首页  技术文章  基于垂直露头的矿物勘探,远程地面高光谱图像的辐射校正和三维集成

基于垂直露头的矿物勘探,远程地面高光谱图像的辐射校正和三维集成

发布时间:2021-01-28 15:17:29 浏览量:139 作者:Leo Cao

摘要

近年来,为了解决近似垂直难以接近的艰难地质勘探任务,基于地面的高光谱成像技术应运而生。在几百米范围内的露头传感应用已经

发展得极为迅速,包括几何校正和精确地面激光扫描模型的集成。然而,很少有关于研究涉及远距离目标(即几千米范围内)的地面成

像,例如山脊、悬崖以及坑壁。特别是,大气和地形影响引起包括光照差异的极端影响仍然是光谱数据库中未能完成的挑战。这些影响

是无法通过用于校正最低点卫星或记载数据的常规工具来进行校准的。因此,本文提出了一个合适的方案来克服远距离露头传感的挑

战,包括大气和地形的简易校准。通过使用两组不同特性的数据,我们演示了方案的应用并且强调了所提出的校正方案对获取可靠地质

说明的重要性。所塑造的光谱成像仪器与三维数据的大规模集成被称为“超云”,即高光谱立方体的正确几何表示。所提出的通过对地

面测量范围的显著扩大开辟了高光谱成像应用的新可能。

正文


1.导言

高光谱成像越来越多的被使用在支持矿物勘探和地质测绘的项目中。所获得的光谱特征提供了关于  岩石组成和经济型矿物形成的详细

信息。高光谱成像仪通常以最低视角运行,包在卫星,飞  机或者无人机上操作的不同规模的区域覆盖和空间分辨率。根据不同采集高

度,可以 在获取的光谱中观察到传感器和目标之间不同的大气影响,以及由于地形造成的光照差异。为了克 服这些影响,采取了很多

方法:大气影响要么通过使用辐射转移的大气模型来进行校正,使用已知或者假定光谱的地面目标(经验线校准,平场校正,黑暗物体

减法),或者两者的结合。辐射传输模型(方程式)依赖于一组外部参数的正确输入,主要用于卫星和机载数据,而地面目标、暗物体

和平坦面场提供了一种更加简单的方法。然而,这些方法需要足够高的空间分辨来解决光谱均匀的参考目标亦或是对这些材料的光谱有

一个合理的理解,因此主要用于低采集高度的无人机或机载数据。


在过去的几年中,萌生了利用高光谱传感器进行地质应用的方法。安装在三脚架上的设备可以用于快速获取近垂直地质露头的光谱和空

间高度精确的数据,即表面仪器无法(或几乎无法)观测到的空间方向。近乎垂直的露头可能包括陡峭的山坡、临水的悬崖、露天矿墙

和道路切割。特别是在冰雪、地衣或茂密的植被覆盖地表北极或潮湿地区,调查这种自然或人工切割地层可能是获得当地地质光谱信息

的唯一可能性。目前,用于地质应用的地面高光谱传感器几乎完全用于距离几百米内的目标。在这个范围内,空间分辨率在厘米和分米

之间变化,甚至足以分辨小型矿物化合物和断层系统。近距离测量的另一个重要好处是大气的影响可以忽略不计,这可能会避免精细的

辐射校正。相反,使用与地质目标相同方位、距离和光照条件的参考目标的经验线方法足以转换为反射率。然而,近距离观测地质目标

并不总是可行或合理的。特别是,较大的垂直目标,如陡峭的山坡、临海或临湖悬崖和大型露天矿的墙壁,往往只有在相反的位置完全

可见,如邻近的山矿坑水平,海岸,甚至一艘船。然后,传感器与目标之间的距离可以很容易地超过近距离,并延伸到几公里。这些距

离不仅导致严重的大气扭曲,而且还会妨碍为进行辐射校正而建立的可见参考目标以及用于图像地理参考而建立的地面控制点。此外,

由于观察表面和地面视角的尺度更大,一个场景中的像素可以代表一系列不同的距离和方向,导致高度可变的辐射畸变。由于这些原

因,考虑到远程地面遥感的特殊条件,为获取最低点而建立的校正方法不适用,或需要进行严格的修改。


在本文中,我们遇到了这些额外的挑战,并提出了一个新的工作流程,允许创建完全校正的远程地面高光谱图像数据用于地质应用。除

了传感器引起的几何畸变校正外,该工作流程现在还包括一种远程地面数据辐射校正的新方法,以及一种基于自动匹配算法与三维表面

数据集成的地形校正算法。我们还描述了一种制作三维超云的详细方法,即高光谱数据立方体的几何正确表示,用于显示生成的光谱映

射产品。提出的方法将包括在开源矿物勘探Python高光谱工具箱MEPHySTO。我们在地质、气候和研究目标不同的两个领域演示了方

法。第一个区域位于北极环境中,从不同角度获得的两个高光谱扫描被用来检测和绘制西格陵兰的Marmorilik地层大理石组成的矿物

学变化。将单个结果图与摄影测量数据集成,以提供空间背景和可集成到三维建模中的三维视图。第二个数据集是在西班牙Minasde 

Riotinto附近现已废弃的露天矿CortaAtalaya获得的。西班牙数据集展示了经修正的数据集在高温和多尘条件下对块状硫化物矿床的蚀

变带测绘的适用性,以及在不同时间获取的数据集的可整合性。


2.调查领域

2.1Nunngarut半岛,Maarmorilik,格陵兰

第一个研究区域位于格陵兰中部,位于Uummannaq峡湾和Karrat Isfjord区域内(图1)。调查区域覆盖前矿业城镇Maarmorilik所在的

Qaamarujuk峡湾的Nunngarut半岛大部分地区。附近的Black angle铅锌矿床是由较小的Affarlikassaa峡湾与Nunngarut半岛隔开

的。研究区属于马尔莫里里克组,这是一个1600米厚的碳酸盐主导的岩石序列,代表古元古代Karrat群最南端的地层学。它沉积在2.1 

至1.9Ga之间的一个陆表边缘盆地,为台地碳酸盐岩在Nukavsak组的复理石型沉积岩的作用下,形成了一组强烈的变形太古宙正位

岩。


Marmorilik组下部以富含白云石大理石为主,上部以富方解石大理石为主。在局部,石英岩的互层、富透闪石的大理石和可能变质的

蒸发岩以硬石膏的形式出现。黑天使密西西比山谷型(MVT) 铅锌矿床位于Marmorilik组引起基底部的大理石叠印。太古宙基底和卡拉

特群的整个演替都受Nagssugtoqidian-Rinkian造山作用强烈地折叠和推进。在造山过程中,Marmorilik组经历了至少三个阶段的变

形导致高绿片岩相条件下的再结晶和变质。马尔莫里里克组被解释为与Qaarsukassak组的横向等效它们共同形成了数百平方公里的大

型锌矿化远景区域】.


2.2.Corta Atalaya,Riotinto,西班牙

CortaAtalaya,靠近Huelva省(西班牙南部)的MinasdeRiotinto,面积1200x900米,最大深度365 米,是Riotinto矿区最著名的露

天矿坑之一(图1)。Riotinto的火山成因硫化物(VMS)矿化与伊比利亚黄铁矿带(IPB)有关,该带被认为是密度最集中的大规模地壳中的

硫化物。IPB位于晚瓦里西时代的北向褶皱和逆冲带从葡萄牙塞图巴尔以东延伸到西班牙塞维利亚以北,自青铜时代以来,广泛开采

铜、锰、铁和黄金。在Riotinto,岩石地层演替可分为三个单元(从下到上):(一)千枚岩和石英岩;(二)板条、玄武岩丘陵、长英质火

山岩(流纹岩和火山岩);(三)所谓的卡尔姆系列(灰砂岩和石板)。VMS透镜体位于上泥盆纪至下石炭纪的英质火山岩中,层控丰富

[28]。绿泥石和泥质蚀变带与块状硫化物矿化有 关。在断层附近的透镜体下,会出现网纹区[28]。在上面的盖层岩中通常会形成一条薄

砂。Riotinto矿床本身位于E-W向背斜的枢纽,呈东向褶皱轴状。Corta Atalaya位于这条所谓的Riotinto背斜的南侧。堆积物和大量

矿体与E-W冲动推力有关。一组后来的NW-SE方向的横向断裂抵消了Riotinto背斜。这些断层中最突出的是FallaEduardo,它取代了

南约150米的块状硫化物矿体SanDionisio,并在CortaAtalaya以东的 FilonSur矿体中找到了延续[28]。在CortaAtalaya 开采的块状

硫化物矿体SanDionisio最初拥有1亿吨储量。最初,该矿致力于提取铁和铜硫化物(主要是黄铁矿,含少量黄铜矿)。


最初的目标是从铜硫化物中提取铜,但随后,黄铁矿中所含的硫被用于制造硫酸,直到1991年露天矿最终关闭为止



图1。 两个调查地点的位置和获取的Aisa FENIX高光谱图像的示意图覆盖范围:(a)格陵兰Maarmorilik的Nunngarut半岛;(b)西班牙Mina de Rio Tinto的Corta Atalaya露天矿


3.数据采集 

3.1.高光谱成像

高光谱图像(HSI)数据是用SPECIMAISAFENIX推臂扫描仪获取的。扫描仪有384个扫描像素,624个光谱波段,覆盖了380到2500nm

范围内的可见光和近红外(VNIR)到短波红外(SWIR)。光谱分辨率(半波全宽-FWHM)在3.5nm(VNIR)和12nm(SWIR)之间,光谱采

样距离分别为1.5nm(VNIR)和5nm (SWIR)。通过将仪器安装在旋转平台上,可以在一次测量中获得垂直视角(FOV)为32.3°和最大扫描

角度为130°的连续高光谱图像。在测量过程中,记录了摄像机的GPS位置、采集时间和扫描的一般观察方向(从这里开始称为“相机角

度”)。在视场内的摄像机附近设置了一个光谱SRS-99白色面 板,其大致方向与成像露头相似。


3.2摄影测量数据/三维数据

用预校准RGB和高光谱相机记录表面几何重建图像。在Maarmorilik的情况下,从直升机上使用 了带有35毫米1.4蔡司镜头的

NikonD800E。CortaAtalaya的3D点云是基于Rikola高光谱成像仪(红色波段)和佳能EOSM与EF-M22毫米f/2STM镜头(作为灰度

图像)的无人机图像融合。摄像机位置是从附加的GPS设备获得的,而成像几何是用运动结构(SfM)和多视图立体(MVS)工作流重建的。

在摄影测量工作流程之前,图像失真已经被删除。


3.3验证取样

为验证校正工作流程和矿物测绘结果,对主要岩性进行了取样。使用手持GPS设备记录样本位置。  使用便携式光谱演化PSR-3500光

谱辐射计,使用带有内部人工光源的接触探针(8毫米光斑大小),在现场获得具有代表性的新鲜和蚀变岩石表面的光谱。其光谱分辨

率在VNIR中为3.5nm(1.5nm采样间隔),  在SWIR中为7nm(2.5nm采样间隔),在350~2500nm的光谱范围内产生1024个通道。使用

校准的聚四氟乙烯  面板将辐射值转换为反射率,在VNIR中反射率>99%,在SWIR中反射率>95%(Spectralon SRS-99或Zenith 

Polymer)。每个光谱记录包括10个单独的测量值,这些测量是连续的,然后取平均值。


4.处理工作流程

4.1高光谱原始数据的预处理

首先使用暗电流减法将获取的原始高光谱数据转换为传感器亮度,然后对传感器和波段特定辐 射校准数据进行图像归一化和乘法(图

2)。在第二步中,需要应用传感器特定光学畸变进行两种几何校正。第一个效果是沿视场的失真,类似于鱼眼镜头的失真。这导致图

像从中心到上下图像边界 的缩短。第二种效果可以描述为狭缝弯曲,是指当前扫描(直线)线的弯曲记录。这两种效果都可 以通过对

视场中的每个像素应用校正值来消除。所需参数包含在传感器制造商提供的查找表中。如 果在相同的设置下获得了对同一场景的几次

扫描,则可以在此时执行这些场景的叠加和平均。通过 图像叠加,可以提高信噪比,减少由于改变云覆盖而可能发生的时间光照变

化。


图2。远程地面高光谱图像校正、处理和三维集成的原理图工作流程


4.2高光谱辐射数据的辐射校正

在将原始高光谱数据转换为辐射之后,需要应用到传感器反射率的转换,这可以使用放置在传 感器附近的白色参考面板来实现。该光

谱(SRS-99)参考目标接近理想的朗伯反射器,在VNIR中反射 率>99%,在SWIR中反射率>95。它的精确反射光谱已知,可用于辐射

数据的经验线校正。在此,计算并应用每个波段的图像辐射值与参考反射值之间的线性回归。


根据成像距离和气候条件,由此产生的传感器反射图像可能仍然具有大气畸变的特征(见图3)。与航空或星载数据相比,场景特定的

中间大气层可以假定具有均匀的组成,变化可忽略。然  而,大气影响的数量对每个像素和数据的影响主要取决于传感器和目标之间的

距离,但也可能受到局部变化的影响,例如上升流水蒸气强度的不同。


图3。以Maarmorilik大理石悬崖为例的大气校正工作流程(Nunngarut,扫描2)。高光谱图像用光谱真彩色波段显示(R:640nmG:550nmB:470nm)显示)。详细说明见文本,(A)控制光谱集;(B)连续去除;(C)调整后的控制光谱集;(D)最终控制光谱和控制特征的选择


在这些情况下,我们试图对每个场景使用一个单一的大气校正光谱执行辐射校正,以消除大气畸变为了使校正方法具有鲁棒性,并且独

立于关于影响大气层组成的附加参数或知识,直接从高光谱图像本身自动导出大气校正光谱。因此,校正光谱是对所有场景丰富的影响

大气成分的综合表示,这些成分可能包括大气尘埃、水蒸气和其他大气气体。校正光谱。既不具有选择性,也不限于特定的成分,因此

适用于任何大气环境。


由于假设现场上空的大气组成是恒定的,因此如果大气影响发生变化,所有与大气有关的特征的深度都应同样变化。这种方法允许我们

仅通过一个大气吸收特征的深度来评估每个像素的大气影响量,并消除了对大气模型、额外校准目标和距离测量的需要。现在所谓的控

制特征必须在所有可能发生的大气成分中都是共同的,并且足够强到即使在低大气影响下也能被检测到。此外,它不应与任何特征矿物

学相关的特征重叠,以避免干扰和错误。我们发现满足这些条件的吸收带最好位于1126nm (图3d),并与大气水蒸气有关[14].


大气校正工作流程由几个步骤组成,这些步骤也可以在图3中重新进行:

  1. 与天空相关像素的掩蔽:所有的图像像素表示天空和天空反射的镜像表面,如水,使用位于410nm和890nm的图像波段之间的比例自动从反射率图像中被掩盖。这些波长位置被设置为包含VNIR反射率极端下降的两端,这是特定于天空相关光谱的。这种特征形状导致了天空和非天空像   素之间通常非常明显的比率差异。在我们的例子中,掩蔽阈值在1.0到2.0之间的比率范围内是最成功的。


  2. 确定和处理可能的校正光谱:计算所有剩余像素在1126nm处的控制特征深度。所有控制特征深度在最大值的80-100%以内的像素光谱都被提取为控制光谱集(图3a),用于确定最终的大气校 正光谱。连续体去除和控制特征深度的均衡分别应用于控制集的每个频谱。使用逐步获得的最大值的线性插值在各自的频谱上计算各自的连续体壳(图3b)。连续体壳计算的移动窗口可以设置为固定的步长,也可以限制在位于已知大气吸收窗口外部或边缘的特定存储波长范围内。


  3. 排除非大气特征:产生的均衡控制光谱集的一些光谱仍然可能包含额外的非大气吸收。这些特征应  排除在校正光谱之外,以避免在大气校正过程中削弱或删除重要的矿物学特征。与大气特征相反,非大气吸收以不同的强度发生,并且仅在控制光谱的光谱子集中发生(图3c,d)。它们可以通过只保持每个波长的所有光谱值的最高值来排除在控制光谱集之外。如果需要,可以手动更改使用的阈值。


最终控制光谱的计算和应用:对每个波长的剩余光谱信息进行平均,以减少可能的噪声。整个过程的结果提供了一个单独的连续去除校

正光谱,仅包含所分析的高光谱图像的大气贡献特征(图3d)。大气校正本身是按像素进行的。对于每个像素,校正光谱的强度需要调整

到像素光谱中控制特  征的深度和反射值。然后通过简单的像素谱划分来实现校正修正光谱本身。在此过程中,原始反  射率强度保持

在校正后的图像光谱中。


在我们的例子中,对空间和光谱维度的高光谱扫描进行自动校正的处理时间小于一分钟。因此,该方法非常省时省力,可以很容易地集

成到批处理工作流中。


根据处理后的数据集的信噪比,后续的最小噪声分数(MNF)平滑是有利的。MNF平滑需要将图像转换为MNF空间,拒绝低信噪比的波

段,并随后反向变换到原始图像空间。通过观察计算得到的MNF谱带的特征值函数,可以确定需要剔除的MNF谱带的数目,该特征函

数在急剧增加后达到一个平台, 如果渐近特征值函数接近线性函数,则建议剔除。


4.3.SfM-MVS摄影测量学

数字表面模型是利用AgisoftPotoscanProfessional1.2.5中的结构自运动多视图立体(SfM-MVS)算法从空中和地面图像中导出的。

SfM-MVS是一种低成本、用户友好的工作流程,结合了摄影测量技术、三维计算机视觉和传统的测量技术。利用高度冗余的束调整,

自动求解摄像机姿态和场景几何方程[32,33]。一个典型的SfM-MVS向最终表面模型的工作流程包括以下八个步骤[33,34]:

1.图像特征点的检测;

2.基于同源转换的自动点匹配;

3.关键点滤波——这一步对于模型的准确性和后期结果验证是至关重要的[35];

4.迭代束调整重建图像采集几何和摄像机内部参数;

5.将固有坐标系缩放和地理参考到可用的参考点(GCP)或摄像机坐标,并优化由此产生的稀疏云;

6.应用多视点立体算法(密集匹配)计算密集云,生成的密集云是对高光谱数据进行几何校正的基础;

7.通过网格或反向距离加权(IDW)对密集云进行插值,以检索数字表面模型(DSM);

8.三维模型的纹理化。


4.4.地形校正太阳入射角的计算

高光谱图像每个像素的太阳入射角对于其地形校正至关重要。与最低点数据相比,垂直露头扫描可以有多个像素位于任何给定的纬度/

经度坐标位置,这只能由它们的高程值在空间上区分。因此,数字高程模型(DEM)的斜率、侧面和太阳入射角的常用计算工具不能应用

于此。相反,我们计算了在截面中生成的点云的每个点的太阳入射角4.3作为点法线与太阳矢量之间的角度(图4a)。点法线要么在点云

构造过程中计算,要么可以使用相邻点的三角剖分追溯计算。太阳矢量的特点是

以SE为太阳仰角,在给定的采集日期、时间和位置AZ太阳方位角。计算出的太阳入射角作为附加点属性存储在点云文件中,并保留在

以下所有处理步骤中。


图4.垂直高光谱图像(HSI)的地形图校正(Nunngarut,扫描1)。 (a)计算太阳入射角i和所需参数的示意图;(b)密集点云各点投影到各自HSI视面上的计算入射角余弦;(c)地形引起的光照变化的上覆高光谱图像扫描校正:(1)地形校正前,(2)地形校正后(方法:c因

子)


4.5.点云投影与HSI匹配

需要将二维高光谱数据和三维点云数据进行集成,以进行地形校正和三维超云的最终创建。 为了便于后续包装过程中的自动匹配和减

少失真,在图像采集过程中,点云以类似于高光谱相机视图的方式投射到二维表面。这里至关重要的是通过随后的转换的整个过程,云

的每个点的原始坐标被存储为附加参数。由于传感器的推扫特性,将点云投影到平面上是不合适的。相反,首先对点云进行变换,使摄

像机位置设置为新原点,并沿坐标系的y轴设置摄像机视角

转换点=原始点-相机位置*(-相机角度)。


图中显示了变换坐标系中点云、摄像机角度和摄像机位置之间的空间关系5.



图5.点云转换和投影的原理图工作流程,以创建类似于推扫式高光谱成像仪(Nunngarut,Scan2)全景的二维图像)


变换点云的每个点坐标现在对应于变换相机位置在(0,0,0)和点在(x3D,y3D,z3D) 之间矢量→v。如果我们假设摄像机FOV是以摄像机位

置为中心的虚拟周围视球的子集,则通过对每个点矢量进行归一化,可以将点云投影到该球体上。


另见图5b

投影点云现在展开到一个二维平面上,使用圆柱形投影


以X2D和Y2D为所创建的二维图像的笛卡尔坐标,以Xn;n、和Zn或p其中为归一化三维点云的笛卡尔坐标或球面坐标(图5c)。圆柱体被切割用

于投影的角度可以通过一个附加参数来设置。


二维空间的投影考虑了高光谱相机真实视线中的所有点,其中包括隐藏在前景点(前点)后面的点,例如山的背面(后点)。这将导致创建的2D

图像中产生工件(参见图6a),并将对后续处理步骤产生   不利影响。利用相邻点之间原始空间距离的最大阈值,可以删除不利的背点。为了确保

即使是对于巨大的点云也能快速处理,一个移动窗口被用来同时处理几个点。对于每个应用窗口,找到与摄像机位置最近距离的包含点。这个

距离可以从点云的原始坐标计算出来,它仍然保存为附加点参数。因此, 只使用最接近原始摄像机角度的原始协调轴是有利的。虽然相邻的前

沿点显示出一个相似的位置,通常从分米到几米的差异(取决于数据的空间精度),但背点主要位于较远的位置,距离摄像机最近的前点几十

到几百米。据此设置阀值,并删除所有产生的返回点(图6b)。由于这种工作流的性质,较小的窗口大小更高的精度,也更高的计算时间。

图6。重叠点去除对二维点云投影图像质量的影响以Nunngarut为例,scan2。点的原始x 轴坐标是用颜色梯度来说明。(a)没有去除重

叠点的点云投影;(b)去除重叠点的点云投影


删除干扰后点后,将剩余前点插值到空间分辨率类似于或略高于高光谱数据空间分辨率的光栅中。除了RGB颜色变形,这个正交图像

还有四个额外波段,包含原始点云坐标和计算的太阳入射角。创建的RGB光栅现在可以用于高光谱图像的自动共配准。用于共同注册

的匹配工作流将是Jakob等人提出的MEPHySTO工具箱的一部分。[7]并在一篇随附的论文中成功地适应和用于基于容器的高光谱数据

和三维点云的集成[20]。该工作流基于SIFT(尺度不变特征变换)算法[36]从这两幅图像中提取局部特征或关键点,这些特征或关键点

对平移、旋转具有不变性,对仿射或三维投影和光照变化部分不变。使用FLANN(近似最近邻的快速库)。匹配算法库[37]找到两个

关键点集之间的相关点对。将最佳匹配点对作为高光谱图像多项式翘曲的控制点,以适应RGB光栅。在共同配准后,两个数据集的每

个重叠点都具有高分辨率光谱数据、地理位置和海拔,以及采集时的太阳入射角。


4.6参照HSI的地形图校正

地形校正类似于Jakob等人描述的方法。主要的区别是像素特定的太阳入射角的计算, 正如上面对于这一点的描述。计算的角度现在

可以用来应用地形校正算法。c因子方法回馈了 工具箱中所有方法的最佳校正结果,即使在光照差异较大的情况下,也能实现非常平滑

和准确的校 正(见图4c)地形校正后的图像由以下公式进行计算:

 

其中c是线性回归式refo=a+m·IL和IL=cos(i)中a/m的值。对每个谱带分别应用c因子方法。普通高光谱扫描的校正通常需要不到一分

钟。对于非常黑暗和深阴影区域的图像,像素可能会被严重过度校正。这些像素的特征是极端的,甚至无限的值,这明显超过了反射率

数据的公共值范围。使用适当的阈值来检测和屏蔽受影响的像素,这些阈值是根据未校正地形图像(例如0和1)的光谱反射率最小值和

最大值来设置的)。


4.7最小波长映射

最后校正的HSI现在可以被用于后续的制图和解释。本文以最小波长(MWL)映射方法为例,测试了矿物映射数据的质量和适用性。

使用波长映射器进行MWL映射目的是估计给定波长范围内最深吸收特征点的位置。吸收最  小值的位置是将表面矿物学与矿物组成的

细微变化联系起来的关键(例如,Al-OH特征的移动取决于Al的  配位)。首先,计算船体曲线,并从光谱中划分。其次,利用二阶多项

式函数计算最显著吸收点的位置和  深度。这两个参数可用于创建MWL位置图,其中所研究特征的位置由颜色变化显示,而颜色强度

由吸收深 度控制。


MWL测图方法的成功与否,关键取决于对大多数小型矿物质吸收特征的位置和深度细微变化的分析。 因此,评价图像校正方法是一种

极好的可能,它既影响图像单个像素之间的强度比(地形校正),也影响  光谱本身的形状(辐射和大气校正)。在这种情况下,成功地

消除失真与维持现有和实际的强度关系和光 谱特征一样重要。


4.8超云的产生

在上述工作流的末尾,HSI的每个像素(以及任何HSI映射产品)通过投影和光栅化的2D点云中的 相应像素具有指定的地理位置和高程。

通过对光谱光栅的每个像素导出这些信息,我们可以创建一 个所谓的“超云”,将光谱数据可视化为三维点云。显示的数据可以包括

任何光谱数据或结果,如 简单的反射率数据、去相关的结果和端元映射方法,或这里介绍的MWL映射结果。超云可以用相应的3D软

件进一步显示和处理,如CloudCompare(开源GPL软件,可从http://www.cloudcompare.org/ 检索) 或 SKUA-GOCAD 

(Emerson/Paradigm, Houston, United States)。如果高光谱测量包括覆盖观察区域不同部分的多次扫描,则创建超云可以是一个很

好的选择,可以通过同时显示或合并多个超云 将单个映射结果设置为空间背景。三维云还允许与其他空间数据集(如钻孔或结构观

测)集成。


5.0结果

5.1Nunngarut ,Maarmorillik,格陵兰

从两个不同的扫描地点获得了两个高光谱扫描,覆盖了Nunngarut半岛南部和东海岸的最大部分(图  1a)大多数露头相关图像像素的传

感器与观测目标之间的大致距离在2至5公里之间。尽管在采集过程中总体干燥和阳光充足,但光谱数据中存在许多清晰的大气吸收特

征(见图3和7)表明传感器与目标之间大气层的高 度影响。图7显示已知的主要大气贡献(在这种情况下,水蒸气、CO2、O2和O3)对总

体观测到的大气扰动以及用于校正的计算光谱。我们证明,这里提出的辐射校正方法允许我们几乎完全消除大气的影响,而典型的矿物

 相关的光谱特征仍然存在。在由此产生的大气校正目标光谱中,剩余的吸收特征不可避免地归因于特征矿物 特征。除了Marmorilik大

理石明显的碳酸盐特征外,还清楚地表现出AlOH和OH/H2O特征。这些特征吸收要么 与来自包裹体的丰富蒸发石膏和/或粘土矿物有

关,要么与已知存在于该岩性单元中的附近的球团层有关。


扫描1,对Nunngarut半岛的南面悬崖进行扫描成像,在测量过程中直接面对太阳,因此被均匀 地照亮。相比之下,扫描2,在上午获

得,并面对半岛东海岸,特点是高照度差异,这使得地形校正对随后的绘图过程至关重要(图4c).


随着大气和地形校正成功地应用于高光谱数据集,这些数据管为Marmorilik组碳酸盐矿物学成 分的表征提供了基础,与勘探测绘有

关。利用2310~2340nm之间碳酸盐相关振动泛音吸收带的位置和深度,可以从高光谱数据中识别不同的碳酸盐。纯方解石具有

2340nm左右的吸收,纯白云石 的吸收带出现在2320nm处。在更短的波长下,碳酸盐相关的吸收可以表明透闪石与白云石同时存

在。这一关系通过对Marmorilik组代表性岩石样品的光谱分析得到证实(图8a)。样品的元素和矿物学组成分别通过pXRF(便携式X射线

荧光)和薄层分析进一步验证(见Rosa等人; pers. commun .C.A. Partin)。从pXRF结果出发,计算了每个样品上四到六个测量点的

Ca/Mg比值,并与Chilingar 石灰石和白云石的分类进行了比较【42】。样品#SLA15的Ca/Mg比值在31.2土0.7和619.3土13.7之间,

因此将被归类为煅烧石灰石。样品#562032的比例介于2.0土0.5和5.9土0.9之间,表明是高度白云质灰岩或钙质白云岩。样品#562048

介于白云石和镁质白云石之间,Ca/Mg比在1.0土0.1和2.0土0.1 之间【42】。因此,一个简单的MWL映射方法提供了一种很好的方法

来消除露头中这些不同的碳酸盐相(图9)。岩石层和非碳质岩石,其光谱特征是非常弱或不存在的碳酸盐特征,使用基于映射碳酸盐

特征的MWL深度的阈值被掩盖。


在Nunngarut东向斜坡上,上、下Marmorilik组之间的接触清晰可见,因为下Marmorilik组以 白云岩为主,与透闪石层互层【43】

而上Marmorilik组以方解石为主。此外,沿着断层也可以追踪到白云化作用。



图7.地质目标和大气对典型观测反射光谱的贡献(Nunngarut研究区,Marmorilik组)。 此时, 目标贡献等于大气校正后的反射光谱



图8.Nunngarut试验场基于最小波长位置映射的碳酸盐成分的光谱验证。(a)Maarmorilik组三个碳酸盐样品的实验室点光谱,代表典

型的方解石、白云石和透闪石白云石末端成员;(b)图9所示取样位置的HSI谱图,代表场景中方解石、白云石和透闪石丰富的白云石末

端成员。 对所有光谱进行了连续去除。 元素和矿物学成分分别通过便携式XRF(pXRF)和薄层分析进一步验证(见Rosa等人【19】)。



图9.两个单独的HSI图像场景的3D超云覆盖在Marmorillik大理石悬崖的摄影测量RGB 点云上。 最小波长位置映射应用于两个HSI数据立方体,以突出碳酸盐成分的变化。HSI1、2和3标记图8的采样点。


5.2. Cortu Atalaya,Riotinto ,西班牙

对于Corta Atalaya,使用三个重叠的高光谱扫描来演示所描述的工作流(图1b)。扫描是从Corta Atalaya的相同全景视图获得的,但在

不同的时间:扫描1于2016年3月获得,扫描2和3于2016 年10月获得。传感器和目标范围之间的距离大致在400米至1100米之间。两

个采集日的条件都是干  燥和阳光充足的,成像坑壁的光照非常好和恒定。尽管与Nunngarut试验场和地中海气候条件相比, 与目标

距离较短,即夏季炎热干燥,但在图像数据中观察到明显的大气吸收特征。


所有的扫描都是用摄影测量点云进行大气校正和几何校正的。之前试图进行地形校正,但最终被认为是没必要的,因为地质上最活泼的

北部和东部露头被均匀地照亮,而且坑的倾斜的南墙不包含足够的光谱信息。在对场景进行预处理和校正后,在所有三个场景上对

AlOH特征进行了2190~ 2215nm之间的最小波长位置映射,以举例说明校正后的数据集进行蚀变映射的能力随后创建的超云在映射的

改变区域中显示出很大的巧合,并且可以很容易地合并成一个最终的超云AlOH映射(图10)。


利用现场采集的一组现场光谱仪数据对映射结果进行光谱验证。由于矿井坑的可达性受到限制,光谱读数仅限于几个坑级。然而,可以

覆盖广泛的岩性,并将其扩展到有效的HSI像素光谱。一个选择如图11a所示,并证明图像和现场光谱在光谱形状和光谱特征出现方面

的相似性。给定的场样密度也允许我们验证AlOHMWL位置分布。 在图11b中,每个场光谱仪测量的AlOH特征位置在主要感兴趣区域

内显示为彩色方格,使用与底层HSI映射结果相同的颜色刻度。



图10.3D超云显示三个单独的HSI图像场景叠加在Corta Atalaya矿照片测量的RGB点云上。这三个场景都被用于最小波长位置映射

,以突出与含ALOH(氢氧化铝)矿物丰度差异相关的岩性变化。如图11矩形标记所示的区域。MWL超云层的颜色差异与已知的主要

岩性和蚀变带有很好的相关性。中未描述的区域用问号表示。 图11b的示例位置用白色圆圈和数字标记。

图11。 验证CortaAtalaya露天矿的HSI数据。 (a)左:在不同处理阶段改进样本点1的光谱信号。右:近似同一位置的场谱与图像谱的

光谱形状比较。在图10和11b中,样品位置用白色圆圈和数字标记;(b)特征位置的比较:AlOH 的最小波长图(见图10中的地图范围)

和场谱的特征位置(彩色方格;相同的着色方案)。


6.讨论

6.1辐射测量和大气校正

由于大气吸收特性,这两种测试方案都包含光谱畸变。在Corta Atalaya/西班牙,观测到的大气吸收特征大多来自坑湖的上升流水蒸气

和以及邻近Cerro Colorado露天矿附近采矿活动造成的颗粒。这一假设得到了大气扰动图像像素的分布的支持,这些像素与目标和传

感器的距离没有直接关系,但主要发生在信号需要通过采矿坑水面的区域。相比,格陵兰岛的大气吸收强度与传感器和目标之间的距离

大致成正比。在这里,可以假设来自一般空气湿度和来自分离Nunngarut半岛的峡湾的上升流水蒸气和相邻悬崖上各自的观测位置的

贡献。大气对信号的总体影响远高于CortaAtalaya,这可能与北极气  候和目标的距离明显增加和空气湿度普遍较高有关。所描述的新

的大气校正工作流程通过直接从场景中  提取校正曲线的形状,并根据像素特定的大气吸收深度而不是到目标的距离来确定校正强度,

从而考虑 到传感器和目标之间大气层组成的这种变异性。


对于所有五个处理的数据集,大气校正方法是快速和鲁棒的。大气吸收被去除,而保持了一般的光谱形状和较小的矿物相关特征。结果

表明,校正方法尊重所有丰富的大气成分,这些成分有助于提取普  适信号,我们将其归因于大气扰动。除水蒸气外,这可能包括任何

丰富的大气气体(如CO2或O3)和少量  或普遍存在的大气粉尘,在VNIR和SWIR中显示出显著的光谱吸收特征。只有在少数情况下,局

部大气尘  埃或气体浓度极高,例如由于矿山爆破或废气排放,才可能对受影响的图像区域进行大气校正失败。在  这种情况下,局部

大气扰动将明显偏离所使用的校正光谱,并导致不满意的光谱结果。然而,通过图像 采集的相应时间,例如在预定的爆破作业之前,

可以很容易地避免这种情况。


应该指出,对于高度失真的像素,光谱噪声可以保持在以前的大气吸收位置。受影响的像素大多来 自极远的目标。在这里,目标信号

在传感器接收到的光谱信号中的比例很低,以至于消除大气影响导致  返回光谱的信噪比极低,因此显得有噪声和无特征。这可能意味

着远程HSI的上限。然而,根据现场的  大气条件,这一限制距离可达10公里或更远。在这个距离上,地面上的像素足迹将在几百平方

米的范围  内,质疑测量的信息价值。总之,我们能够证明引入的大气校正方法在合理的成像距离内的成功应用。


6.2地形校正

如图4中Nunngarut半岛的例子所示,在某些情况下,地形校正是必要的,因为它确保了图像不同照  明部分之间吸收强度的可比性。然

而,尽管校正对光度变化是有效的,但它不能重建光谱特征在照明不 良的图像区域与相关的低信号强度,信噪比和特征细节。因此,

我们建议对照明极差或阴影很深的图像 部分进行掩蔽或至少仔细的解释。我们进一步建议评估地形校正对每个成像场景的有用性。从

我们的一 般经验和所示例子的具体表现来看,自然目标,如山坡或悬崖,往往具有更平滑的地形,因此比采石场 和露天矿等人造露头

更一致的照明。在自然目标中,随着图像部分之间的平滑过渡,分别具有最大和最 小的光照,地形校正通常表现良好。由于爆破和挖

掘,人工目标通常具有梯田几何和/或粗糙边缘, 这产生了很大的照明差异。地形校正不一定能改善图像,因为在照明良好的部分中应

用的校正是次要的,而由于上述原因,对黑暗部分的校正可能是徒劳的。


尽管c因子法具有良好的地形校正性能,但仍需谨慎应用。由于使用线性回归对校正因子进行了带状计算,一个或几个波段中的极值或

无限值可能导致这些波段的校正因子的夸大,最后导致光谱 形状的变化。这些峰值可能是由HSI传感器中的不良像素引起的,由于摄像

机的推扫特性,这些像素线形成了限制在少数相邻波段的不良像素线。如果需要进行地形校正,则不可避免地需要对这些坏 线进行校

正或掩蔽,以获得可靠的图像结果。


6.3验证

利用场谱仪数据进行的光谱验证表明,校正后的图像光谱的光谱形状和特征位置具有很高的精度。一般来说,在这两个研究领域,场谱

插值的最小波长与相应的吸收特征库光谱之间的差异都在5nm以下。该值表示SWIR数据的波段采样距离,低于12nm(FWHM)的可实

现光谱分辨率。局部观察到 一些图像和验证光谱点之间的误差较高,但这可能与不同仪器的空间足迹差异大有关。现场/野外 光谱仪

数据是从单个岩性代表样品的一个或几个8毫米斑点中检索出来的,而各自的HSI像素可以很容易地代表一个面积约平方米的露头的混

合物,这取决于到传感器的距离。改变的局部变异性会影响光谱仪读数的再现性,并导致在同一位置与记录的图像光谱发生偏移。除了

光谱变化外,需要考虑光谱仪读数的轻微错位,这可能是由于样品GPS位置的精度有限,可以达到5米,这一点需要考虑。


6.4三维集成

在Salehi等人中,更详细地讨论了HSI集成与摄影测量点云的潜力、空间精度和可能的应用。[20].本文不仅证实了两个附加示例三维集

成的成功,而且通过消除地形、不同光照条件和大气吸收的影响,进一步证明了工作流集成和合并来自不同摄像机位置和视角以及不同

采集日期和时间的高 光谱数据集的能力。这允许以一种新的方式使用高光谱数据,因为它有助于评估从一个观测点看不 到或在一个数

据集中显示的高光谱结果之间的空间关系,例如山或采矿坑的相对面。


7.结论

本文提出了一种新的远距离地面高光谱图像大气和地形校正方法。这种修正对于获得关于地质应用中矿物组成的可靠信息至关重要。一

般的工作流程部分是基于无人机和基于船只的HSI数据开发的算法,这些算法在我们以前的论文中已经介绍和使用[7,20]但通过增加辐

射和地形校正方法来适应和扩展,以满足远程、地面HSI的特殊挑战。


本文最重要的结果如下:

1.大气校正的校正光谱直接从现场得到,校正强度根据像素特定的大气吸收来确定深度。因此,工作流程与关于大气层的组成或到目标的距离的知识无关。

2.利用摄影测量三维露头模型的点法线计算地形校正的入射角。这使我们第一次利用常见的地形校正算法,如使用的c因子法,用于垂直露头。

3.超云的产生,即摄影测量点云和HSI数据立方体的几何和光谱精确组合,是通过摄影测量三维露头 模型的投影变换来实现的。消除大气和地形的影响,可以整合来自不同相机位置、日期以及不同光照条件的高光谱绘图结果。

4.总共有五个HSI数据集的两个研究领域证明了工作流程在气候、距离、大气组成、地质多样性和测绘目标等具有不同挑战性的测量条件中的适用性和鲁棒性。成功的MWL映

射证明了光谱吸收位置和深度的地质适用性和准确性。

5.通过地面反射光谱值和地质样品的矿物学分析,验证了所建立数据和测绘结果的准确性和可靠性。

6.所提出的工作流程快速简单,只需要最小的输入参数。大多数处理步骤都是自动化的,不需要或非常少的手动操作。

7.该工作流程使(i)能够对垂直和完全无法到达的露头进行可靠的光谱映射;(ii)多重扫描和其他数据源的三维集成;(iii)比大多数无人机或机载HSI数据具有更高的光谱分辨率、范围和信噪比。


鉴于所提出的数据集具有很好的质量,我们高度鼓励在地质应用中使用经过仔细处理和校正的远程地面HSI数据,并建议进一步开发高

度适应的地形和大气校正算法。在即将发表的几篇基于应用的论文中,我们将进一步介绍和讨论用所提出的工作流程修正的数据的地质

解释及其与结构数据和长波红外(LWIR)高光谱数据等其他数据类型的集成。

选择Specim FX系列相机


如果您对Specim FX系列相机有兴趣,请访问上海昊量光电的官方网页:

https://www.auniontech.com/details-1402.html

 

上海昊量光电为Specim FX系列相机中国总代理,可以为您提供个性化的咨询和购买服务。SPECIM FX有多种产品型号可选,我们的工程师可以为您挑选出最合适的型号,或者进行个性化的产品定制。


欢迎继续关注上海昊量光电的各大媒体平台,我们将不定期推出各种产品介绍与技术新闻。


注:本文翻译自如下文章:

Radiometric Correction and 3D Integration of Long-Range Ground-Based Hyperspectral Imagery for Mineral Exploration of Vertical Outcrops 

Remote Sens. 2018, 10, 176; doi:10.3390/rs10020176

Sandra Lorenz 1,*, Sara Salehi 2,3, Moritz Kirsch 1, Robert Zimmermann 1 ID , Gabriel Unger 1, Erik Vest Sorensen 2 ID and Richard Gloaguen 1 


您可以通过我们的官方网站了解更多的产品信息,或直接来电咨询4006-888-532