基于FastICA算法的高光谱矿物丰度反演

吉林大学学报(地球科学版)

基于FastICA算法的高光谱矿物丰度反演

蒋夕平¹,吴凤凰¹,蒋昱²,修连存³

1.南京农业大学理学院，南京210095
2.厦门大学物理与机电工程学院，福建厦门361005;
3.南京地质矿产研究所，南京210016

收稿日期:2012-10-10 出版日期:2013-09-26 发布日期:2013-09-26
作者简介:蒋夕平(1963-)，男，讲师，主要从事数值计算、计算机仿真与数据建模研究，E-mail:jiangxp@njau.edu.cn
基金资助:
中国地质调查局地质大调查项目（1212010916030）

Hyper-Spectral Mineral Abundance Inversion Based on FastICA Algorithm

Jiang Xiping¹, Wu Fenghuang¹, Jiang Yu², Xiu Liancun³

1.College of Science，Nanjing Agricultural University，Nanjing210095，China;
2.School of Physics and Mechanical & Electrical Engineering，Xiamen University，Xiamen361005, Fujian, China;
3.Nanjing Institute of Geology and Mineral Resource，Nanjing210016，China

Received:2012-10-10 Online:2013-09-26 Published:2013-09-26

摘要/Abstract

摘要：

高光谱分离是定性与定量岩矿分析的核心基础。仿真数据和测量数据可通过FastICA算法处理，计算混合像元中端元数量及端元光谱，并根据计算结果进行丰度反演。实验结果表明：FastICA算法即使在端元光谱、混合矩阵未知且没有任何先验知识的情况下，也能有效分离岩矿高光谱混合像元并得到端元的估计光谱，从而实现矿物识别和矿物丰度反演；但当混合像元中参与混合的端元光谱相似度较高或端元光谱的非高斯性较低时，混合像元的分离精度将降低，混合像元的分离精度越高，端元丰度反演结果越准确。

关键词: FastICA, 高光谱, 混合像元, 丰度反演, 矿物

Abstract:

The unmixing of hyper-spectral data is the crucial base of qualitative and quantitative analysis of rock minerals. The simulated or measured hyper-spectral data can be analyzed with the FastICA algorithm to calculate the number of pure-pixels as well as the spectrum of each pure-pixel. Based on the results, the mineral abundance inversion can be carried out. The experiments show that the FastICA algorithm can effectively un-mix the mineral hyper-spectrum and estimate the spectrum of each pure-pixel, even when there is no prior knowledge of the spectrum or the mixing matrix of pure-pixels. This facilitates the mineral identification and the mineral abundance inversion. However, when the spectrums of the pure-pixels are highly similar or the non-gaussianity is bad, the precision of the mineral identification would be reduced, which in turn reduces the precision of mineral abundance inversion and vice versa.

Key words: FastICA, hyper-spectrum, mixed pixel, mineral abundance inversion, minerals

中图分类号:

TP391.9

蒋夕平,吴凤凰,蒋昱,修连存. 基于FastICA算法的高光谱矿物丰度反演[J]. 吉林大学学报(地球科学版), 2013, 43(5): 1681-1686.

Jiang Xiping, Wu Fenghuang, Jiang Yu, Xiu Liancun. Hyper-Spectral Mineral Abundance Inversion Based on FastICA Algorithm[J]. Journal of Jilin University(Earth Science Edition), 2013, 43(5): 1681-1686.

参考文献

相关文章 15

[1]	贺晓龙, 张达, 陈国华, 狄永军, 霍海龙, 李宁, 张志辉, 饶建锋, 魏锦, 欧阳永棚. 江西朱溪铜钨矿床成因:来自矿物学和年代学的启示[J]. 吉林大学学报(地球科学版), 2018, 48(4): 1050-1070.
[2]	张凤君, 刘哲华, 苏小四, 吕聪, 刘佳露. 土壤类型及组分对热活化过硫酸盐氧化降解土壤中挥发性氯代烃的影响[J]. 吉林大学学报(地球科学版), 2018, 48(4): 1212-1220.
[3]	谈树成, 郭翔宇, 何小虎, 谢志鹏, 张亚辉, 李惠民, 郝爽. 云南个旧锡多金属矿床锡石矿物化学特征及其成因意义[J]. 吉林大学学报(地球科学版), 2018, 48(3): 736-753.
[4]	齐钒宇, 张志, 祝新友, 李永胜, 甄世民, 公凡影, 巩小栋. 湖南宝山铜铅锌多金属矿床矿物学特征及其地质意义[J]. 吉林大学学报(地球科学版), 2018, 48(3): 754-768.
[5]	王运, 胡宝群, 王倩, 李佑国, 孙占学, 郭国林. 邹家山铀矿床伴生重稀土元素的赋存特征[J]. 吉林大学学报(地球科学版), 2018, 48(3): 719-735.
[6]	李志明, 张隽, 鲍云杰, 曹婷婷, 徐二社, 芮晓庆, 陈红宇, 杨琦, 张庆珍. 沾化凹陷渤南洼陷沙一段湖相富有机质烃源岩岩石学与孔隙结构特征:以罗63井和义21井取心段为例[J]. 吉林大学学报(地球科学版), 2018, 48(1): 39-52.
[7]	伍登浩, 高顺宝, 郑有业, 田坎, 张永超, 姜军胜, 余泽章, 黄鹏程. 西藏班公湖—怒江成矿带南侧矽卡岩型铜多金属矿床S、Pb同位素组成及成矿物质来源[J]. 吉林大学学报(地球科学版), 2018, 48(1): 70-86.
[8]	张志, 管志超, 王少军. 结合实测光谱的ASTER TIR数据岩性划分与构造样式分析:以新疆阿克苏蓝片岩为例[J]. 吉林大学学报(地球科学版), 2018, 48(1): 334-342.
[9]	张朋, 杨宏智, 李斌, 寇林林, 杨凤超. 辽东青城子矿集区姚家沟钼矿床成矿物质来源、成矿年代及成矿动力学背景[J]. 吉林大学学报(地球科学版), 2016, 46(6): 1684-1696.
[10]	贾福聚, 燕永锋, 伍伟, 刘晓玮. 云南老君山锡多金属成矿区硫、铅、氢、氧同位素地球化学[J]. 吉林大学学报(地球科学版), 2016, 46(1): 105-118.
[11]	闫佰忠, 肖长来, 梁秀娟, 马喆, 危润初, 吴世利. 靖宇县玄武岩区矿泉水特征组分H₂SiO₃成因实验——以王大山泉为例[J]. 吉林大学学报(地球科学版), 2015, 45(3): 892-898.
[12]	李伟，谢桂青，姚磊，朱乔乔，孙洪涛，王建，王小雨. 鄂东南地区程潮大型矽卡岩型铁矿区岩体成因探讨[J]. 吉林大学学报(地球科学版), 2014, 44(6): 1827-1855.
[13]	莫绍星, 龙星皎, 李瀛, 郑菲, 施小清, 张可霓, 赵良. 基于TOUGHREACT-MP的苏北盆地盐城组咸水层CO₂矿物封存数值模拟[J]. 吉林大学学报(地球科学版), 2014, 44(5): 1647-1658.
[14]	戴朝成，郑荣才，任军平，朱如凯. 四川前陆盆地上三叠统须家河组物源区分析及其地质意义[J]. 吉林大学学报(地球科学版), 2014, 44(4): 1085-1096.
[15]	陈圣波，李鑫龙，陈磊. 基于地面实测光谱的水系沉积物重金属含量反演[J]. 吉林大学学报(地球科学版), 2014, 44(4): 1388-1394.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed