摘要
为了提高矿物识别的精度,利用高光谱遥感数据,运用线性光谱混合模型(LSMM)和优化的N-FINDR算法对Cuprite地区的AVIRIS和HYMAP数据进行端元提取,并进行矿物精细分类识别。实验表明:线性光谱混合模型易于操作,优化的端元提取算法优于传统交互式端元提取,可用于矿物成分的精细识别。
In order to improve the accuracy of mineral identification,use the Cuprite regional AVIRIS and HYMAP hyperspectral data to extract the mineral end members based on LSMM and a optimized N-FINDR algorithm,and accurately identify minerals.Experiments show that：Linear spectral mixture model is easy to operate,the optimized N-FINDR algorithm is superior to traditional interactive end member extraction method,recommend for fine identification of the mineral composition.
出处
《金属矿山》
CAS
北大核心
2012年第8期84-87,91,共5页
Metal Mine
基金
国家自然科学基金项目(编号:41071273)
高等学校博士学科点专项科研基金项目(编号:20090095110002)
中央高校基本科研业务费专项资金项目(编号:2010QNA21)
国土环境与灾害监测国家测绘局重点实验室开放基金项目(编号:LEDM2011B07)
江苏省高校优势学科建设工程项目(编号:SA1102)
关键词
高光谱遥感
矿物识别
线性光谱混合模型
端元提取
Hyperspectral remote sensing
Mineral identification
Linear spectral mixture model
End member extraction
作者简介
钱进（1986-），男，硕士研究生，221116江苏省徐州市泉山区。
