一：试验目的：
利用近红外波段的高光谱成像仪获取矿物岩石的高光谱数据，并对其进行光谱分析进而对矿物岩石的组成成分进行研判。
二：测试原理及方法：
高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用前景。它集中了光学、光电子学、电子学、信息处理、计算机科学等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门新兴技术。
高光谱成像技术的定义是在多光谱成像的基础上，在从紫外到近红外（200-2500nm）的光谱范围内，利用成像光谱仪，在光谱覆盖范围内的数十或数百条光谱波段对目标物体连续成像。在获得物体空间特征成像的同时，也获得了被测物体的光谱信息。

目标物体-成像物镜-入射狭缝-准直透镜-PGP-聚焦透镜-CCD棱镜-光栅-棱镜：PGP

图1 高光谱成像原理图

光谱仪的光谱分辨率由狭缝的宽度和光学光谱仪产生的线性色散确定。最小光谱分辨率是由光学系统的成像性能确定的（点扩展大小）。
成像过程为：每次成一条线上的像后（X方向），在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。综合横纵扫描信息就可以得到样品的三维高光谱图像数据。

利用GaiaSorter高光谱分选仪为测试设备并配置光谱范围在1000nm-2500nm范围的成像仪来完成数据的获取。

图2 高光谱图像立方体

一、未知岩石的识别
利用400-1000nm波段的成像仪对样品进行测试，矿物岩石在400nm-1000nm波段的光谱特征信息非常的有限，通过此波段的光谱特征来对其进行分类识别，其结果并不理想。
如3所示的是其中一种待测样品，选取其中3处感兴趣的区域作为研究对象，图4所示的是图3处感兴趣区域对应的特征光谱曲线。其特征光谱曲线非常的有限。

图3 样品的RGB图

图4 样品在400-1000nm波段下的光谱特征曲线

而相同的样品对象在1000-2500nm波段下，其光谱特征信息如图5所示，

图5样品在1000-2500nm波段下的光谱特征曲线

图7 矿物岩石识别的结果

图8 不同的颜色表示不同的矿物成分

（clinochlore）斜绿泥石：斜绿泥石（clinochlore；Seraphinite），释文：成分(Mg,Fe)4.75Al1.25〔Al1.25Si2.75O10〕(OH)8。单斜晶系。晶体呈假六方片状，集合体呈鳞片状。草绿至淡橄榄绿色。
释文：成分(Mg,Fe)4.75Al1.25〔Al1.25Si2.75O10〕(OH)8。单斜晶系。晶体呈假六方片状，集合体呈鳞片状。草绿至淡橄榄绿色。解理平行底面{001}极完全。薄片具挠性。密度2.61～2.78克/厘米^3。产状同叶绿泥石。
（Calcite）方解石：方解石是一种碳酸钙矿物，天然碳酸钙中最常见的就是它。因此，方解石是一种分布很广的矿物。方解石的晶体形状多种多样，它们的集合体可以是一簇簇的晶体，也可以是粒状、块状、纤维状、钟乳状、土状等等。敲击方解石可以得到很多方形碎块，故名方解石。

图9 不同成分岩石的分别

二、石墨样品数据分析一：

图1 石墨矿物岩石图（手机拍摄）

图2 RGB图像

图3 感兴趣区域的特征光谱曲线

波谱特征拟合(SFF)方法，与波普库的匹配程度由RMS拟合误差来衡量，输入的最小值和最大值都用RMS拟合误差表示。若匹配结果小于或等于最小值，表示匹配程度较好，得分为1；若匹配结果大于或等于最大值，得分为0。

图4 目标光谱与Anthophyllite（直闪石）的光谱匹配

图5波谱特征拟合(SFF)方法下获取的匹配度值

三、辉钼矿识别

化学成分为MoS2的硫化物矿物，辉钼矿呈铅灰色，强金属光泽。晶体呈六方板块，六方和三方晶系。

化学组成： MoS2 Mo钼59.94%， S硫40.06%；

光学性质：

反射色灰白。反射率：R_O为36.0（绿光），31.5（橙光），30.5（红光）；R_e分别为15.5/18/15。

图1 辉钼矿矿物岩石图（手机拍摄）

图2 RGB图像（3处感兴趣区域）

图3 3处感兴趣区域的特征光谱曲线

利用波谱角分类（SAM）方法，与波普库的匹配程度由弧度来衡量，键入最小值和最大值都用弧度表示。
波谱特征拟合（SFF）方法，与波普库的匹配程度由RMS拟合误差来衡量，输入的最小值和最大值都用RMS拟合误差来表示，若匹配结果小于或等于最小值，表示匹配程度较好，得分为1；若匹配结果大于或等于最大值，得分为0。
二进制编码法，输入的最小值和最大值都用正确匹配的波段百分比（0-1）表示。
三种方法设定相同的权重系数，权重系数都为1，即同时使用三种方法进行计算评判。最大值和最小值分别为1和0，参与归一化到0-1之间的打分范围。
经过处理后，未知光谱与标准波谱库中的匹配结果：

序号	未知光谱	标准波谱	Score	SAM	SFF	BE	识别结果
1	202波谱曲线	Basalt	2.453	0.85	0.853	0.75	玄武岩
2	202波谱曲线	Augite-hyperstheme	2.345	0.847	0.855	0.642	辉石
3	129波谱曲线	Ijolite	2.571	0.863	0.76	0.948	霞岩
4

四、未知矿物岩石分析：

图 1 手机拍摄样品图

图2 RGB合成图&感兴趣区域（红、绿、蓝三处）

图 3感兴趣区域特征波长位置

图4 特征谱线

图5 感兴趣区域的光谱与标准波谱匹配

利用波谱角分类（SAM）方法，与波普库的匹配程度由弧度来衡量，键入最小值和最大值都用弧度表示。

波谱特征拟合（SFF）方法，与波普库的匹配程度由RMS拟合误差来衡量，输入的最小值和最大值都用RMS拟合误差来表示，若匹配结果小于或等于最小值，表示匹配程度较好，得分为1；若匹配结果大于或等于最大值，得分为0。
二进制编码法，输入的最小值和最大值都用正确匹配的波段百分比（0-1）表示。
三种方法设定相同的权重系数，权重系数都为1，即同时使用三种方法进行计算评判。最大值和最小值分别为1和0，参与归一化到0-1之间的打分范围。

经过处理后，未知光谱与标准波谱库中的匹配结果：

序号	未知光谱	标准波谱	Score	SAM	SFF	BE	识别结果
1	Red波谱曲线	Shale(phosphatic)	2.449	1.00	0.858	0.590	磷质页岩
2	Green波谱曲线	Quartz	2.364	1.00	0.857	0.507	石英
3	Blue波谱曲线	Chlorite	2.449	1.00	0.858	0.590	绿泥石

五、黄铁矿矿物识别

图1 黄铁矿矿物岩石图（手机拍摄）

图2 黄铁矿的特征光谱曲线

图3 标准黄铁矿特征光谱曲线

六：分析结果
利用高光谱成像仪获取样品的高光谱数据，结合光谱分析方法对样品矿物岩石进行光谱分析匹配，能够对样品中的成分进行识别和研判，由于矿物岩石样品本身非纯净物，不同的样品的组成成分不尽相同，另外矿物在不同波段的的特征信息也不尽相同，在以上的数据分析中，可以初步的判断岩石中的组成成分包括了分析获取到的结果。