高光谱遥感地质测绘控制系统及方法与流程

本发明涉及资源探测，尤其涉及高光谱遥感地质测绘控制系统及方法。

背景技术：

1、资源探测技术领域是专注于使用高光谱成像技术来识别和评估地球表面和下面的物质组成的领域。在资源探测技术领域，科学家和工程师使用不同波长的光谱来探测和分析地球的表面，包括土壤、岩石、水体以及植被等。这些信息对于理解地质结构、寻找矿产资源、监测环境变化，以及规划城市和农业开发至关重要。

2、高光谱遥感地质勘测控制系统的主要目的是通过高光谱数据的分析和解释，精确地识别地表的矿物组成和地质结构，进而发现潜在的矿产资源。系统通过对大范围地表的高光谱数据进行捕获、处理和分析，可以提高地质勘测的效率和准确性，降低勘测成本，对于指导实地勘测、评估资源潜力具有重要的实用价值，还可以应用于环境监测、土地利用分类、灾害评估等多个领域，具有广泛的应用前景。

3、虽然现有技术在地质资源探测和评估方面已经展现出显著的成效，能够通过高光谱成像技术识别地球表面及其下的物质组成，但在实时数据校正、动态波段调整、局部对比度优化、能效管理及地质差异区识别的精确度和效率方面，现有技术面临着若干限制。在处理大规模高光谱数据时，数据的即时校正能力不足，无法充分利用实验室分析结果优化采集过程，导致数据偏差难实时纠正。此外，缺乏针对不同地质材料和环境条件自动调整的波段选择机制，限制了成像过程的适应性和灵活性。对于图像中细微地质特征的可识别性，传统的对比度增强方法未能有效突出关键信息，影响了地质结构的精确解读。在能源消耗方面，现有的高光谱采集过程未能实现优化，导致能耗较高且效率不佳。最后，对于复杂地质结构的快速准确识别，尤其是在划分地质差异区时，缺乏有效的光谱判别方法和深度分析工具，降低了勘探的精确性和效率。

技术实现思路

1、本发明的目的在于克服上述传统技术的不足之处，提供一种高光谱遥感地质测绘控制系统及方法。

2、本发明的目的是通过以下技术措施来达到的：

3、高光谱遥感地质勘测控制系统，所述系统包括地质样本分析模块、波段动态调整模块、局部对比度优化模块、策略应用模块、地质差异区判别模块、实时光谱校正模块、系统集成与控制模块。

4、所述地质样本分析模块基于采集到的地质样本，采用主成分分析算法和光谱特征分析方法，提取光谱特征，并应用化学成分量化分析方法和物理性质分析模型进行分析，生成特征分析数据；

5、所述波段动态调整模块基于特征分析数据，采用遗传算法和多目标优化方法，动态调整光谱成像设备的波段选择和曝光参数，匹配多种地质材料的光谱特性，生成调整后的采集参数；

6、所述局部对比度优化模块基于调整后的采集参数，采用局部自适应直方图均衡化算法和图像锐化方法，调整地质图像的局部对比度和清晰度，生成对比度优化图像；

7、所述策略应用模块基于对比度优化图像，采用模拟退火算法和功率管理策略，智能调整设备的功率输出和采集频率，生成节能采集计划；

8、所述地质差异区判别模块基于节能采集计划，采用支持向量机和随机森林算法，结合光谱差异度量方法，识别和区分地质差异区，生成地质差异区识别结果；

9、所述实时光谱校正模块基于地质差异区识别结果，采用自适应滤波算法和光谱校正模型，对实时采集的光谱数据进行校正，生成校正后的光谱数据；

10、所述系统集成与控制模块基于特征分析数据、调整后的采集参数、对比度优化图像、节能采集计划、地质差异区识别结果、校正后的光谱数据，通过数据融合算法和智能控制策略，管理和控制整个勘测任务的执行，自动化数据采集、处理和分析过程，生成系统操作结果。

11、本发明改进有，所述特征分析数据包括光谱特征值、化学成分比例、物理性质参数，所述调整后的采集参数包括选定的波段范围、曝光时间、采集频率，所述对比度优化图像包括地质图像中指定区域对比度的调整、图像细节的清晰化，以及整体视觉效果的优化，所述节能采集计划包括能耗预算、设备工作模式、采集作业时段，所述地质差异区识别结果包括地质差异区的标识、位置信息和光谱特性描述，所述校正后的光谱数据包括修正的光谱畸变、优化的信号对比度以及反映地质特性的映射范围，所述系统操作结果包括勘探任务完成结果、数据质量评估、能耗统计。

12、本发明改进有，所述地质样本分析模块包括特征提取子模块、化学分析子模块、物理分析子模块；

13、所述特征提取子模块基于采集到的地质样本，采用主成分分析算法计算样本数据的协方差矩阵，提取其中的特征值和特征向量，通过降维处理突出光谱信息，并对关键光谱特征进行分析和筛选，生成光谱主成分数据；

14、所述化学分析子模块基于光谱主成分数据，通过光谱的吸收特性，并与已知化学成分的标准对照分析，量化样本中化学元素的含量，生成化学成分分析数据；

15、所述物理分析子模块基于化学成分分析数据，利用多变量统计物理模型计算样本的密度、硬度物理特性，通过化学成分与物理性质的综合分析和评估，生成特征分析数据。

16、本发明改进有，所述波段动态调整模块包括参数优化子模块、波段选择子模块、曝光调整子模块；

17、所述参数优化子模块基于特征分析数据，应用遗传算法进行参数优化，包括种群初始化、适应度评估、选择、交叉、变异操作，进行波段和曝光时间参数的寻优和选择，生成优化参数集；

18、所述波段选择子模块基于优化参数集，基于地质样本特性进行光谱波段的识别和选择，评估波段对地质材料光谱特性的贡献度，生成选定波段数据；

19、所述曝光调整子模块基于选定波段数据，通过波段的光谱响应特性和地质材料的反射率，调整成像设备的曝光时间，捕获选定波段的光谱信息，生成调整后的采集参数。

20、本发明改进有，所述局部对比度优化模块包括直方图均衡子模块、光谱响应分析子模块、图像优化子模块；

21、所述直方图均衡子模块基于调整后的采集参数，利用局部自适应直方图均衡化算法，将图像分割成像素块，改善图像的局部对比度，生成局部优化图像；

22、所述光谱响应分析子模块基于局部优化图像，分析图像的光谱信号变化，通过判断对比度调整后的效果对光谱数据的影响，并保留地质特征的识别信息，生成光谱响应优化图像；

23、所述图像优化子模块基于光谱响应优化图像，应用图像锐化技术，调整图像边缘和纹理细节，突出地质结构的特征，生成对比度优化图像。

24、本发明改进有，所述策略应用模块包括能效分析子模块、调度策略子模块、参数调整子模块；

25、所述能效分析子模块基于对比度优化图像，采用能效分析方法，评估图像处理和数据采集过程中的能源消耗，分析多种操作设置下的能效比例，生成能效分析结果；

26、所述调度策略子模块基于能效分析结果，利用模拟退火算法优化采集任务的调度策略，通过随机搜索的方式，根据能耗选择匹配的任务调度方案，调整任务执行的顺序和时间，生成优化调度方案；

27、所述参数调整子模块基于优化调度方案，执行功率管理策略，动态调整设备的输出功率、采集频率和工作模式，根据当前采集任务和环境条件，动态优化能耗，生成节能采集计划。

28、本发明改进有，所述地质差异区判别模块包括差异度量子模块、机器学习分类子模块、地质数据可视化子模块；

29、所述差异度量子模块基于节能采集计划，利用光谱差异度量方法，计算多种地质样本间光谱反射率的标准差和均值差异，并应用统计分析技术，对采集到的光谱数据进行处理，识别地质差异特征，生成光谱差异特征；

30、所述机器学习分类子模块基于光谱差异特征，采用支持向量机和随机森林算法，进行特征选择、模型训练、交叉验证和模型优化，生成地质差异分类指标；

31、所述地质数据可视化子模块基于地质差异分类指标，应用数据可视化技术，进行信息的图形化展示，将地质差异数据转化为视觉信息，生成地质差异区识别结果。

32、本发明改进有，所述实时光谱校正模块包括回归分析子模块、结构分析子模块、数据校正子模；

33、所述回归分析子模块基于地质差异区识别结果，采用自适应滤波算法，去除实时采集光谱数据的背景噪声和异常值，使用回归分析模型评估光谱数据与地质特征之间的相关性，识别数据中的偏差源并计算校正系数，生成初始化校正参数；

34、所述结构分析子模块基于初始化校正参数，使用光谱校正模型分析光谱数据的结构特性，识别和调整光谱数据中的偏差，生成优化校正系数；

35、所述数据校正子模基于优化校正系数，使用动态调整校正曲线，匹配光谱数据特性，并消除已识别的偏差，优化数据质量，生成校正后的光谱数据。

36、本发明改进有，所述系统集成与控制模块包括数据整合子模块、任务管理子模块、操作反馈子模块；

37、所述数据整合子模块基于特征分析数据、调整后的采集参数、对比度优化图像、校正后的光谱数据，采用数据融合算法整合多种传感器和采样点的数据，生成综合光谱数据库；

38、所述任务管理子模块基于综合光谱数据库、节能采集计划、地质差异区识别结果，运用智能控制策略自动规划和调度地质勘测任务，包括分配任务优先级、调整勘测资源，以及计划勘测路径，生成勘测任务调度计划；

39、所述操作反馈子模块基于勘测任务调度计划，通过实时监控和性能评估，收集勘探过程中的反馈信息，利用反馈信息调整决策支持模型，并对勘探任务进行动态调整和优化，生成系统操作结果。

40、高光谱遥感地质勘测控制方法，所述高光谱遥感地质勘测控制方法基于上述高光谱遥感地质勘测控制系统执行，包括以下步骤：

41、s1：基于采集到的地质样本，通过应用主成分分析算法计算样本数据的协方差矩阵，提取特征值和特征向量，并使用光谱特征分析方法通过降维处理突出光谱信息，生成特征分析数据；

42、s2：基于所述特征分析数据，利用遗传算法进行参数优化，包括种群初始化、适应度评估、选择、交叉、变异操作，并应用多目标优化方法寻求多种目标之间的最优平衡，动态调整光谱成像设备的波段选择和曝光参数，生成调整后的采集参数；

43、s3：基于所述调整后的采集参数，采用局部自适应直方图均衡化算法，改善图像的局部对比度，通过将图像分割成像素块并对每块独立应用直方图均衡化，并使用图像锐化方法强化图像边缘和纹理细节，生成对比度优化图像；

44、s4：基于所述对比度优化图像，应用模拟退火算法，通过随机搜索生成根据能耗选择匹配的任务调度方案，并执行功率管理策略，动态调整设备的输出功率和采集频率，生成节能采集计划；

45、s5：基于所述节能采集计划，使用支持向量机构建超平面，将多种类别的数据进行分隔，并结合随机森林算法构建多个决策树进行集成学习，结合光谱差异度量方法计算标准差和均值差异，生成地质差异区识别结果；

46、s6：基于所述地质差异区识别结果，采用自适应滤波算法去除背景噪声和异常值，并利用光谱校正模型评估光谱数据与地质特征之间的相关性，并调整校正曲线，生成校正后的光谱数据；

47、s7：基于所述校正后的光谱数据，应用数据融合算法整合多种传感器和采样点的数据，并执行智能控制策略自动化规划和调度地质勘测任务，生成综合光谱数据库；

48、s8：基于所述综合光谱数据库，通过实时监控和性能评估收集勘探过程中的反馈信息，并利用反馈调整模型对勘探任务进行动态调整和优化，生成系统操作结果。

49、由于采用了上述技术方案，与现有技术相比，本发明的优点是：

50、地质样本分析模块的引入，结合主成分分析和光谱特征分析方法，为高光谱成像提供了精准的特征分析数据，基于数据的波段动态调整模块，通过遗传算法和多目标优化方法，能够实时调整成像参数，适应不同地质材料和环境条件，提高了成像的适应性和灵活性。局部对比度优化模块的局部自适应直方图均衡化算法和图像锐化技术的应用，进一步增强了图像中细微地质特征的可识别性，使地质结构的解读更加精准。策略应用模块采用的模拟退火算法和功率管理策略，以及节能采集计划的实施，优化了采集过程的能效，降低了能源消耗。地质差异区判别模块结合支持向量机和随机森林算法，提高了复杂地质结构的快速准确识别能力。实时光谱校正模块的自适应滤波算法和光谱校正模型，确保了采集数据的高质量和可靠性。系统集成与控制模块的智能控制策略，实现了勘探任务的自动化规划、调度和执行，提高了地质勘探的整体效率和数据处理能力。