基于近距高光谱数据的露天矿工作面矿石/废石无监督分类
计算机视觉与模式识别
2023-02-13 v1
摘要
矿物远程制图以及地表矿石与废石的判别是地质应用（如采矿）中的重要任务。借助地面近距高光谱传感器，此类任务已成为可能，这类传感器能以高空间与光谱分辨率远程测量环境的反射特性。然而，由于矿物与岩石类别间光谱吸收特征差异细微以及场景光照的变化性，露天矿工作面上矿物光谱的自主制图仍具挑战性。当没有标注数据可用于训练监督学习算法时，难度进一步增加。本文提出一种矿工作面光谱无监督制图的流程，借鉴了高光谱机器学习文献中若干近期进展。所提流程将无监督与自监督算法统一于一个系统，无需人工标注训练数据即可对矿工作面矿物进行制图。该流程使用一个包含矿物矿石martite（镜铁矿）与非矿化页岩的露天矿工作面高光谱图像数据集进行评估。结果表明，该组合系统生成的制图优于其组成算法，且利用一天中两个不同时刻获取的数据证明了其制图能力的一致性。
引用
@article{arxiv.2302.04936,
title = {Unsupervised ore/waste classification on open-cut mine faces using close-range hyperspectral data},
author = {Lloyd Windrim and Arman Melkumyan and Richard J. Murphy and Anna Chlingaryan and Raymond Leung},
journal= {arXiv preprint arXiv:2302.04936},
year = {2023}
}
备注
Manuscript has been accepted for publication in Geoscience Frontiers. Keywords: Hyperspectral imaging, remote sensing, mineral mapping, machine learning, convolutional neural networks, transfer learning, data augmentation, illumination invariance