基于多尺度分析和机器学习的遥感影像找矿预测及填图方法研究

　　信息众多、矿化线索微弱地区的遥感地质信息的提取，掩膜去除干扰的方法会丢失很多影像的原始信息，无法保证提取结果的准确性；3）基于单一尺度的分析方法不能有效提取矿物异常分布的多分辨率特征，无法精确描述矿物的富集和贫化规律；4）热液蚀变的间歇性和多期次性引起的光谱信息叠加问题及岩性风化引起的纹理不确定性，导致岩性识别的精度降低。上述问题成为大规模遥感地质应用的瓶颈。本文在野外地质调查、薄片鉴定的辅助下，以多尺度分析方法、面向对象提取技术、机器学习和深度特征分解为主线，进行了蚀变矿物的区域特征及深度特征提取方法、岩性智能化分类及填图方法研究。

　　唐淑兰，女，博士学历，西安财经大学讲师。主要研究领域是模式识别、遥感影像处理。曾发表过的主要作品包括：1.Deposit location identification based on feature decomposition of high-resolution remote sensing images. 2021.IEEE Access （SCI） 2.结合PCA、多尺度分割及SVM的ASTER遥感蚀变信息提取.2021.遥感学报（EI） 3.结合小波包变换和随机森林的ASTER蚀变信息提取．2021.地质学报（EI） 4.结合多尺度分割和随机森林的变质矿物提取[J].2021.工程科学学报（EI） 5.哈密沁城地区红柳沟组流纹岩LA-ICP-MS锆石U-Pb年代学及地质意义. 2015.新疆地质（CSCD）

暂缺《基于多尺度分析和机器学习的遥感影像找矿预测及填图方法研究》目录