174 工程科学学报，第44卷，第2期 中，s为形状指数，1为对象块的边缘长度.矿物分布 3.2多尺度分割 具有丛集性，走向特征能标志矿物的分布情况.走向 本文多尺度分割流程（图5）如下： 特征选多个特征向量中，特征值较大的向量的方向 利用RF筛选特征，首先使用OOB检测某一 Single scale segmentation 棵决策树(L)的正确分类个数L(a),然后对OOB Calculate the variogram texture of each object block 中特征a进行扰动，再次检测L的正确分类个数 L(a),L(a)-L(a川为a对L的重要性，最后计算a对 Calculate the similarity of adjacent object blocks 所有决策树的重要性的平均值，即为α对整个森林 的重要性0.根据重要性排序，降低特征空间维度 No Is it similar 2.2.4精度评价 Yes 进行两次精度评价，一次通过OOB计算精度， Merging of the two regions 评价算法稳定性、并筛选树数：第二次通过野外实 地调查、采样、薄片鉴定得到矿物鉴定结果，用混 Calculate the GS value of the segmented image 淆矩阵评价矿物提取精度，分别统计制图精度 Is the extreme value reached No (Production accuracy,PA)、用户精度(User accuracy, UA)、总精度(Overall accuracy,OA)和Kappa系数 Yes Output multiscale segmentation results 3结果与分析 图5多尺度分割流程 3.1图像增强 Fig.5 Multiscale segmentation process 经过比值运算，目标矿物增强的同时其他光 (1)对目标矿物增强之后的影像进行单尺度 谱相似矿物的信息也增强了（图4）.(b12+b1o)/b11 分割.从左上角到右下角遍历影像，相邻像素灰度 同时增强了黑云母信息和中基性斜长石矿物信 距离小于0.002时合并两区域，循环遍历，直到达 息；(b+b7)b6增强了白云母及高岭土等黏土矿物 到尺度限制.分割尺度参数设为0.2，紧致度参数 信息，对伊利石、蒙脱石等亦有增强；(b6+bg)/bs+b) 设为0.5，形状参数设为0.1 增强了黑云母和角闪石信息，含绿泥石的变质岩 (2)遍历初分割之后的影像，计算各对象块的 也呈现高值特征；(b+bg)b增强了绿泥石信息，对 变差函数纹理，构造整体影像的变差函数矩阵 碳酸盐岩矿物也有较好的区分作用；b13/b12增强石 (3)遍历各对象块，计算当前对象块和相邻对 榴石信息的同时，突出了碱性长石族矿物；(b6+bg)bg 象块的纹理相似性，当两个纹理向量的卡方距离 可增强阳起石信息，也能突出黑云母、角闪石信 小于0.0003时，合并两对象块，修改矩阵标识.循 息.另外，由于不同岩性所含矿物成分百分比不 环执行，直到选定最优分割结果. 同，导致比值运算结果有较多不确定信息.但是， (4)计算每次合并之后的整体影像的GS值， 增强影像依然可为后续工作提供数据基础 记录GS值的变化趋势，输出GS值最小时的分割 结果 随着多尺度分割过程中合并次数增多，各分 割结果的GS值均呈现出最小值（图6）.黑云母、 白云母、角闪石、绿泥石、石榴石、阳起石分别经 过1次、5次、6次、4次、1次、2次合并，GS值最 小.GS值最小时的分割结果即为最优分割结 果（图7）.增强黑云母和石榴石信息时采用了ASTER 热红外波段影像，热红外波段分辨率较低，影像分 割收敛更快 3.3RF提取矿物 3.3.1样本选择 图4比值增强结果.(a)Bi:(b)Mus:(c)Am:(d)Chl:(e)Gt(f)Act Fig.4 Ratio enhancement results:(a)Bi;(b)Mus;(c)Am;(d)Chl: 根据野外调查和目视解译结果，选择目标矿 (e)Gt;(①Act 物对象作为样本集.6种矿物样本集如表3，随机中，s 为形状指数，l 为对象块的边缘长度. 矿物分布 具有丛集性，走向特征能标志矿物的分布情况. 走向 特征选多个特征向量中，特征值较大的向量的方向. 利用 RF 筛选特征，首先使用 OOB 检测某一 棵决策树（L）的正确分类个数 L（a），然后对 OOB 中特征 a 进行扰动，再次检测 L 的正确分类个数 L（a^），|L（a^）−L（a）|为 a 对 L 的重要性，最后计算 a 对 所有决策树的重要性的平均值，即为 a 对整个森林 的重要性[20] . 根据重要性排序，降低特征空间维度. 2.2.4    精度评价 进行两次精度评价，一次通过 OOB 计算精度， 评价算法稳定性、并筛选树数；第二次通过野外实 地调查、采样、薄片鉴定得到矿物鉴定结果，用混 淆矩阵评价矿物提取精度，分别统计制图精度 （Production accuracy，PA）、用户精度（User accuracy， UA）、总精度（Overall accuracy，OA）和 Kappa 系数. 3    结果与分析 3.1    图像增强 经过比值运算，目标矿物增强的同时其他光 谱相似矿物的信息也增强了（图 4）. (b12+b10)/b11 同时增强了黑云母信息和中基性斜长石矿物信 息；(b5+b7 )/b6 增强了白云母及高岭土等黏土矿物 信息，对伊利石、蒙脱石等亦有增强；(b6+b9 )/(b8+b7 ) 增强了黑云母和角闪石信息，含绿泥石的变质岩 也呈现高值特征；(b1+b9 )/b8 增强了绿泥石信息，对 碳酸盐岩矿物也有较好的区分作用；b13/b12 增强石 榴石信息的同时，突出了碱性长石族矿物；(b6+b9 )/b8 可增强阳起石信息，也能突出黑云母、角闪石信 息. 另外，由于不同岩性所含矿物成分百分比不 同，导致比值运算结果有较多不确定信息. 但是， 增强影像依然可为后续工作提供数据基础. (a) (b) (c) (d) (e) (f) 图 4    比值增强结果. （a）Bi；（b）Mus；（c）Am；（d）Chl；（e）Gt；（f）Act Fig.4     Ratio  enhancement  results:  (a)  Bi;  (b)  Mus;  (c)  Am;  (d)  Chl; (e) Gt; (f) Act 3.2    多尺度分割 本文多尺度分割流程（图 5）如下： Calculate the variogram texture of each object block Single scale segmentation Calculate the similarity of adjacent object blocks Is it similar Is the extreme value reached Output multiscale segmentation results No No Yes Yes Merging of the two regions Calculate the GS value of the segmented image 图 5    多尺度分割流程 Fig.5    Multiscale segmentation process （1）对目标矿物增强之后的影像进行单尺度 分割. 从左上角到右下角遍历影像，相邻像素灰度 距离小于 0.002 时合并两区域，循环遍历，直到达 到尺度限制. 分割尺度参数设为 0.2，紧致度参数 设为 0.5，形状参数设为 0.1. （2）遍历初分割之后的影像，计算各对象块的 变差函数纹理，构造整体影像的变差函数矩阵. （3）遍历各对象块，计算当前对象块和相邻对 象块的纹理相似性，当两个纹理向量的卡方距离 小于 0.0003 时，合并两对象块，修改矩阵标识. 循 环执行，直到选定最优分割结果. （4）计算每次合并之后的整体影像的 GS 值 ， 记录 GS 值的变化趋势，输出 GS 值最小时的分割 结果. 随着多尺度分割过程中合并次数增多，各分 割结果的 GS 值均呈现出最小值（图 6）. 黑云母、 白云母、角闪石、绿泥石、石榴石、阳起石分别经 过 1 次、5 次、6 次、4 次、1 次、2 次合并，GS 值最 小 . GS 值最小时的分割结果即为最优分割结 果（图 7）. 增强黑云母和石榴石信息时采用了 ASTER 热红外波段影像，热红外波段分辨率较低，影像分 割收敛更快[21] . 3.3    RF 提取矿物 3.3.1    样本选择 根据野外调查和目视解译结果，选择目标矿 物对象作为样本集. 6 种矿物样本集如表 3，随机 · 174 · 工程科学学报，第 44 卷，第 2 期