付壘 趙鵬彬 于占超

摘要：本文以ICA（獨(dú)立成分分析）作為遙感蝕變信息提取的主要方法，結(jié)合傳統(tǒng)PCA（主成分分析）在光譜去相關(guān)性操作中的基本特性，通過互補(bǔ)式的ICA方法進(jìn)行遙感蝕變信息的綜合提取。以甘肅黃草灘矽卡巖型磁鐵礦為研究區(qū)，使用ICA和PCA方法進(jìn)行ETM+影像鐵染蝕變信息提取，通過對(duì)提取結(jié)果進(jìn)行比較分析，結(jié)合野外實(shí)地查證，評(píng)估了兩種方法在特定地質(zhì)背景下遙感蝕變信息提取的適應(yīng)性和局限性，最后對(duì)遙感蝕變信息提取結(jié)果進(jìn)行了歸納總結(jié)，結(jié)果表明：互補(bǔ)式的ICA能很好地反映研究區(qū)的蝕變異常分布狀況，可以將該方法應(yīng)用到此類地區(qū)的地質(zhì)找礦中，同時(shí)為進(jìn)一步分析研究區(qū)成礦模式提供科學(xué)依據(jù)。

關(guān)鍵字：獨(dú)立成分分析；蝕變信息；矽卡巖型；地質(zhì)找礦

Abstract： This paper using independent component analysis （ICA） as main method for extraction of alteration information from remote sensing data，combined the basic characteristics of traditional PCA （principal component analysis） in removing spectrum correlation，comprehensive extraction of alteration information from remote sensing data by complementary type ICA. Taking skarn magnetite in Huangcaotan of Gansu province as an example，using ICA and PCA method of ETM+ image for extraction of alteration information，through the results of a comparative analysis of the extraction，combined with field verification and evaluation of the two methods under the specific geological background in remote sensing alteration information from the adaptability and limitations. Finally，the remote sensing alteration information extraction results are summarized in the paper. The results showed that the complementary type of ICA can reflect the distribution of alteration anomaly primely，the method can be applied to such areas of geological prospecting，and provide a scientific basis for further analyzing and studying metallogenic model.

Key words：Independent Component Analysis；Alteration information extraction；Skarn；Geological prospecting

1. 引言

由于不同礦物的晶體結(jié)構(gòu)各不相同，晶格振動(dòng)所產(chǎn)生的光譜特征與其特有的晶體結(jié)構(gòu)有關(guān)，因此不同的巖石具有不同的光譜特征。遙感技術(shù)可以識(shí)別這些光譜特征，從而判別出地物的礦物組成和巖性，這就為通過遙感技術(shù)識(shí)別蝕變礦物分布范圍提供了物理基礎(chǔ)[1]。目前遙感蝕變異常信息提取的方法有多種，較常用的有比值法、主成分分析法、光譜角法、歸一化植被指數(shù)法、混合像元分解法以及它們的混合法。每種方法都有其針對(duì)性和適用的范圍。其中主成分分析法提取蝕變信息是相對(duì)最為廣泛的。主成分分析（PCA：Principal Component Analysis）是基于信號(hào)二階統(tǒng)計(jì)特性的分析方法，由于所獲各主成分之間不相關(guān)，主成分之間信息沒有重復(fù)或冗余。PCA的這一基本性質(zhì)在蝕變異常信息提取中被充分利用。多光譜遙感數(shù)據(jù)通過PCA所獲每一主成分常常代表一定的地質(zhì)意義[2]，且互不重復(fù)，即各主成分的地質(zhì)意義有其獨(dú)特性。但是由于蝕變礦物形成的影像特征在遙感圖像上往往表現(xiàn)得很微弱或不明顯，經(jīng)常被主色調(diào)或“偽信息”所掩蓋，而且很多弱信息包含在高階統(tǒng)計(jì)量中。若僅僅采用PCA算法，對(duì)圖像進(jìn)行處理可能會(huì)忽略很多關(guān)鍵信息。因此，本文在提取礦物蝕變信息中引進(jìn)了互補(bǔ)式的獨(dú)立成分分析法（ICA：Independent Component Analysis）。ICA算法是一種基于高階統(tǒng)計(jì)量的去相關(guān)多元數(shù)據(jù)處理方法[3]，不僅能夠消除多變量數(shù)據(jù)中的二階相關(guān)關(guān)系，而且能夠消除數(shù)據(jù)間的高階相關(guān)。本文利用PCA算法在光譜去相關(guān)性操作中的基本特性，以ICA為遙感蝕變信息提取的主方法，綜合利用兩種不同方法提取的異常信息，同時(shí)結(jié)合研究區(qū)地質(zhì)環(huán)境背景，提取了遙感蝕變異常信息，通過室內(nèi)分析及野外驗(yàn)證，取得了較好的成果。

2. 研究方法

2.1 ICA基本原理

ICA又稱盲源分離（Blind source separation，BSS）[4]，它假設(shè)觀察到的隨機(jī)信號(hào)x服從模型x=As，其中s為未知源信號(hào)，其分量相互獨(dú)立，A為一未知混合矩陣。ICA的目的是通過且僅通過觀察x來估計(jì)混合矩陣A以及源信號(hào)s。用數(shù)學(xué)語言描述，即，通過獨(dú)立成分分析，從一組觀察信號(hào)分離出一組統(tǒng)計(jì)獨(dú)立的信號(hào)源的估計(jì)值，也是統(tǒng)計(jì)獨(dú)立的。

假定第個(gè)觀測(cè)信號(hào)由個(gè)獨(dú)立成分線性混合而成：

（1）

用矢量表示觀測(cè)變量，矢量表示源變量，表示混合矩陣式（1）可表示成：

（2）

統(tǒng)計(jì)模型式（2）稱為獨(dú)立成分分析模型。該模型描述了觀測(cè)數(shù)據(jù)是如何由信息源混合生成的。源變量是隱藏變量，不能直接觀測(cè)到，而且混合矩陣也是未知。所有能觀測(cè)到的數(shù)據(jù)只有隨機(jī)變量，所以必須估計(jì)出混合矩陣和。

獨(dú)立成分分析模型的求解基于一個(gè)簡(jiǎn)單的假設(shè)：源變量是統(tǒng)計(jì)獨(dú)立的，同時(shí)非高斯分布。在估計(jì)出混合矩陣后，可以進(jìn)一步計(jì)算混合矩陣的逆，也即分離矩陣，從而得到獨(dú)立成分的估計(jì)。

（3）

ICA的目的就是估計(jì)出分離矩陣。目前獨(dú)立成分分析的實(shí)現(xiàn)方法有很多：信息最大化法、基于極大似然估計(jì)的ICA算法[5]、最小化互信息（負(fù)熵最大化）法[6]、FastICA算法[7]等。本文采用的是FastICA算法來做獨(dú)立成分分析。

遙感影像所表現(xiàn)的信息是不同地物對(duì)某個(gè)波段反射率的一種反映[8]，多光譜遙感影像的各波段可以認(rèn)為是相互獨(dú)立的各種地物的光譜信息按一定的規(guī)律混合的結(jié)果。將ICA作用于多光譜影像，得到的每個(gè)獨(dú)立成分可集中體現(xiàn)某些地物的信息，使得不同地物間的可識(shí)別度增大。

2.2 技術(shù)方法

本文采用ICA方法提取波段信息中的高階信息和獨(dú)立成分，以獨(dú)立成分替代主成分提取鐵染蝕變信息。經(jīng)ICA處理后的各成分相對(duì)于PCA的各成分來說是獨(dú)立的而且包含了一些基于高階統(tǒng)計(jì)的信息。從統(tǒng)計(jì)分析的角度看，簡(jiǎn)單ICA和PCA一樣，同屬多變量數(shù)據(jù)分析的線性方法。因此可以按照PCA提取蝕變信息的準(zhǔn)則來處理經(jīng)ICA處理的成分。以TM數(shù)據(jù)為例，通過Crosta方法[9]說明其準(zhǔn)則，通過TM1、TM3、TM4、TM5的波段組合進(jìn)行主成分分析提取鐵染蝕變。由TM1、TM3、TM4、TM5作為輸入波段組合進(jìn)行正交線性變換，變換后的某個(gè)新的組分圖像可能集中了鐵染蝕變信息[10]。對(duì)代表鐵染蝕變的主成分的判斷準(zhǔn)則是：TM3的系數(shù)應(yīng)與TM1、TM4的系數(shù)相反。鐵染蝕變存在于絕大多數(shù)成礦巖體中，提取這種蝕變信息基本可以確定研究區(qū)成礦巖石的分布情況[11]。

所以，本文的研究方法就是通過ETM+1、ETM+3、ETM+4、ETM+5波段組合進(jìn)行ICA提取鐵染蝕變信息。為了充分發(fā)揮ICA提取結(jié)果的優(yōu)越性，同時(shí)進(jìn)行PCA處理，并對(duì)兩種方法提取的結(jié)果進(jìn)行分析總結(jié)，結(jié)合研究區(qū)地質(zhì)背景，形成研究區(qū)的蝕變信息分布圖。

基于ICA提取礦物蝕變信息的方法主要包括：圖像預(yù)處理、ICA分析、選擇有效成分、異常切割、蝕變信息處理等步驟[12]。原始數(shù)據(jù)經(jīng)過一系列的圖像預(yù)處理，包括幾何糾正，大氣校正，掩膜去背景等；再選擇波段分別進(jìn)行ICA和PCA處理，根據(jù)上述原則進(jìn)行成分的選擇；將選擇的成分用相同的異常切割標(biāo)準(zhǔn)處理，突出蝕變信息；并與已知的礦化蝕變帶進(jìn)行疊加分析，利用PCA提取的蝕變信息結(jié)果來強(qiáng)化和完善ICA提取的蝕變結(jié)果。

在做異常切割時(shí)，利用（X+kσ）確定異常下限和劃分異常強(qiáng)度等級(jí)[13]。X是某一成分的統(tǒng)計(jì)均值代表區(qū)域背景，σ是該成分的標(biāo)準(zhǔn)差。k取值一般是（1～3），有了這一標(biāo)準(zhǔn)，切割異常時(shí)可以減少主觀任意性，并使操作較為規(guī)范化。經(jīng)ICA處理后得到的各成分是相互獨(dú)立的，每一成分可以看成是單一的地物。但是由于大氣，傳感器等影響，各成分并不只是單一的地物，所以在提取異常時(shí)還是利用了閾值切割法。

將提取的蝕變異常分布圖與已知的礦化蝕變帶進(jìn)行疊加分析，計(jì)算出在一定區(qū)域內(nèi)提取的蝕變信息量大小，用吻合率來表示。吻合率越大證明提取的有效信息量越大，偽異常信息量越小。

3. 應(yīng)用實(shí)例

本文以甘肅黃草灘野馬井南磁鐵礦為研究區(qū)，采用ETM+作為遙感蝕變異常提取數(shù)據(jù)源，通過ICA方法提取蝕變信息，結(jié)合PCA的提取結(jié)果，運(yùn)用互補(bǔ)式的ICA分析法，綜合圈定研究區(qū)遙感蝕變異常區(qū)帶。本次ETM+遙感數(shù)據(jù)采集的時(shí)相為2002/08/12，行帶號(hào)為137-31。

3.1 區(qū)域地質(zhì)背景

研究區(qū)北部出露地層為寒武系雙鷹山組，中南部為平頭山組和少量震旦系洗腸井群，二者呈斷層接觸，平頭山組壓覆在洗腸井群之上，呈“飛來峰”。雙鷹山組巖性以深灰色硅質(zhì)巖為主，局部夾灰黑色含炭質(zhì)硅質(zhì)巖、細(xì)砂巖、粉砂巖；平頭山組以中厚層灰白色白云巖、白云質(zhì)大理巖為主，局部夾細(xì)砂巖、粉砂巖透鏡體。洗腸井群主要巖性為深灰色薄層狀硅質(zhì)巖。侵入巖主要有泥盆紀(jì)雙峰山巖體，巖性主要有肉紅色中粗粒二長(zhǎng)花崗巖、灰色細(xì)粒閃長(zhǎng)巖、灰色～淺灰綠色中細(xì)粒閃長(zhǎng)巖。上述地層受該巖體侵位影響，致使二者之間的接觸部位多呈港灣狀接觸，并多處形成矽卡巖帶或矽卡巖化帶，控制著矽卡巖型磁鐵礦產(chǎn)的分布。

研究區(qū)已知的礦床主要為鐵礦，次為錳礦、黃鐵礦、黃銅礦等，磁鐵礦點(diǎn)主要分布在野馬井之南的平頭山組、洗腸井群與晚泥盆世雙峰山石英閃長(zhǎng)巖、閃長(zhǎng)巖巖體和早泥盆世冰墩子山鉀長(zhǎng)花崗巖熱液交代作用形成的矽卡巖化帶或矽卡巖帶。侵入巖比較發(fā)育，主要有早泥盆世冰敦子山鉀長(zhǎng)花崗巖、花崗斑巖及晚泥盆世炭山子輝長(zhǎng)巖等，見后期侵入的輝長(zhǎng)輝綠巖脈（圖1）。

野馬井地區(qū)已知的礦床主要為鐵礦，次為錳礦、黃鐵礦、黃銅礦等，磁鐵礦點(diǎn)主要分布在野馬井之南的平頭山組、洗腸井群與晚泥盆世雙峰山石英閃長(zhǎng)巖、閃長(zhǎng)巖巖體和早泥盆世冰墩子山鉀長(zhǎng)花崗巖熱液交代作用形成的矽卡巖化帶或矽卡巖帶。出露地層為青白口系園藻山群平頭山組和南華-震旦系洗腸井群，二者為逆沖斷層接觸，平頭山組壓覆在洗腸井群之上，呈“飛來峰”。平頭山組巖性主要為灰白色弱矽卡巖化中薄層白云巖、弱矽卡巖化白云質(zhì)大理巖夾少量細(xì)碎屑巖；洗腸井群主要巖性為深灰色薄層狀硅質(zhì)巖。侵入巖比較發(fā)育，主要有早泥盆世冰敦子山鉀長(zhǎng)花崗巖、花崗斑巖及晚泥盆世炭山子輝長(zhǎng)巖等，見后期侵入的輝長(zhǎng)輝綠巖脈（圖1）。

根據(jù)研究區(qū)成礦地質(zhì)背景，區(qū)內(nèi)最主要的礦產(chǎn)是鐵礦和錳礦，鐵礦的富集使得遙感可以識(shí)別的鐵離子增多，研究區(qū)主要蝕變類型有磁鐵礦化、黃鐵礦化、黃銅礦化、綠簾石化、陽起石化、透閃石化等。因此，本文主要關(guān)注含鐵礦物蝕變的光譜特征[14]（圖2）。

3.2 鐵染信息提取

研究區(qū)鐵染蝕變較強(qiáng)，根據(jù)含鐵離子礦物的特征波譜，對(duì)ETM+1、3、4、5波段分別進(jìn)行ICA和PCA處理，生成反映鐵離子變化的蝕變信息。由ICA提取的鐵染蝕變波段組合特征向量見表1。為了比較驗(yàn)證ICA方法的準(zhǔn)確性，并對(duì)ICA方法的完整性進(jìn)行補(bǔ)充，輔以PCA進(jìn)行特征向量的提取見表2。

各獨(dú)立成分和主成分的特征向量是趨于一致的，這說明ICA和PCA在統(tǒng)計(jì)分析上是一致的，由此選擇了相同的切割標(biāo)準(zhǔn)對(duì)成分進(jìn)行分割；同時(shí)，也表明ICA可以和PCA一樣用于提取蝕變信息。在特征向量表IC4/PC4中，由于1和3波段的貢獻(xiàn)系數(shù)最大，說明它們對(duì)IC4/PC4的貢獻(xiàn)最大，也就是說IC4/PC4的信息主要來源于ETM+1、3波段，并且ETM+3為負(fù)值，ETM+1、ETM+4為正值，具有ETM+3與ETM+1、4相反的貢獻(xiàn)標(biāo)志，正符合鐵染信息在ETM+1波段具有強(qiáng)吸收，在ETM+3具有強(qiáng)反射的特點(diǎn)。因此該成分可以作為鐵染信息的指示分量。為了體現(xiàn)ICA方法在蝕變信息提取中的準(zhǔn)確性和差異性，利用PCA提取蝕變結(jié)果對(duì)ICA進(jìn)行驗(yàn)證和補(bǔ)充，首先保證兩種方法提取的礦物蝕變異常信息的標(biāo)準(zhǔn)一致，將得到的IC4和PC4進(jìn)行同一水平切割。根據(jù)研究區(qū)已有的礦化信息和蝕變帶來確定閾值。本次試驗(yàn)采用（X+2.5σ）對(duì)IC4和PC4進(jìn)行切割，然后對(duì)切割后的二值圖像進(jìn)行窗口為3×3的中值濾波，最終將提取的蝕變結(jié)果與已知的礦化蝕變帶進(jìn)行疊加分析（圖3），計(jì)算兩種方法分別在對(duì)應(yīng)的蝕變帶中提取的蝕變總面積及與蝕變帶吻合的面積，最后計(jì)算出兩種方法的蝕變提取吻合率（表3）。

（紫色）和PCA（綠色）提取的鐵染蝕變信息與研究區(qū)的已知蝕變帶（橙色）重疊度較高。從圖中可以發(fā)現(xiàn)經(jīng)ICA提取的鐵染蝕變信息大部分落在已知蝕變帶內(nèi)及該蝕變帶附近，也有部分異常信息落在非蝕變帶區(qū)域附近，這部分零散的蝕變信息經(jīng)實(shí)地驗(yàn)證是偽蝕變信息。從圖3中也可以發(fā)現(xiàn)相對(duì)于PCA法，ICA提取的信息量和吻合率都有一定程度的提升，吻合率提升了近13%（表3）；通過分析圖3中各個(gè)已知蝕變帶的異常信息分布圖，發(fā)現(xiàn)經(jīng)PCA提取的蝕變信息在4號(hào)蝕變帶附近只有部分異常，其中2號(hào)、6號(hào)蝕變帶周邊完全沒有PCA提取的信息，表3的結(jié)果正符合圖3所顯示的結(jié)果。從表3可以看出總體上經(jīng)ICA提取的鐵染蝕變信息的吻合率大于PCA法，但是5號(hào)蝕變帶相反，ICA在5號(hào)蝕變帶附近提取的蝕變信息較弱，而PCA在該蝕變帶有較好的體現(xiàn)，這說明針對(duì)不同的區(qū)域、不同礦化蝕變類型，ICA法具有一定的局限性，為了更好地總結(jié)研究區(qū)礦化蝕變異常的提取方法，需要借鑒PCA的提取方法，綜合利用兩種方法的提取結(jié)果，采用一種互補(bǔ)式的ICA方法，全面準(zhǔn)確地提取研究區(qū)含鐵礦物的蝕變信息。

3.3 野外查證及分析

本次工作在研究區(qū)共查證7處礦點(diǎn)，包括2個(gè)沉積型磁鐵礦點(diǎn)、5個(gè)矽卡巖型磁鐵礦礦點(diǎn)。

5個(gè)矽卡巖型磁鐵礦區(qū)的ICA異常都比較明顯，提取的蝕變帶呈團(tuán)塊狀分布，特別是在巖體與地層的接觸帶上，ICA異常比較集中，例如在6號(hào)蝕變帶的矽卡巖化帶兩側(cè)均有ICA異常展布。而PCA異常在5個(gè)矽卡巖型磁鐵礦區(qū)的吻合率就相對(duì)較低，特別是在2、6號(hào)蝕變帶中基本沒有提取出相關(guān)蝕變（表3）。在2個(gè)沉積型磁鐵礦點(diǎn)的查證中，例如5號(hào)蝕變帶附近就少見ICA法提取的異常信息，而大部分異常信息為PCA法提取的（圖3），這說明了ICA法在不同成因類型的礦化信息提取中存在的局限性。在對(duì)研究區(qū)北部韌性剪切帶兩側(cè)的PCA異常進(jìn)行查證中，并沒有發(fā)現(xiàn)蝕變礦物，說明在同一標(biāo)準(zhǔn)下，PCA提取的蝕變異常信息中含有更多的假異常信息，產(chǎn)生這些假異常信息主要是由于在干旱地區(qū)普遍存在“荒漠漆”現(xiàn)象造成假象褐鐵礦化蝕變異常所致，既由于氣候干燥，屬于構(gòu)造破碎帶的巖石常年裸露，風(fēng)化作用使巖石內(nèi)部的Fe2+轉(zhuǎn)變成為Fe3+積聚在表面而形成，野外查證中較易發(fā)現(xiàn)這種鐵染異常假象。由此可以說明經(jīng)ICA法提取的有效蝕變信息量要高于PCA法。

通過分析總結(jié)：對(duì)于矽卡巖型的磁鐵礦，熱液交代作用形成的圍巖蝕變信息較弱，空間展布不規(guī)則，干擾因素也較多，遙感光譜反射形成的可識(shí)別信號(hào)往往包含于高度相關(guān)的信息中，而ICA通過去相關(guān)操作，理論上保留了一些弱化的高階信息，從而使得在此類地質(zhì)背景下的弱化信息得到了加強(qiáng)，提取效果就要優(yōu)于PCA法。而對(duì)于沉積型的磁鐵礦，其含礦層位、礦體寬度、厚度及延伸都較為穩(wěn)定，主要受地層和構(gòu)造控制，圍巖蝕變相對(duì)集中，因而傳統(tǒng)PCA法提取的效果就相對(duì)較好。

ICA法作為本次遙感蝕變信息提取的主要方法，采用互補(bǔ)式的ICA法進(jìn)行遙感蝕變帶的圈定，既能提高ICA法的準(zhǔn)確性，發(fā)揮其它方法（PCA法）的特殊優(yōu)勢(shì)，又能提高ICA法在蝕變信息提取中的全面性，為進(jìn)一步把握研究區(qū)的找礦方向奠定了理論基礎(chǔ)。

4. 結(jié)語

研究區(qū)地處半干旱戈壁荒漠區(qū)，蝕變礦物主要為巖漿熱液交代形成的矽卡巖型磁鐵礦。結(jié)合研究區(qū)地質(zhì)背景，通過遙感技術(shù)方法，在獲取特征波段之間的獨(dú)立成分前提下，利用ICA方法提取隱藏在高階統(tǒng)計(jì)信息中的有用信號(hào)（特定的礦物蝕變信息），更加全面的揭示了多光譜數(shù)據(jù)間的本質(zhì)結(jié)構(gòu)。

在借鑒了傳統(tǒng)PCA法的提取結(jié)果后，采用互補(bǔ)式的ICA方法提取礦物蝕變信息，經(jīng)實(shí)地查證取得了較好的效果，在統(tǒng)一標(biāo)準(zhǔn)下比傳統(tǒng)的PCA方法效果要好，經(jīng)ICA提取蝕變信息的吻合率相比傳統(tǒng)PCA法要高近13%，這也充分說明了ICA法在研究區(qū)提取蝕變的準(zhǔn)確性和適用性。這一方法在類似區(qū)域開展遙感蝕變信息提取工作具有一定的指導(dǎo)意義。

將互補(bǔ)式的ICA方法用于提取遙感蝕變信息，以下幾點(diǎn)需要不斷研究與探索：

（1）在對(duì)選擇的成分進(jìn)行分割時(shí)，閾值的選擇具有一定的局限性，根據(jù)已知的地質(zhì)資料并不能完全滿足要求，而且閾值的確定對(duì)提取的結(jié)果有很大的影響，如何實(shí)現(xiàn)快速確定閾值有待進(jìn)一步的研究。

（2）表3中的5號(hào)蝕變帶PCA法提取信息的吻合率要高于ICA法，說明了ICA方法也有一定的適用范圍，并不是所有經(jīng)ICA提取的蝕變信息就一定比PCA法提取的有效信息量大，這可能與閾值的選擇及研究區(qū)地質(zhì)背景有關(guān)。

（3）蝕變信息的提取，要盡可能地采用多種不同的方法進(jìn)行對(duì)比研究，找到一種適合該區(qū)域的方法或幾種方法的組合來提高蝕變信息提取結(jié)果的可信度。將ICA方法與其它方法組合可能會(huì)取得更好的應(yīng)用效果。

參考文獻(xiàn)：（References）：

[1] Zhang Yujun，Yang，Jianmin，Chenwei.A Study of the method for Extraction of Alteration Anomalies from the ETM+（TM） Data and Its Application： Geologic Basis and Spectral Preconditon[J].Remote Sensing for Land & Resources，2002，54（4）：30-36.張玉君，楊建民，陳薇.ETM+（TM）蝕變遙感異常提取方法研究與應(yīng)用—地質(zhì)依據(jù)和波譜前提[J].國(guó)土資源遙感 2002，54（4）：30-36.

[2] Zhang Nannan，Zhang Xiaofan，Zhou Kefa，et al.Extraction method of alteration information in arid area from TM image[J].Arid Land Geography，2006，29（3）：398-402.張楠楠，張曉帆，周可法等.干旱區(qū)TM 圖像蝕變信息提取方法研究[J].干旱區(qū)地理.2006，29（3）：398-402.

[3] Zhong Jiaqiang，Wang Runsheng.Multitemporal Remote Sensing Images Change Detection Based on ICA[J].Journal of Electronics & Information Technology，2006，28（6）：994-998.鐘家強(qiáng)，王潤(rùn)生.基于獨(dú)立成分分析的多時(shí)相遙感圖像變化檢測(cè)[J].電子與信息學(xué)報(bào)，2006，28（6）：994-998.

[4] COMON P.Independent component analysis，a new concept？[J].Signal Processing，1994，36（3）：287-314.

[5] Feng Yan，He Mingyi，Song Jianghong，et a1.ICA-Based Dimensionality Reduction and Compression of Hyperspectral Images[J].Journal of Electronics & Information Technology，2007，29（12）：2871-2875.馮燕，何明一，宋江紅，等.基于獨(dú)立成分分析的高光譜圖像數(shù)據(jù)降維及壓縮[J].電子與信息學(xué)報(bào)，2007，29（12）：2871-2875.

[6] Zeng Shenggen，Wang Xiaomin，F(xiàn)an Ruibin，et a1.Remote Image Classification Based on Independent Component Analysis[J].Journal of Remote Sensing，2004，8（2）：150-157.曾生根，王小敏，范瑞彬，等.基于獨(dú)立分量分析的遙感圖像分類技術(shù)[J].遙感學(xué)報(bào)，2004，8（2）：150-157.

[7] Wu wei，Peng hua，Zhang fan.Performance analysis of FastICA and RobustICA on blind sources sepatation[J].Application Research of Computer，2014，31（1）：95-98.吳微，彭華，張帆.FastICA和RobustICA算法在盲源分離中的性能分析[J].計(jì)算機(jī)應(yīng)用研究，2014，31（1）：95-98.

[8] Hyvrinen A.Fast and robust fixed-point algorithms for independent component analysis[J].IEEE Trans.on Neural Networks，1999，10（3）：626-634：

[9] Chen Jiangping，Wang Qian，Dong Qingji，et al.Extraction of Remote Sensing Alteration Information in Tuotuohe，Qinghai Province[J].Earth Science Journal of China University of Geosciences，2009，34（2）：314-318.陳建平，王倩，董慶吉，等.青海沱沱河地區(qū)遙感蝕變提取[J].地球科學(xué)—中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，2009，34（2）：314-318.

[10] Li Jianguo，Mao Debao.The Methods for Extraction Anomalies based on the ETM+ and Aster Data-A Case Study of the Mandula Area[J].Geological Survey and Research，2007，30（3）：234-240.李建國(guó)，毛德寶.基于ETM+與ASTER數(shù)據(jù)的礦化蝕變信息提取-以滿都拉地區(qū)為例[J].地質(zhì)調(diào)查與研究，2007，30（3）：234-240.

[11] Liu Cheng，Wang Danli，Li Xiaomei.Extracting Clay Alteration Information of Medium Vegetation Covered Areas based on Liner Model of Spectral Mixture Analysis[J].Remote Sensing Technology and Application，2003，18（2）：95-98.劉成，王丹麗，李笑梅.用混合像元線性模型提取中等植被覆蓋區(qū)的粘土蝕變信息[J].遙感技術(shù)與應(yīng)用，2003，18（2）：95-98.

[12] Su Zhicheng，Nv Hongwei.Remote Image Classification Based on Independent Component Analysis[J].Science Technology and Engineering，2007，7（23）：6244-6247.蘇志成，呂宏偉.基于獨(dú)立分量分析的遙感影像分類方法[J].科學(xué)技術(shù)與工程.2007，7（23）：6244-6247.

[13] Wang Qian，Chen Jianping.Extraction and Grading of Remote Sensing Alteration Anomaly based on the Fractal Theory[J].Geological Bulletin of China，2009，28（2-3） ：285-288.王倩，陳建平.基于分形理論的遙感蝕變異常提取與分級(jí)[J].地質(zhì)通報(bào)，2009，28（2-3）：285-288.

[14] Jin Feng，Cheng Jianping.MODIS Remote Sensing Data Processing and Acquisition of Atmosphere Products[J].Remote Sensing Information，2005（2）：62-65，57.荊鳳，陳建平.礦化蝕變信息的遙感提取方法綜述[J].遙感信息，2005（2）：62-65，57.