基于深度学习的机载高光谱矿物非线性解混和丰度反演研究

Along with our country Airborne Hyperspectral mineral mapping development, we urgent need the data products which are applicable to geological survey and mineral exploration base on these massive hyperspectral data. Surface mineral abundance information of extracting based on hyperspectral technology is the key elements of these data products. For the surface mineral nonlinear mixed, sensor performance, light conditions, atmospheric conditions and many other factors, This project regards Airborne Hyperspectral Data as the research object, and nonlinear mixing spectral decomposition research as the main line, improving the mineral species and abundance of information accuracy as the goal, explore the establishment of hyperspectral mineral spectral unmixing deep leaning network model, put forward a deep learning framework for extracting hyperspectral mineral information. Improve our application of mineral mapping products by providing theoretical and technical support.

随着我国面积性机载高光谱矿物填图的逐步开展，迫切需要在这些海量高光谱数据基础上形成适用于地质调查、矿产勘查等地学应用的数据产品，其中基于高光谱技术反演的地表矿物信息是这些数据产品的关键要素，针对非线性混合、传感器性能、光照条件、大气条件等多种影响因素，项目将以机载高光谱数据为研究对象，以矿物光谱非线性混合光谱分解和矿物丰度反演研究为主线，以提高矿物信息准确度为目标，探索建立高光谱矿物光谱解混深度学习网络模型，提出一套基于深度学习框架的高光谱矿物信息提取方法，为提高我国矿物填图产品及其地学应用的综合效能提供理论和技术支撑。

地表岩石为多种矿物的紧致性混合，采用高光谱技术快速准确的识别矿物种类和丰度信息，能为地质环境调查、矿产资源勘查提供有力支撑，高光谱混合像元是制约矿物识别精度的主要因素之一，也是该领域研究的重点、难点问题。.申请人在本项目的支持下，采用近年来成功用于图像识别的深度学习神经网络理论方法，提出了基于深度学习的高光谱矿物识别框架，在以下几个方面取得了一定的成果：首先，在Hapke各向异性模型的基础上，提出了基于Hapke物理模型的多角度光谱数据增强方法，构建了主要蚀变矿物和造岩矿物的高光谱矿物标签数据集；其次，通过结合矿物先验知识，采用自编码神经网络的参数初始化、去掉偏置项、采用新的损失函数等方法，设计了针对矿物端元提取和丰度反演的神经网络结构。最后，将Hapke数据增强方法和矿物信息提取深度学习网络结合，提出了Hapke-ANN深度学习矿物丰度预测方法，并对两类数据进行了方法验证：（1）对实验室内实测矿物粉末数据进行了矿物端元提取和丰度预测，端元提取的光谱角误差平均为4.9%，矿物含量预测均方根误差平均为7.3%。与传统的方法对比，显示了良好的抗噪性能和精度。（2）采用CASI/SASI机载高光谱数据对我国甘肃柳园研究区开展了矿物丰度预测，经地面验证和样品室内化学分析，精度为84.774%。项目研究结果表明，与目前主流的端元提取算法和丰度估计方法比较，本项目的方法在矿物解混的端元提取和丰度估计的精度上有一定的提升。.在项目支持下，已经发表论文7篇，申请专利4项；培养了博士研究生2人，1人入选“北京市优秀青年人才”计划，开展了国内外交流，取得明显效果。研究成果进一步丰富了高光谱矿物识别理论和方法，尤其是在Hapke物理驱动模型和深度学习数据驱动模型的结合方面进行了一定的探索，能为地质环境、矿产资源的矿物信息监测、识别分类与定量评估提供更好的解决方案。