簡單大氣校正的方法及基本的假設

Ⅰ 礦物識別方法和工作流程

目前，礦物識別制圖的方法是特徵譜帶識別和基於相似性測度的識別：①利用岩石礦物的特徵譜帶構造識別技術，該方法相對直觀，簡單可行，但是單一的特徵往往造成岩石礦物的錯誤識別，其精度難以達到工程化應用的需求，同時對成像光譜數據的信噪比、光譜重建的精度要求較高；②從岩石礦物光譜的整體特徵出發，與成像光譜視反射率數據進行整體匹配、擬合或構造模型進行分解，這也是目前研究的重點，能有效地避免因岩石礦物光譜漂移或光譜變異而造成的單個光譜特徵的不匹配，並能綜合利用弱的光譜信息，避免局部性特徵（如單一特徵構建的識別方法）造成識別的混淆，識別的精度高。

對於成像光譜上百個波段而言，數據量非常之大，尤其在目前無論是航空成像光譜數據，如AVIRIS、CASI、HyMap等，還是在軌的航天成像光譜數據，如Hyperion航帶都普遍比較窄，一般在3～10km，給大面積應用帶來很多不便，增加了大面積數據處理的難度，並使工作量在目前微機配置的條件下成倍增加。因此，無論是從岩石礦物光譜的局域特徵還是整體特徵開展對礦物的識別，在保證識別精度要求的條件下進行工程化的處理，必須探索新的技術流程。

在對成像光譜數據特徵與識別方法的比較研究中，結合工作實際以及進行工程化處理的初步要求，在確保識別精度的條件下，設計出標准資料庫光譜+光譜-特徵域轉換+礦物識別方法的技術流程。該流程的主要作用：

（1）直接開展蝕變礦物的識別與信息提取：在對試驗區岩石類型、構造、熱液活動以及礦產綜合研究的基礎之上，提煉與礦化關系密切的蝕變礦物，利用標准庫的光譜或野外實測光譜作為參考光譜。

（2）進行光譜域與特徵域的轉換，實現數據減維與數據壓縮，降低工作量，提高工作效率：成像光譜數據波段上百，不同的航帶寬度與記錄長度使單次處理的數據量達1Gbytes，中間過渡文件單航帶可達10Gbytes；在以前的處理中常常將航帶分割成較小的區域進行處理後再進行拼接，利用MNF技術可以將整個光譜域空間轉換到特徵域空間，消除原有光譜向量間各分量之間的相關性，從而去掉信息量較少雜訊較高的向量，使數據處理從成百的光譜域集中到去噪的特徵域中進行，減低數據量，縮短數據處理時間，提高數據處理的效率。

（3）特徵分離，增加不同礦物的可分性，提高礦物識別的精度：在成像光譜數據MNF變換並剔除雜訊波段的特徵域空間中，不同的波段被賦予了不同的物理或數學意義，地物的光譜特徵在特徵域發生分離，地物的細微特徵得到放大，增加了數據的可分性。

4.4.2.1 光譜特徵域轉換

光譜解析度的提高，一方面提高了數據的分類識別的精度以及應用能力，另一方面，增加了數據的容量，也使數據高冗餘高相關。有效的數據壓縮與特徵提取勢在必行。一般地，利用傳統的主成分變換進行相應的變化，衍生出一系列的成像光譜數據壓縮與特徵提取方法，如MNF變換（Kruse，1996；Green et al.，1998），NAPC（Lee et al.，1990）、分塊主成分變換（Jia et al.，1998）以及基於主成分的對應分析（Carr et al.，1999）等。空間自相關特徵提取（Warner et al.，1997）、子空間投影（Harsanyi et al.，1994）和高維數據二階特徵分析（Lee et al.，1993；Haertel et al.，1999）也得到相應的重視。利用非線形的小波、分形特徵（Qiu et al.，1999）也在研究之中。

主成分分析（PCA）是根據圖像的統計特徵確定變換矩陣對多維（多波段）圖像進行正交線性變換，使變換後新的組分圖像互不相關，並且把多個波段中有用信息盡可能地集中到少數幾個組分圖像中（圖4-4-1）。一般地，隨著主成分階次的提高，信噪比逐漸減小。但在波段較多時並不完全符合這一規律。

為改善主成分在高光譜維中的數據處理能力，相應地利用最大雜訊組分變換（MNF）的方法（甘甫平，2001；甘甫平等，2002～2003）。該方法是利用圖像的雜訊組分矩陣（Σ_NΣ^-1）的特徵向量對圖像進行變換，使按特徵值由大到小排序的變換分量所包含的雜訊成分逐漸減小，而圖像質量順次提高。Σ為圖像的總協方差矩陣，Σ_N為圖像雜訊的協方差矩陣。MNF相當於所有波段雜訊方差都相等時的主成分分析，因此可分為兩步實現，第一步先將圖像變換到一個新的坐標系統，使變換後圖像雜訊的協方差矩陣為單位陣；第二步再對變換後的圖像施行主成分變換。此改進的演算法稱為「雜訊調節主成分變換（NAPC）」。

對P波段的高光譜圖像

Z_i（x），i=1，2，…，p （4-4-1）

可以假設

Z（x）=S（x）+N（x） （4-4-2）

這里，Z^T（x）=｛Z₁（x），…，Z_p（x）｝，S（x）和N（x）分別為Z（x）中不相關的信息分量和雜訊分量。因此，

Cov｛Z（x）｝=∑=∑_S+∑_N （4-4-3）

∑_S和∑_N分別為S（x）和N（x）的協方差矩陣。因此，可以定義第i波段雜訊分量，

Var｛N_i（x）｝/Var｛Z_i（x）｝ （4-4-@4）

選擇線形轉換，MNF變換可以表示為

成像光譜岩礦識別方法技術研究和影響因素分析

在變換中，確保

成像光譜岩礦識別方法技術研究和影響因素分析

同時，為使雜訊與信息分離，S（x）分別與Z（x）和N（x）正交。

圖4-4-1 MNF變換的特徵值曲線

MNF有兩個重要的性質，一是對圖像的任何波段作比例擴展，變換結果不變；二是變換使圖像矢量、信息分量和加性雜訊分量互相垂直。乘性雜訊可通過對數變換轉換為加性雜訊。變換後可針對性地對各分量圖像進行去噪，或舍棄雜訊占優勢的分量。MNF變換的特徵值曲線如圖4-4-1。

4.4.2.2 特徵分離

在MNF變換後的特徵域中不同波段具有不同物理與數學意義。比如變換後的第1波段表示地物的亮度信息，第7 波段或第8 波段表示地形信息。在MNF變換中，通過信號與雜訊分離，使信息更加集中於有限的特徵集中，一些微弱信息則在去噪轉化中被增強。同時在MNF轉換過程中，使光譜特徵向量集匯聚，增強分類信息。

圖4-4-2是一些礦物光譜通過MNF變換前後的曲線剖面圖，從右圖可見信息與雜訊分別有序地集中在一些有限的波段內。通過舍棄雜訊波段或其他處理，相應地降低或消除雜訊的影響。同時信息也比原始數據更易區分。

4.4.2.3 礦物識別

礦物識別主要選用光譜相似性測度的方法。基於整個譜形特徵的相似性概率的大小，能有效地避免因岩石礦物光譜漂移或光譜變異而造成的單個光譜特徵的不匹配，並能綜合利用弱的光譜信息。

圖4-4-2 礦物光譜MNF變換前後特徵比較

基於整個光譜形特徵的識別方法主要有光譜角技術、光譜匹配濾波、光譜擬合與線形分解等。利用大氣校正後的重建光譜數據，可選擇性地利用上述礦物識別技術開展端元礦物的識別。光譜角方法可直接選擇端元礦物進行匹配，最終生成二值圖像，簡單易行，在閾值合理可靠的前提下能夠獲取較高的識別精度。

在成像光譜岩礦地質信息識別與提取方法中，光譜角技術是一種較好的方法之一（王志剛，1993；劉慶生，1999）。光譜角識別方法是在由光譜組成的多維光譜矢量空間，利用一個岩礦矢量的角度測度函數（θ）求解岩礦參考光譜端元矢量（r）與圖像像元光譜矢量（t）的相似性測度，即：

成像光譜岩礦識別方法技術研究和影響因素分析

這里，‖*‖為光譜向量的模。參考端元光譜可來自實驗室、野外測量或已知類別的圖像像元光譜。θ介於0到π/2，其值愈小，二者相似度愈高，識別與提取的信息愈可靠。通過合理的閾值選擇，獲取礦化蝕變信息的二值圖像。

4.4.2.4 閾值的選擇與航帶間信息的銜接

無論是光譜角技術還是光譜匹配以及混合光譜分解，都存在對非礦物信息的分割，因此閾值的選擇是一個必須面臨的重要問題。這不僅關繫到所識別礦物的可靠度，也關繫到礦物分布范圍大小的界定。同時由於是分航帶提取，不同航帶間因大氣校正的誤差和雜訊的影響而使同一地物的光譜特徵存在差異，可能使所提取的礦物空間展布特徵在航帶之間所有診斷和一致性，增加了制圖的困難。因此對於閾值的選擇，需遵循以下原則：在去除明顯假象信息、保留可靠的礦化蝕變信息情況下考慮整體的一致性以及航帶的過渡性。

4.4.2.5 技術流程

結合成像光譜數據預處理，根據實際應用情況，可以總結出成像光譜遙感地質調查工作的技術流程，如圖443所示。

Ⅱ 對吐哈盆地相鄰兩幅遙感圖像的輻射匹配

在以研究吐哈盆地地浸砂岩型鈾礦成礦規律為前提的遙感圖像處理過程中，為了獲得更大范圍的地面影像，通常需要將多幅圖像拼接成一幅影像圖以達到整體呈現研究區的目的。這就涉及遙感圖像的數字鑲嵌操作問題。但由於時間的差異，太陽光強及大氣狀態的變化，或者遙感器本身的不穩定，致使獲取的不同圖像上的對比度及亮度值會有差異，因而有必要對圖像之間進行輻射匹配。這樣不僅可均衡化鑲嵌後輸出圖像的亮度值和對比度，提高視覺效果；而且有助於對研究區域中的指數進行一致性評價，對整個區域砂岩型鈾礦的成礦分析具有重要意義。

本次研究選取了位於盆地內的相鄰兩幅同為1～7個波段的ETM139-30和ETM140-30遙感圖像為例。經過各自必要的大氣矯正之後，在ERDAS IMAGINE8.4 的支持下，先對兩幅圖像運用常見的輻射匹配方法進行匹配處理。同時為了降低匹配時存在的人為誤差，又提出了一種新的輻射匹配方法——多樣本均值法。最後，通過對各方法匹配結果的比較，要選取出一種最為適當的方法以用於對整個盆地的輻射匹配處理，從而為後期吐哈盆地的深入研究做好基礎。

一、常見的輻射匹配方法及比較

相鄰遙感圖像間輻射匹配的方法一般都是以圖像的重疊區域為基礎，通過各種平滑過渡來消除輻射上的差異。目前常見的有：基於相鄰圖像直方圖、基於相鄰圖像方差、均值等的輻射匹配方法。

（一）直方圖匹配法

遙感數字圖像是由一系列依次排列的像元組成的一個數字矩陣，對於一幅圖像可以計算其像元灰度等級的分布狀態。數字圖像的灰度編碼是從0，1，……，2^N-1，每一個灰度等級都可統計出整幅圖像中出現的該灰度值的像元個數m_i，如果整幅圖的像元總數為M，則某一灰度值的概率為P_i=m_i/M，將2^N個P值繪制出的統計圖稱為圖像的直方圖，這種直方圖隨圖像的改變而改變。眾所周知，圖像的直方圖反映圖像的統計特性，它表達了圖像中取不同灰度值或像素數在整幅圖像中所佔的比例，通過直方圖我們可以求出一幅圖像中所含的信息量。而所謂圖像的直方圖匹配法就正是利用影像的灰度直方圖能客觀地反映出一幅影像的灰度分布，相鄰影像的重疊區域的灰度直方圖在理想條件下應是一致的特點，通過轉換一幅圖像的直方圖，使其和另一幅圖像的形狀相似，進而使圖像間的輻射差異縮小，最終達到輻射匹配的目的。

圖2-9-7 吐哈盆地兩幅ETM 遙感圖像（ETM741）

其中，利用重疊區對應像元各波段直方圖的均值差來進行相鄰圖像的輻射匹配，可視為一種簡便的直方圖匹配方法：首先將兩幅圖像重疊區對應各波段的均值相減，得到波段的均值差；再將其中的一幅圖像作為參照圖，另一幅圖則以參照圖的均值大小為基準，每個波段相應的加減均值差，使被調整圖像的均值與參照圖的相一致，從而實現兩幅圖像間的輻射匹配。下面是所選取的相鄰兩幅分別經過大氣校正的吐哈盆地ETM遙感圖像，目視其輻射差異較大（圖2-9-7）：左邊的是圖像色調較為鮮艷明亮的ETM140-30，右邊的是色調較為灰暗低沉的ETM139-30。此時以左圖作為參照圖，運用直方圖加減均值差的匹配方法調整圖像間明顯存在的輻射差異，得到匹配後色調變得較為一致的圖像（圖2-9-8）。

圖2-9-8 利用直方圖匹配法匹配後的遙感圖像（ETM741）

另外，還有一種直方圖匹配方法是：在圖像重疊區域的兩個直方圖上分別選取出幾個對應的頻率像元所表示的灰度值並且讀出灰度值對應的點；然後利用分段拉伸功能，把一圖像上選出的灰度值對應點拉伸到與相應的參照圖像一致後，中間的灰度值按比例內插。經過這樣處理兩幅圖像上的輻射就基本一致了。但此法有一定的局限性：當相鄰圖像輻射差異不太大時，即重疊區域的直方圖形狀相近時，直接採用其進行調整，有計算量小、效果較好的優點；但當兩幅圖像間的輻射差異較大時（圖2-9-7），就不宜採用。圖像間的輻射差異一旦變大，重疊區的相同地物灰度值和其直方圖整體趨勢的變化也就相應提高，這時要想准確選取同一地物對應的灰度值點對，進行分段拉伸就變得困難。所以在對兩幅吐哈盆地的遙感圖像進行輻射匹配處理時，沒有選用這種方法。

比較以上兩種直方圖匹配方法，它們各具優缺點：①就操作處理而言，前者要比後者顯得簡便容易。因為它僅僅是利用均值差的加減來達到匹配的目的；而後者不僅要選取對應的灰度值點對，還要進行分段拉伸及內插，操作起來繁瑣些。②就運用效果而言，當圖像的輻射差異不太大時，選用後者進行比較細膩的對比性調整，其匹配效果——特別是在一些細節的匹配上，要比前者來得理想。鑒於均值是描述各波段中心趨勢的值，所以當輻射差異較大時，利用它實現圖像整體輻射的大幅度調整，不僅可避免在選取灰度值點對不當時造成的誤差，又可減少計算量，加快處理速度。

（二）方差均值法

方差均值法也是一種常見的圖像輻射匹配方法：設要進行匹配的相鄰兩幅圖像為f（x，y）和g（x，y），x和y是圖像上每個像元的行列坐標，希望把f（x，y）圖像的輻射調整到與g（x，y）圖像一致。又設a（x，y）是f（x，y）圖像相對於g（x，y）圖像的增益變化，β（x，y）是f（x，y）圖像相對於g（x，y）圖像的零線漂移量。為了使問題簡化，假設衛星成像系統在同一幅圖像成像時a（x，y）和β（x，y）變化很小，即圖像中的a和β都是一個常數。於是預使f（x，y）圖像的輻射調整到與g（x，y）圖像一致，就可歸結為求a和β。也就是使泛函數：

I=∬［af（x，y）+β-g（x，y）］²dxdy （2-9-1）

為最小，根據最小二乘法求極值的原理，也就是使：

中國西部中亞型造山帶中新生代陸內造山過程與砂岩型鈾礦成礦作用

中國西部中亞型造山帶中新生代陸內造山過程與砂岩型鈾礦成礦作用

整理得到：

β=M_g-aM_f （2-9-4）

式中

中國西部中亞型造山帶中新生代陸內造山過程與砂岩型鈾礦成礦作用

S是圖像面積。

由均值的定義可知，M_g和M_f正好是圖像灰度的均值。再將（2-9-4）代入（2-9-3）式，整理後得：

中國西部中亞型造山帶中新生代陸內造山過程與砂岩型鈾礦成礦作用

式中：

代表相鄰兩幅圖像的協方差；

代表圖像f（x，y）的方差。

a值求出後，把它代入（2-9-4）式即可求出β值：

中國西部中亞型造山帶中新生代陸內造山過程與砂岩型鈾礦成礦作用

a和β的值確定後，就意味著被調整的f（x，y）圖像與相鄰g（x，y）圖像的輻射較為一致了，或者說相鄰兩幅圖像的輻射差異達到了最小。

觀察方差均值法的原理，我們不難發現它與加減均值差的直方圖匹配方法非常相似，即都利用到了圖像各波段的中心趨勢值——均值（M_g，M_f）進行匹配處理；不同之處則在於它還考慮到了圖像的方差（

）和圖像間的協方差（

）。它是在進一步認識圖像內部統計特徵和圖像間相關程度的基礎上進行的。就相似之處而言，方差均值也可視為是另一種形式的直方圖匹配法。

由於帶入了一個系數——

，這使得圖像在進行輻射匹配時隨著系數的大小變化，調整幅度會有相應的改變，不再是單純的均值相減。下面同樣以圖2-9-7為例，將其中的左圖作為參照圖像g（x，y），右圖則作為待匹配的f（x，y）圖像，運用方差均值法原理進行圖像的輻射匹配，也得到了匹配後色調明顯變得較為一致的圖像——圖2-9-9，實現了圖像間的輻射匹配。

（三）幾點結論

經過對上述不同輻射匹配方法的原理認識及運用，在此得出了幾點在處理過程中需遵循的結論，以便達到較好的匹配效果：

圖2-9-9 利用方差均值法匹配後的遙感圖像（ETM741）

1）匹配前都首先要在相鄰圖像上選擇一個共同的區域——重疊區，然後利用該區域內同名地物的灰度值來建立輻射匹配方程。為了使方程更具代表性和普遍性且適用於整幅待匹配的圖像，要盡可能大地選擇重疊區。所以說區域選擇的大小是非常重要的一點，它會影響最後的匹配結果。

2）選擇有代表性的區域用於輻射匹配也是很重要的。在遙感圖像上有時會有雲或各種雜訊，在選擇匹配區域時要盡量避開這些區域，否則會對匹配方程產生影響，從而降低輻射匹配的精度。要想選擇有代表性的區域、建立准確的輻射匹配方程，應認真仔細地分析對比相鄰兩圖像公共區域的圖像質量和特點，然後採用不規則的多邊形（而不是簡單的矩形）來界定用於建立匹配方程的圖像區域。這樣既可避開雲、雜訊，又可獲得盡可能大的、有代表性的圖像匹配區域。

3）對圖像輻射匹配時，首先必須要以一幅圖像為基準，將其視為參照圖像；然後運用上述方法建立匹配方程，對另一幅圖像的整個區域進行輻射變換。文章在以圖2-9-7為例，不論使用以上哪種方法對其進行輻射的匹配處理時，均遵循著上述要求（圖2-9-10）：使用多邊形來靈活地確定要截取的重疊區域邊界，並盡可能大的選取重疊區域；選取時盡量避開圖像上雲的雜訊干擾；匹配前也確定了參照和待匹配的圖像。同時，為了比較不同方法的匹配效果，處理時截取的重疊區和確定的參照圖都是固定的。

二、多樣本均值輻射匹配方法

以上所提到的輻射匹配方法都是在以截取一個重疊區樣本的前提下進行的。由於在選取樣本時存在所不可避免的人為因素（例如重疊區的選取及其大小的不同），有時對單個樣本的選取並不十分恰當，這就會造成因此得來的匹配方程存在著弊端，致使最後的匹配結果不理想。

為了降低選取樣本時人為因素的影響和圖像間截取區域的重疊率大小所造成的同一地物位置配准誤差的影響，在此提出一種新的、較可行的輻射匹配方法——多樣本均值法。這種方法以選取的多個重疊區樣本作為匹配研究對象，通過對樣本的回歸分析，建立了圖像間更具普遍代表性的回歸匹配方程。

同樣以圖2-9-7為例，運用其進行輻射匹配的具體步驟如下：

圖2-9-10 匹配示意圖（ETM741）

（1）確定截取的最佳像元數

在以一個像元為誤差的幾何配准前提下，計算截取不同重疊區域時相鄰圖像間的像元重疊率（如表2-9-2所示），並選取適當的像元數，以期將由重疊率造成的位置配准誤差降至最小。在此選用96%的像元數——44×44，按地物類別分類截取多個重疊區樣本，這樣做有助於各樣本內部的輻射統一。

表2-9-2 像元重疊率計算

（2）利用回歸分析，建立匹配方程，進行輻射匹配

回歸一詞最早是由英國遺傳學家弗朗西斯·哥爾頓（F.Golton）在研究成人子女的身高與其父母平均身高的關系時所採用的詞彙，現在則是一種藉助於數學表達式（即回歸方程）來分析研究變數間數量關系的方法。根據變數之間的相互關系來模擬的回歸方程具有嚴密的數學邏輯，從而能准確地反映出變數之間的關系。基於以上特性，利用兩幅圖中截取的多個重疊區樣本對應各波段的均值來做回歸分析，分別建立了7個波段的均值匹配方程（表2-9-3），反映出圖像間對應波段的相互關系。

表2-9-3 各波段匹配方程

按照匹配方程所反映出的圖像間均值關系建立匹配模型，得到輻射匹配後的圖像（圖2-9-11）。

圖2-9-11 利用多樣本均值法匹配後的遙感圖像（ETM741）

三、對三種輻射匹配方法的匹配結果進行定量性驗證比較

圖2-9-8（直方圖匹配法）、圖2-9-9（方差均值法）、圖2-9-11（多樣本均值法）依次為應用不同的輻射匹配方法所得到的三幅匹配效果圖。單從匹配後的圖像上觀察，兩圖像間的色調變得較為統一，輻射差異確實是變小了，實現了圖像間的輻射匹配。但究竟是哪一種方法的匹配效果最好，還要通過下面定量性的驗證比較。

（一）相關性對比

表2-9-4清楚地顯示出運用不同的匹配方法，匹配之後的圖像與參照圖之間對應波段的相關性。經比較，運用多樣本均值的輻射匹配方法，其匹配結果表明圖像間具有較高的相關性；運用方差均值法，匹配之後圖像間的相關性則低於前者，但高於後者——直方圖匹配法。

表2-9-4 兩圖像間對應各波段的相關系數

（二）匹配結果的統計特徵對比

隨機地在分別用三種匹配方法匹配好的兩圖像重疊區域內各選取20個相同的樣本區，通過對各樣本均值和標准差的觀察來定量地比較不同方法的匹配結果（見文後附表）。

1.均值比較（Mean）

在隨機所選取的20個樣本區中：有17個樣本區在應用多樣本均值的輻射匹配方法時，7個波段的均值誤差整體相比為最小；有16個樣本區在應用方差均值的輻射匹配方法時，7個波段的均值誤差整體相比是次之較小的；而有16個樣本區在應用直方圖匹配方法時，7個波段的均值誤差整體相比是三種方法中最大的。

2.標准差比較（Std Dev.）

同樣參照附表，我們對三種匹配結果的標准差誤差進行比較：在隨機所選取的20個樣本區中，有19個樣本區在應用多樣本均值的輻射匹配方法時，7個波段的標准差誤差整體相比為最小；有20個（即全體）樣本區在應用方差均值的輻射匹配方法時，7個波段的標准差誤差整體相比是次之較小的；而在應用直方圖匹配方法時，有20個（即全體）樣本區的標准差誤差整體相比是三種方法中最大的。

表2-9-5 誤差對比表

由此可見（如表2-9-5所示），無論是在均值上，還是在標准差上，應用多樣本均值的輻射匹配方法，能極大地縮小與參照圖間的均值匹配誤差和標准差匹配誤差，使已匹配圖與參照圖的統計特徵變得最為接近，從而獲得比運用其他兩種方法更為理想的輻射匹配結果；應用方差均值的輻射匹配方法，其匹配結果與參照圖的統計特徵接近程度就較為次之；而應用直方圖匹配方法，其匹配結果與參照圖間的統計特徵誤差是三種方法中最大的。

表2-9-5說明了在盡量縮小匹配圖像間統計特徵誤差方面，多樣本均值法佔有很大的優勢，它可使圖像在大體上（約90%）的統計特徵變得與參照圖最為接近；而在相同大體上（約90%），方差均值法使圖像間的統計特徵變得較為接近，直方圖匹配法使圖像間的統計特徵接近程度則不及前兩種方法。

通過對三種匹配結果的定量性驗證比較得出：多樣本均值的輻射匹配是繼直方圖匹配和方差均值法之後的另一種可行的、極具優勢的輻射匹配方法。用它來進行圖像間的匹配處理，經證明能達到頗為理想的匹配效果。另外，當圖像間重疊區的雜訊較多時，匹配時採用選取多個小范圍樣本的方式——多樣本，能更為靈活的避開雜訊的干擾，建立出適當的匹配方程。

四、結束語

利用遙感技術進行地質分析與成礦找礦勘探是目前一種方便、高效的技術方法，值得選用，但之前要對圖像間實行輻射匹配，這是必不可少的一步。

在對吐哈盆地遙感圖像的研究處理過程中，經驗證比較，我們選用多樣本均值的輻射匹配方法，可獲得更加理想的匹配結果。這為後期盆地內地浸砂岩型鈾礦成礦規律的准確分析評估提供了堅實的基礎。

參考文獻

吳伯林，徐高中，李衛紅，龔斌利，張復新.2004.吐哈盆地地浸砂岩型鈾礦成礦條件與盆地動力學演化.地質論評，14（3）：9～18

邵磊，杜裴，Kstattegger.2001.從砂岩成分探討吐哈盆地構造演化.地質論評，17（1）：19～26

章孝燦等.1997.遙感數字圖像處理.杭州：浙江大學出版社，91～95

湯國安，張友順，劉詠梅等.2004.遙感數字圖像處理.北京：科學出版社，125～126

趙英時等.2004.遙感應用分析原理與方法.北京：科學出版社，181～182

戴昌達，姜小光，唐伶俐.2004.遙感圖像應用處理與分析.北京：清華大學出版社，139～140

朱禎璽，趙振倫.1991.回歸分析和相關分析.大連：東北財經大學出版社，78～79

（劉蓉蓉，黃美化，李社，林子瑜，管太陽）