本发明涉及图像处理技术领域，尤其涉及基于图像特征分解的高空间分辨率遥感图像找矿方法。
背景技术：
遥感技术是地质勘查的一项必要手段，传统的遥感找矿方法一般基于中低空间分辨率、多光谱或高光谱的影像数据，研究方法大致分为四种：一是凭借经验，单纯的目视解译，从而确定靶区，这种方法通常适用于有多年经验的遥感地质工作者；二是对多光谱遥感影像进行地质构造、蚀变信息提取，综合分析区域的成矿地质条件，进而确定找矿靶区，这种方法通常适用于对地质成矿理论及工作比较熟悉的人员；三是对影像进行计算机图像处理，主要采用一些图像增强的方法来进行地质信息的提取，这种方法通常是不懂地质的人员根据计算机解译信息判别成矿特征的做法，其结果通常不被地质工作人员所接受和采纳；四是运用数学统计方法综合分析各种遥感、地质资料，从而进行综合评判，该方法适用性较强，综合性高，是目前遥感技术找矿所普遍采用的一种技术方法；
然而，现有的遥感找矿技术主要是利用计算机解译图像信息，图像信息不叫冗杂，难以快速处理，而且图像信息比较零碎，从业人员根据图像分析比较困难，且通过计算机信息自动提取片面的划定找矿靶区，无异于大海捞针，没有空间坐标，即使图像确定了靶区位置也无法精确找到，使的遥感技术无法真正为找矿勘查服务，因此，本发明提出基于图像特征分解的高空间分辨率遥感图像找矿方法，以解决现有技术中的不足之处。
技术实现要素：
针对上述问题，本发明的目的在于提出基于图像特征分解的高空间分辨率遥感图像找矿方法，该方法得到的图像信息更清楚有效，且时空数据集完整全面，同时方便定位为找矿勘查提供便利。
为实现本发明的目的，本发明通过以下技术方案实现：基于图像特征分解的高空间分辨率遥感图像找矿方法，包括以下步骤：
步骤一：采集数据
利用全球导航卫星系统gnss、天地一体化遥感rs、三位地理信息系统3dgis采集指定矿区的遥感影像，并通过光纤光栅数据采集仪、分布式光纤数据采集仪采集网络及指定矿区位置处公用系统中的网络时空数据；
步骤二：数据筛选
利用空间完整性以及云覆盖量对步骤一中遥感影像和网络时空数据进行筛选，首先，根据指定矿区区域范围确定path和row的具体数值范围，再对这些具体数值范围进行初步筛选，保证每path和row均包含一景影像，得到将该选定区域全覆盖的数据集合，然后对path和row相同的数据按其云覆盖量具体数值进行比较，在比较的过程中，删除两两比较中云覆盖量更大的数据，最终得到每path、row中云覆盖量最低的数据集合；
步骤三：构建时空数据集
将步骤二中得到的数据集合以gnss接收系统的秒脉冲信号为统一基准，在可信建模中将遥感影像和时空数据进行融合，对遥感影像数据进行时间戳配准，构成时空影像，将时间戳标识配准下的时空影像构成向量ti＝[t1；t2；…；tn]，设时空影像融合时间tm，且tm∈ti，则第i个时空影像向量数据在tm时刻的状态向量估计结果为
步骤四：构建三维gis时空信息模型
对步骤三中时空数据集进行处理并基于影像自动化进行三维模型构建，将数据3d可视化，并通过符号化来增强显视效果，特别增强矿区地物的分布特征、颜色特征、纹理特征，然后，对整体模型进行精修重建，使地物要素完整，得到gis空间模型，接着利用gml进行时空数据矢量化，形成点、线、面，由点、线、面组成具体时空数据坐标，构建矢量化模型，将gis空间模型和矢量化模型融合，再利用矿区地物特征对应的矢量面，对总体模型进行切割，从而对内部各要素实现单体化，构建矿区完整的三维gis时空信息模型；
步骤五：提取要素
在步骤四的三维gis时空信息模型中，先提取矿区地物图像的颜色特征，利用envi软件将高空间分辨率的rgb图像直接转换为hls图像，并提取颜色特征，然后提取矿区地物图像的纹理特征，通过envi软件的滤波功能进行沿总体走向的方向滤波，并将其滤波提取的纹理结果置于arcgis进行密度分析，确定图像的纹理粗糙度，接着对矿区地物图像进行光谱二阶导数的求取，在enviidl中编写二阶导数运算算法，增强光谱吸收、反射的特征值。
步骤六：确定交集异常区
对步骤五中所提取的三要素特征进行综合分析，使用overlay的逻辑叠加分析方法，将三种要素特征由矢量数据转换为栅格数据，转换图像为[0，1]二值图像，异常区域value＝1，其他图像区域value＝0，应用乘法对图像进行运算，其结果即为三种特征的交集异常区，该交集位置即为遥感找矿勘查靶区；
步骤七：确定勘查靶区的具体位置
将步骤六得到的遥感找矿勘查靶区具体位置具体分析，带入三维gis时空信息模型中，并单体化标注出来，然后由点、线、面分析确定其具体时空坐标，并应用到实际中，从而得到勘查靶区的具体位置；
步骤八：上传云端
利用webgis应用软件提供的便捷式导入机制，导入步骤五中的三维gis时空信息模型，并标注步骤七得到的勘查靶区，实现数据无缝对接、属性无损集成，然后通过webgis应用软件提供数据查询统计、时空数据分析、时空数据共享等通用功能，并传输到云端服务器，以供用户访问使用。
进一步改进在于：所述步骤二中，保证每path和row均包含一景影像的同时，剔除每path和row包含多景影像或者不足一景影像的数值。
进一步改进在于：所述步骤三中，当引入时空影像的共享因子β表示在tm融合时间的数据置信水平，则向量tm对应的置信度向量为bm＝[βm(t1)；βm(t2)；…；βm(tn)]。
进一步改进在于：所述步骤四中，采用contextcapture对步骤三中时空数据集进行处理并基于影像自动化进行三维模型构建，软件建模对象为静态物体。
进一步改进在于：所述步骤五中，二阶导数的算法在idl中主要写为：deriv(deriv(reform(float(slice[*,s])))，s代表光谱spectral，具体的是在enviidl中输入二阶导数公式y"＝d2y/dx2，并编程完成对图像的二阶导数计算。
进一步改进在于：所述步骤七中，单体化标注具体为将遥感找矿勘查靶区设定为单独的模块要素，并具有从整体模型中剥离的且数据不会丢失的功能。
进一步改进在于：所述步骤八中，在传输到云端服务器之前，将模型进行数据规格化，并对其校验。
本发明的有益效果为：本发明通过遥感技术采集影像及数据，采集后的影像数据先通过数据筛选取出冗余，使图像信息更清楚有效，然后通过影像和时空数据的融合构件时空数据集，该时空数据集完整全面，方便分析，且通过建模的手段构建三维gis时空信息模型，使矿区地物更加清楚明了，并配合时空坐标的输入，为接下来的定位提供便利，同时，利用对矿区地物图像的特征要素分析确定交集异常区，从而确定勘查靶区，这时候，带入三维gis时空信息模型中，由点、线、面分析确定其具体时空坐标，并应用到实际中，从而得到勘查靶区的具体位置，定位更加精确，为找矿勘查提供便利，另外，模型上传到云端，便于查询使用，方便数据共享。
附图说明
图1为本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
根据图1所示，本实施例提供了基于图像特征分解的高空间分辨率遥感图像找矿方法，包括以下步骤：
步骤一：采集数据
利用全球导航卫星系统gnss、天地一体化遥感rs、三位地理信息系统3dgis采集指定矿区的遥感影像，并通过光纤光栅数据采集仪、分布式光纤数据采集仪采集网络及指定矿区位置处公用系统中的网络时空数据；
步骤二：数据筛选
利用空间完整性以及云覆盖量对步骤一中遥感影像和网络时空数据进行筛选，首先，根据指定矿区区域范围确定path和row的具体数值范围，再对这些具体数值范围进行初步筛选，保证每path和row均包含一景影像，剔除每path和row包含多景影像或者不足一景影像的数值，得到将该选定区域全覆盖的数据集合，然后对path和row相同的数据按其云覆盖量具体数值进行比较，在比较的过程中，删除两两比较中云覆盖量更大的数据，最终得到每path、row中云覆盖量最低的数据集合；
步骤三：构建时空数据集
将步骤二中得到的数据集合以gnss接收系统的秒脉冲信号为统一基准，在可信建模中将遥感影像和时空数据进行融合，对遥感影像数据进行时间戳配准，构成时空影像，将时间戳标识配准下的时空影像构成向量ti＝[t1；t2；…；tn]，设时空影像融合时间tm，且tm∈ti，则第i个时空影像向量数据在tm时刻的状态向量估计结果为
步骤四：构建三维gis时空信息模型
采用contextcapture对步骤三中时空数据集进行处理并基于影像自动化进行三维模型构建，软件建模对象为静态物体，将数据3d可视化，并通过符号化来增强显视效果，特别增强矿区地物的分布特征、颜色特征、纹理特征，然后，对整体模型进行精修重建，使地物要素完整，得到gis空间模型，接着利用gml进行时空数据矢量化，形成点、线、面，由点、线、面组成具体时空数据坐标，构建矢量化模型，将gis空间模型和矢量化模型融合，再利用矿区地物特征对应的矢量面，对总体模型进行切割，从而对内部各要素实现单体化，构建矿区完整的三维gis时空信息模型；
步骤五：提取要素
在步骤四的三维gis时空信息模型中，先提取矿区地物图像的颜色特征，利用envi软件将高空间分辨率的rgb图像直接转换为hls图像，并提取颜色特征，然后提取矿区地物图像的纹理特征，通过envi软件的滤波功能进行沿总体走向的方向滤波，并将其滤波提取的纹理结果置于arcgis进行密度分析，确定图像的纹理粗糙度，接着对矿区地物图像进行光谱二阶导数的求取，在enviidl中编写二阶导数运算算法，二阶导数的算法在idl中主要写为：deriv(deriv(reform(float(slice[*,s])))，s代表光谱spectral，具体的是在enviidl中输入二阶导数公式y"＝d2y/dx2，并编程完成对图像的二阶导数计算，增强光谱吸收、反射的特征值。
步骤六：确定交集异常区
对步骤五中所提取的三要素特征进行综合分析，使用overlay的逻辑叠加分析方法，将三种要素特征由矢量数据转换为栅格数据，转换图像为[0，1]二值图像，异常区域value＝1，其他图像区域value＝0，应用乘法对图像进行运算，其结果即为三种特征的交集异常区，该交集位置即为遥感找矿勘查靶区；
步骤七：确定勘查靶区的具体位置
将步骤六得到的遥感找矿勘查靶区具体位置具体分析，带入三维gis时空信息模型中，并单体化标注出来，具体为将遥感找矿勘查靶区设定为单独的模块要素，并具有从整体模型中剥离的且数据不会丢失的功能，然后由点、线、面分析确定其具体时空坐标，并应用到实际中，从而得到勘查靶区的具体位置；
步骤八：上传云端
利用webgis应用软件提供的便捷式导入机制，导入步骤五中的三维gis时空信息模型，并标注步骤七得到的勘查靶区，实现数据无缝对接、属性无损集成，然后通过webgis应用软件提供数据查询统计、时空数据分析、时空数据共享等通用功能，接着将模型进行数据规格化，并对其校验，校验后传输到云端服务器，以供用户访问使用。
本发明通过遥感技术采集影像及数据，采集后的影像数据先通过数据筛选取出冗余，使图像信息更清楚有效，然后通过影像和时空数据的融合构件时空数据集，该时空数据集完整全面，方便分析，且通过建模的手段构建三维gis时空信息模型，使矿区地物更加清楚明了，并配合时空坐标的输入，为接下来的定位提供便利，同时，利用对矿区地物图像的特征要素分析确定交集异常区，从而确定勘查靶区，这时候，带入三维gis时空信息模型中，由点、线、面分析确定其具体时空坐标，并应用到实际中，从而得到勘查靶区的具体位置，定位更加精确，为找矿勘查提供便利，另外，模型上传到云端，便于查询使用，方便数据共享。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
1.基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于，包括以下步骤：
步骤一：采集数据
利用全球导航卫星系统gnss、天地一体化遥感rs、三位地理信息系统3dgis采集指定矿区的遥感影像，并通过光纤光栅数据采集仪、分布式光纤数据采集仪采集网络及指定矿区位置处公用系统中的网络时空数据；
步骤二：数据筛选
利用空间完整性以及云覆盖量对步骤一中遥感影像和网络时空数据进行筛选，首先，根据指定矿区区域范围确定path和row的具体数值范围，再对这些具体数值范围进行初步筛选，保证每path和row均包含一景影像，得到将该选定区域全覆盖的数据集合，然后对path和row相同的数据按其云覆盖量具体数值进行比较，在比较的过程中，删除两两比较中云覆盖量更大的数据，最终得到每path、row中云覆盖量最低的数据集合；
步骤三：构建时空数据集
将步骤二中得到的数据集合以gnss接收系统的秒脉冲信号为统一基准，在可信建模中将遥感影像和时空数据进行融合，对遥感影像数据进行时间戳配准，构成时空影像，将时间戳标识配准下的时空影像构成向量ti＝[t1；t2；…；tn]，设时空影像融合时间tm，且tm∈ti，则第i个时空影像向量数据在tm时刻的状态向量估计结果为
步骤四：构建三维gis时空信息模型
对步骤三中时空数据集进行处理并基于影像自动化进行三维模型构建，将数据3d可视化，并通过符号化来增强显视效果，特别增强矿区地物的分布特征、颜色特征、纹理特征，然后，对整体模型进行精修重建，使地物要素完整，得到gis空间模型，接着利用gml进行时空数据矢量化，形成点、线、面，由点、线、面组成具体时空数据坐标，构建矢量化模型，将gis空间模型和矢量化模型融合，再利用矿区地物特征对应的矢量面，对总体模型进行切割，从而对内部各要素实现单体化，构建矿区完整的三维gis时空信息模型；
步骤五：提取要素
在步骤四的三维gis时空信息模型中，先提取矿区地物图像的颜色特征，利用envi软件将高空间分辨率的rgb图像直接转换为hls图像，并提取颜色特征，然后提取矿区地物图像的纹理特征，通过envi软件的滤波功能进行沿总体走向的方向滤波，并将其滤波提取的纹理结果置于arcgis进行密度分析，确定图像的纹理粗糙度，接着对矿区地物图像进行光谱二阶导数的求取，在enviidl中编写二阶导数运算算法，增强光谱吸收、反射的特征值。
步骤六：确定交集异常区
对步骤五中所提取的三要素特征进行综合分析，使用overlay的逻辑叠加分析方法，将三种要素特征由矢量数据转换为栅格数据，转换图像为[0，1]二值图像，异常区域value＝1，其他图像区域value＝0，应用乘法对图像进行运算，其结果即为三种特征的交集异常区，该交集位置即为遥感找矿勘查靶区；
步骤七：确定勘查靶区的具体位置
将步骤六得到的遥感找矿勘查靶区具体位置具体分析，带入三维gis时空信息模型中，并单体化标注出来，然后由点、线、面分析确定其具体时空坐标，并应用到实际中，从而得到勘查靶区的具体位置；
步骤八：上传云端
利用webgis应用软件提供的便捷式导入机制，导入步骤五中的三维gis时空信息模型，并标注步骤七得到的勘查靶区，实现数据无缝对接、属性无损集成，然后通过webgis应用软件提供数据查询统计、时空数据分析、时空数据共享等通用功能，并传输到云端服务器，以供用户访问使用。
2.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤二中，保证每path和row均包含一景影像的同时，剔除每path和row包含多景影像或者不足一景影像的数值。
3.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤三中，当引入时空影像的共享因子β表示在tm融合时间的数据置信水平，则向量tm对应的置信度向量为bm＝[βm(t1)；βm(t2)；…；βm(tn)]。
4.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤四中，采用contextcapture对步骤三中时空数据集进行处理并基于影像自动化进行三维模型构建，软件建模对象为静态物体。
5.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤五中，二阶导数的算法在idl中主要写为：deriv(deriv(reform(float(slice[*,s])))，s代表光谱spectral，具体的是在enviidl中输入二阶导数公式y"＝d2y/dx2，并编程完成对图像的二阶导数计算。
6.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤七中，单体化标注具体为将遥感找矿勘查靶区设定为单独的模块要素，并具有从整体模型中剥离的且数据不会丢失的功能。
7.根据权利要求1所述的基于图像特征分解的高空间分辨率遥感图像找矿方法，其特征在于：所述步骤八中，在传输到云端服务器之前，将模型进行数据规格化，并对其校验。
技术总结