā)明提供一種基于廣義加法模型的煤火信息高光譜遙感提取方法，該方法包括如下步驟；研究區(qū)地質特征分析及地物樣本獲??；利用光譜儀進行地物樣本光譜測量及分析；獲取星載高光譜遙感數(shù)據(jù)；對所獲高光譜數(shù)據(jù)進行預處理；影像光譜特征統(tǒng)計并與實測地物光譜特征對比、分析，選擇診斷性特征因子；基于診斷性因子利用廣義加法模型進行煤火燒變信息提??；信息提取結果驗證；煤火區(qū)圈定。本發(fā)明基于星載高光譜數(shù)據(jù)并利用廣義加法模型進行煤火燒變信息定量提取，可用于從高光譜數(shù)據(jù)提取地下煤火信息，為煤火區(qū)圈定提供決策支持。
文檔編號G06K9/46GK101615254SQ200910084749
公開日2009年12月30日 申請日期2009年5月21日 優(yōu)先權日2009年5月21日
發(fā)明者黨福星, 靜 李, 李志忠, 楊日紅, 汪大明 申請人:中國國土資源航空物探遙感中心