式中：F（t）为含噪声信息的高光谱影像；f（ti）为纯净的信息，ti＝i/n；η为噪声级别；zi为噪声。对原始影像F（t）进行小波变换分解，得到：高光谱遥感影像信息提取技术 式中：Di（F）代表混合光谱系数；Di（f）代表纯净光谱系数；Di（z）代表噪声系数。
而对于基于小波包变换的高光谱影像地物光谱特征提取与目标识别，相关研究更少。根据高光谱数据的特点和目标识别提取的需要，本章在比较选择基本小波、确定边界处理方法、分解层数、小波包变换的实现等方面进行了分解。
阈值的确定很难把握，而阈值的大小又直接影响到分类和目标识别结果，难以保证分类和目标识别的精度；若采用神经网络分类法，由于所采用数据是高光谱数据，波段数多，进行小波包变换运算的速度已经不容乐观，再结合上运算量也大的神经网络，运算速度会更慢，不会是一个好的分类和目标识别方法。
在对高光谱影像进行小波包分解以及对影像分解系数进行处理之后，就要恢复成处理结果的图像。小波包变换的重构运算就是小波包分解的逆运算，是将处理后频率域内的系数重新合成时域图像。小波包重构算法：高光谱遥感影像信息提取技术 式中：hk－2l，gk－2l分别称为低通滤波系数和高通滤波系数。
具有明确的物理意义，而基于光谱特征的信息提取与分类，是通过遥感光谱数据的变化规律来识别和研究地物类型。因此，研究不同地理实体的光谱表达模型，是有效地提取专题信息的关键。 金属硫化物矿床近矿围岩岩石光谱特征研究 图1是东秦岭地区比较有代表性的几种近矿蚀变岩及含矿体的反射波谱曲线。
基于深度学习的方法：随着深度学习技术的发展，越来越多的深度学习模型被应用到遥感专题信息提取中，如卷积神经网络（CNN）、循环神经网络（RNN）等，这些方法能够处理更复杂的地表特征，提高信息提取的准确性。 光谱分析：通过分析遥感图像的光谱特性，可以提取出地表的物质组成、植被覆盖、水体等信息。
高光谱遥感数据最主要的特点是：将传统的图像维与光谱维信息融合为一体，在获取地表空间图像的同时，得到每个地物的连续光谱信息，从而实现依据地物光谱特征的地物成分信息反演与地物识别。它由以下3部分组成： （1）空间图像维 在空间图像维，高光谱数据与一般的图像相似。一般的遥感图像模式识别算法是适用的信息挖掘技术。
要测量角色散率，可以将不同波长的光线通过透镜光栅并测量光谱线的位置。通过比较不同波长的光的光谱线位置，可以确定物质的角色散率。数据处理 一旦已经测量出光波的波长和角色散率，需要进行数据处理来准确计算这些值。测量精度受到许多因素的影响，如光栅分辨率、透镜和光栅的质量、光线的聚焦和环境条件。
用光栅衍射原理测光波波长 资料如何处理 用公式：其中λ为入射光波波长，θ为衍射角，k为衍射亮纹的级数。在θ为0的方向上可以观察到中央亮纹。其它各级亮纹对称分布在中央亮纹两侧。若已知光栅常数d，测出相应的衍射条纹与0级条纹间的夹角θ，便可求出光波波长。
衍射光栅是利用多缝衍射原理使光波发生色散的光学元件，由大量相互平行、等宽、等间距的狭缝或刻痕所组成。由于光栅具有较大的色散率和较高的分辨本领，故它已被广泛地装配在各种光谱仪器中。采用现代高科技技术可制成每厘米有上万条狭缝的光栅，它不仅适用于分析可见光成分，还能用于红外和紫外光波。
在光栅方程 中λ为实验中所测光的波长，如本实验中绿光的波长。K为衍射光谱级数φ为衍射角，d为光栅常数即光栅相临两刻蚊间长度。实用条件取决与级数的选取应与实验相一致。（2）色散率的表达式 中相应量与光栅方程中具有相同含义。
并对提取结果做最小图斑去除、类合并等操作，优化矿物提取结果。 2 矿物信息提取的高光谱数据预处理 先将成像高光谱数据进行辐射定标、大气校正等过程得到光谱反射率数据。
在N维空间上，光谱角分类方法也可以以数学公式的形式来获得估计象元光谱矢量与参考光谱矢量之间的角度，其光谱角的数学表达式为：中亚地区高光谱遥感地物蚀变信息识别与提取 接近1的时候有最好的估计光谱值和类别分类结果。
Hyperion高光谱遥感矿物填图结果表明，对于基岩出露良好地区，具有高光谱分辨率的遥感信息完全可以提取与矿化蚀变信息有关的蚀变矿物，对指导找矿具有重要的参考价值。
在高光谱地学应用中，岩矿光谱特征是地物信息直接提取的基础。高光谱遥感凭借其纳米级的光谱分辨率在对地物成像的同时能获取每个像元连续的光谱信息，再根据地物的诊断性波谱特征进行地物种类的识别。
【答案】：在一定的浓度范围和一定的火焰宽度条件下，当采用锐线光源时，溶液的吸光度与待测元素浓度成正比关系，这就是原子吸收光谱定量分析的依据。常用如下两种方法进行定量分析。（1）标准曲线法：该方法简便、快速，但仅适用于组成简单的试样。（2）标准加入法：本方法适用于试样的确切组分未知的情况。
标准曲线法 ：先配制相同基体的含有不同浓度待测元素的系列标准溶液，在选定的实验条件下分别测其吸光度，以扣除空白值之后的吸光度为纵坐标，标准溶液浓度为横坐标绘制标准曲线。在同样操作条件下测定试样溶液的吸光度，从标准曲线查得试样溶液的浓度。
原子吸收光谱（Atomic Absorption Spectroscopy，AAS），又称原子分光光度法，是基于待测元素的基态原子蒸汽对其特征谱线的吸收，由特征谱线的特征性和谱线被减弱的程度对待测元素进行定性定量分析的一种仪器分析的方法。
原子吸收光谱法（AAS）的定量分析依据是原子吸收光谱的波长和强度。当原子受到特定波长的光辐射时，如果该波长的辐射能量与原子基态和激发态之间的能量差相等，原子就会吸收该波长的光辐射，从而从基态跃迁到激发态。这种吸收现象的强度与原子的浓度成正比，因此可以通过测量吸收光谱的强度来确定原子的浓度。
原子吸收光谱法（AAS）：又称原子吸收分光光度法 是基于待测物质的基态原子对特征谱线的吸收而建立的一种分析方法，是定性或定量测定样品中痕量和超痕量金属元素的有效方法。
原子吸收光谱法进行定量分析的依据是朗伯-比尔定律，最常见和简单的方法是标准曲线法。
光谱角度填图方法（SAM）是Boardman开发的一种算法程序，一般用于超光谱图像的监督分类。该方法给出一系列光谱记录来逐一定义每个岩石类型，将每个像元看作n维图像数据库空间的一个向量，并计算与光谱数据库中光谱数据记录（参考光谱）之间的向量夹角。像元光谱与光谱记录（参考光谱）的光谱角度相匹配，即可分类为该类岩石。
光谱角度填图技术通过计算两个光谱像元矢量之间的夹角θ，来比较相似程度，通常用于光谱数据分类研究。通过式（6）计算光谱角数据（樊彦国等，2010），其渲染效果如图版4（b）所示。
相似系数方法不考虑样品的总体反射水平，因此不易区别“异类同谱”现象。这也部分解释了光谱角度填图方法在实际应用中效果不理想的原因。另一方面，岩石和土壤中的有机质会产生极为敏感的光谱“淬火效应”（quenching effect，Clark，l983）PI，当有机质含量达到0.1%以上即可强烈压抑吸收和反射强度。
二值编码分类法根据波段值落在均值的上或下方，将数据波谱编码为0或1，然后使用异或逻辑函数将编码后的参考波谱与数据波谱进行比较，生成一副分类影像。
样品用XRF（X射线荧光光谱），AAS（原子吸收光谱）及AES（原子发射光谱）进行了分析，制作了数百份图件。王学求报告了在隐伏区的超低密度地球化学填图，所采用密度为60～800km2一个点。结果在某些大型超大型矿床周围发现了规模极大且清晰的多元素异常。