深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

【类型】期刊

【作者】张川  易敏  童勤龙  叶发旺  徐清俊  李泊凇 

【刊名】世界核地质科学

【关键词】 卷积神经网络,深度学习,航空高光谱遥感,岩性识别

【摘要】岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果，但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点，卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区，以SASI航空高光谱影像为数据源，将深度卷积神经网络引入航空高光谱遥感岩性识别，测试和评估其应用效果。基于预处理后的SASI航空高光谱影像，以试验区地质图及野外调查为参考，制作了8类样本，包括：印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构，分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明：一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果，三维卷积神经网络的识别结果与真实参考最为接近，对试验区各类岩性的区分识别效果最优，一维+二维卷积神经网络的识别效果次之，表明利用卷积神经网络引入高光谱图像空间信息，进行图-谱特征的联合挖掘，有利于提高影像的识别精度和实际应用效果。同时，一维卷积神经网络和一维+二维卷积神经网络的识别结果因航空高光谱影像拼接后的条带效应，影响了它们的实际应用效果，而三维卷积神经网络较好地克服了这种影响，表明其对于大面积航空影像处理具有相对较好的应用前景。

【年份】2024

【作者单位】核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室;北京智信遥感地理信息技术有限公司;

【期号】01

【页码】33-46