[发明专利]一种基于变分自编码矿物信息定量分析方法

说明书

本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法，包括以下步骤：步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；步骤四：构建变分自编码神经网络；步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值。

技术领域

本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法。

背景技术

大量观测地球系统的高光谱数据已经变得可用，这些数据来自于多平台传感器，包括从地球上几米-几百米的地面光谱仪、无人机高光谱测量系统到几千米-几百公里的航空及卫星遥感系统，我国高五卫星的成功发射也推动了高光谱可用数据的进一步扩展。矿物填图是高光谱技术最成功的,也是最能发挥其优势的应用领域。在地质调查、矿产勘查和行星探测中，存在许多复杂地质应用场景，一个关键的挑战是从这些复杂地质背景的高光谱数据中定量反演矿物信息。

限于目前的卫星高光谱分辨率和地质场景中矿物的紧致、非线性混合，混合光谱分解是高光谱矿物定量分析的重要方法。为此，需要提出一种基于变分深度自编码的矿物混合光谱定量分析方法，实现对地表矿物定量信息的获取，及提升高光谱遥感地质应用定量化研究的意义。

发明内容

本发明针对上述现有技术的不足，提供一种基于变分自编码矿物信息定量分析方法，用于解决原有技术中高光谱数据处理定量反演矿物信息较弱的技术问题，确定地表岩石土壤矿物含量技术问题。

本发明的技术方案：

一种基于变分自编码矿物信息定量分析方法，包括以下步骤：

步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；

步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；所述五层全连接神经网络，包括：全连接神经网络输入层、全连接神经网络第一隐含层、全连接神经网络第二隐含层、全连接神经网络第三隐含层和全连接神经网络输出层；

步骤2.1：计算每条训练样本光谱对应的全连接神经网络第一隐含层特征；

步骤2.2：计算全连接神经网络第二隐含层特征；

步骤2.3：计算每个训练样本光谱对应的全连接神经网络重构样本光谱；

步骤2.4：构建全连接神经网络的损失函数；

步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；

步骤四：构建变分自编码神经网络；变分自编码神经网络包括：变分自编码神经网络输入层、变分自编码神经网络第一隐含层、变分自编码神经网络特征层、变分自编码神经网络第二隐含层和变分自编码神经网络输出层；

步骤4.1：计算步骤一中每条训练样本光谱对应特征的均值；

步骤4.2：计算步骤一中每条训练样本光谱对应特征的标准差；

步骤4.3：计算步骤一中每条训练样本光谱对应的特征值；

步骤4.4：计算步骤一中每条训练样本光谱对应的重构样本光谱；

步骤4.5：构建变分自编码神经网络的损失函数；

步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值；