基于多尺度分析和機器學習的遙感影像找礦預測及填圖方法研究

　　信息眾多、礦化線索微弱地區(qū)的遙感地質信息的提取，掩膜去除干擾的方法會丟失很多影像的原始信息，無法保證提取結果的準確性；3）基于單一尺度的分析方法不能有效提取礦物異常分布的多分辨率特征，無法精確描述礦物的富集和貧化規(guī)律；4）熱液蝕變的間歇性和多期次性引起的光譜信息疊加問題及巖性風化引起的紋理不確定性，導致巖性識別的精度降低。上述問題成為大規(guī)模遙感地質應用的瓶頸。本文在野外地質調查、薄片鑒定的輔助下，以多尺度分析方法、面向對象提取技術、機器學習和深度特征分解為主線，進行了蝕變礦物的區(qū)域特征及深度特征提取方法、巖性智能化分類及填圖方法研究。

　　唐淑蘭，女，博士學歷，西安財經大學講師。主要研究領域是模式識別、遙感影像處理。曾發(fā)表過的主要作品包括：1.Deposit location identification based on feature decomposition of high-resolution remote sensing images. 2021.IEEE Access （SCI） 2.結合PCA、多尺度分割及SVM的ASTER遙感蝕變信息提取.2021.遙感學報（EI） 3.結合小波包變換和隨機森林的ASTER蝕變信息提?。?021.地質學報（EI） 4.結合多尺度分割和隨機森林的變質礦物提取[J].2021.工程科學學報（EI） 5.哈密沁城地區(qū)紅柳溝組流紋巖LA-ICP-MS鋯石U-Pb年代學及地質意義. 2015.新疆地質（CSCD）