论文部分内容阅读
特征提取的实质是从大量的原始数据中抽取出最能描述该模式的少量特征,是有效克服“维数灾难”问题的预处理方法。光谱特征提取的目的是从原始光谱数据中,提取那些有用的、能有效跟其他数据区分开来的信息,从而实现光谱识别研究。以前人们只能由傅里叶变换研究和分析信号在频率域或者时间域上的特征,却不能得到某一具体时刻附近的频率特征。由于岩心高光谱信号具有多变性的特点,利用傅里叶变换来处理有很大的局限性。这些年来,小波变换日趋成熟,它的使用,使信号分析实现了时频局部化。对信号进行小波分解和重构,然后在频域处理和加工信息,已成为一种特征提取的重要方式。利用小波变换能更好地从光谱数据中提取出有用特征,可见小波方法已然成为光谱数据分析及实际应用的有效的重要数学工具。本文的主要任务是,利用小波变换技术对岩心高光谱进行处理,目的是提取其中有用的信息特征。本文意在把小波分析技术应用于岩心高光谱的特征提取,从而寻找一种能够方便的对数据进行处理和分析的方法,并确保这种方法是可行的。以鸡冠咀铜金矿区为研究区,结合研究区的实际情况,采用小波分解,选出合适的小波系数作为矿物光谱匹配的特征,本文采用三种小波特征的表示方法:低频、高频系数的均值、绝对均值以及各尺度小波系数能量值。本文对主成分分析的适用性进行分析,同时使用基于波形的特征提取方法对研究区进行处理,提取研究区岩心高光谱的特征。光谱匹配是根据两个光谱曲线的相似程度来达到识别地物的归属类别的目的。对于原始光谱的数据量特别大的情况,传统的光谱匹配方法并不适用。因为离散出来的反射率数据特别多时,运算的时间复杂性和空间复杂性都会大大增加。这时候,我们就尝试对鸡冠咀铜金矿区的岩心高光谱数据进行特征提取,这里的特征是指采用小波方法提取出的特征,然后对这些特征向量进行模式识别。进行矿物特征向量匹配时,主要采用两种方法:特征向量的夹角与特征向量的欧氏距离。最终得到匹配效果的好坏,并得知哪种小波特征的表示方式更好。总之,本文选取小波分析的方法来对岩心高光谱数据进行特征提取从而进行矿物光谱的特征匹配,以便进一步对地物特征进行分析,目的是识别矿物类型。