煤礦地質測繪|Quickbird-2影像精定位模式識別對新疆金礦預測的應用

【摘　要】　本文論述了模式識別在新疆伊吾北山地區遙感影像分類中的應用，根據不同地質體在不同波段上的光譜特征，在數學統計的基礎上建立鑒別函數，對礦區中的主要地物進行分類，在模式識別的基礎上進行密度分割，圈定了3個預測靶區，6個蝕變帶，給成礦預測提供了重要的基礎資料。
【關鍵詞】　模式識別 分類規則 鑒別函數 密度分割

　　1 引言
　　遙感技術是最近幾十年發展起來的新興科學技術。隨著空間科學技術的發展，各種資源、環境監測衛星的發射與運行，為研究地表動態變化提供了多時相、大范圍的實時信息，遙感技術不斷與地學、環境科學相互滲透，成為研究地球資源環境最有力的技術手段。遙感模式識別也為模式識別這一傳統學科帶來了新的問題與挑戰，注人了研究與探索的活力。
　　遙感數據是根據不同地物對不同波段電磁波的響應轉化為幅度獲得的，表征了不同地物。它具有以下特點：（1）各類地物的幅度不同；（2）同類地物各波段幅度不同；（3）有時同類地物在同一波段的幅度也不同，不同地物在同一波段幅度相同（即“同物異譜”和“異物同譜”，有環境、時相上的原因）；（4）遙感數據是一種高維信息，數據量十分巨大。因此，模式識別方法在遙感模式識別中遇到了許多困難：運算量太大，難以獲得合適的分類特征，無法獲知各類的先驗概率和概率分布函數的形式，難以形成復雜的判別函數和分割界面等等。所以模式識別雖然在找礦預測中有一定的應用，但尚未見對高分辨率衛星遙感影像的應用。
　　本文研究表明，通過模式識別技術，可以有效地從Quickbird-2獲得金礦找礦信息。由于Quickbird-2數據的高分辨率特征，從而使得模式識別的找礦預測區不僅具有定性，還具有精定位效果，更加有助于金礦資源勘探開發。本文擬對作者在這方面的研究情況作介紹。
　　2 研究區概況
　　北山金礦區大地構造位置處于西伯利亞板塊和布克——三塘湖晚古生代早期島弧東段。構造上處于淖毛湖早期石炭世陸相火山盆地的北部邊緣。礦區構造形式主要為斷裂，其中NW——NWW組最為突出，與區域構造線一致，表現為區域性的壓性斷裂和強烈的劈理化和片理化帶，嚴格控制著以閃長巖類為代表的巖漿巖帶的展布。其次為NE——NNE組、NNW組，三組斷裂奠定了本區構造的基本格局，其圍限三角區域控制礦區，礦區礦化和異常的展布。容礦斷裂走向復雜多樣，空間分布密集，且多顯示張剪復合性質。
　　礦區出露地層主要為下泥盆統卓木巴斯套組第二亞組（）、中酸性火山碎屑巖、第三系正常沉積巖和第四系。下泥盆統卓木巴斯套組第二亞組（）構成礦區主體地層，主要為（硅化）英安質凝灰巖、安山質凝灰巖和玄武質凝灰礫質結晶灰巖，整體上由西向東，由中性向中酸性過度。見圖1伊吾北山金礦區地質簡圖[1]。

圖1 伊吾北山金礦區地質[1]及遙感解譯簡圖

　　—第一系上新統葡萄溝組，橙黃色粉砂質泥巖；—下泥盆統卓木巴斯套組第二亞組硅化英安質凝灰巖；—下泥盆統卓木巴斯套組第二亞組英安質凝灰巖；—下泥盆統卓木巴斯套組第二亞組安質凝灰巖；—下泥盆統卓木巴斯套組第二亞組玄武質晶屑凝灰巖；—下泥盆統卓木巴斯套組第二亞組泥灰質結晶灰巖；—華力西中期第二侵入次花崗巖；—華力西中期第二侵入次石英閃長巖；—華力西中期第二侵入次閃長巖；—華力西中期第二侵入次閃長玢巖 βμ—輝綠玢巖；δμ—中性巖；συ—安山玢巖；—。斜長細晶巖；。q—石英脈；1—扭曲帶；2—遙感預測靶區；3—蝕變帶；4—遙感影象范圍；5—金礦帶編號；6—斷層。
　　區內巖漿巖巖石類型按產狀可分為兩大類：即中——深層侵入巖，淺成超淺成侵入巖。中——深成侵入巖，第一次侵入巖規模小，分布零星，以輝長巖、閃長巖為代表；第二次侵入巖規模較大，分布較廣，以石英閃長巖，花崗閃長巖為代表；第三次侵入巖規模較小，主要分布在區域東南部，以花崗巖為代表。淺成——超淺成侵入巖，以巖體規模小、出露零星為特點，巖石類型主要有輝綠（玢）巖、閃長玢巖、斜長細晶巖和花崗斑巖等，見圖1。
　　雖然前人的工作表明該區具有良好的找礦前景，但只是屬于基于1：5萬比例尺的找礦預測成果，而深入開展礦產地質詳查需要1：5000比例尺（甚至更大）的精定位地質資料。因此，僅憑已有地質資料無法對“九五” 期間提出的金礦蝕變帶開展進一步深入的詳查工作，也無法對外圍地區的找礦遠景作出預測評價。為盡快查明本區金礦產資源的分布，有必要采用更能夠適合于該區開展深入找礦的有效技術方法。但這里人煙稀少，氣候惡劣，在資金有限的情況下，開展任何面積性的礦產地質詳查工作都不是一件容易的事情。為此，決定采用21世紀初期最先進的高分辨率衛星遙感技術，通過模式識別，開展大比例尺精定位遙感找礦勘查。為下一步找礦提供依據。
　　3 遙感圖象分類的原理
　　遙感圖象分類（Classification）是將圖象的所有像元按其性質分為若干個類別的技術過程。多光譜遙感圖象分類是以每個像元的多光譜矢量數據為基礎進行的，如圖2，假設多光譜圖象由n個波段，則（i，j）位置的像元在每個波段上的灰度值可以構成一個矢量，X＝稱作維為像元的亮度值，包含X的n維空間稱為特征空間，這樣n個波段的多光譜圖象并可以用n維特征空間中的一點來表示。遙感圖象的分類問題，分類圖象中的某一類目標稱為模式，而把屬于該類中的像素稱為樣本，多光譜矢量X＝稱為樣本的觀測值。

　　如果將多光譜圖象上的每個像素用特征空間中的一點表示出來，這樣多光譜特征并和特征空間中的點集具有等價關系。通常情況下，同一類地面目標的光譜特性比較接近，因此在特征空間中的點聚集在該類的附近，多類目標在特征空間中形成多個點族。我們可以根據圖象的這種特征把遙感圖象分割開來。
　　4 圖像處理
　　4.1 分類數學模型—最近均值法[2]
　　新疆伊吾地區的分類可簡單的看作是二類問題：設類別一為ω1，類別一為ω2；ω1有N1個向量，ω2有N2個向量。它們都是n維向量。則n1及n2的向量的平均值為
　　　　　　
　　假定以向量的平均值及分別作為類一和類二的中心，設X為任一象素點若
　　　　　　　　則X屬于類一
　　　　　　　　則X屬于類二
　　因此判決邊界為
　　　　　　　　由此得
　　　　　　
　　判決函數則為
　　　　　　
　　判決規
　　若>0， 則X∈ω1；
　　若<0， 則X∈ω2
　　而=0的情況比較少，在分類的時候既可以把它歸為類別1，也可以歸為類別2。

[1]

[2]