易敏，叶发旺，张川，邱骏挺

（核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京 100029）

［关键字］高光谱遥感；蚀变矿物识别；深度学习；白杨河铀矿床

现代遥感不仅能提取蚀变和其他地质信息，还能发挥其独有的优势进行大范围有效的蚀变矿物填图，能为地质工作者对矿床成因增深理解［1-2］，因此蚀变矿物识别是遥感地质中非常重要的一项工作。目前国内外对矿物光谱识别的方法以传统的光谱角匹配（SAM）、匹配滤波等方法为主［3-5］，但他们对矿物光谱的细微差别不够敏感，同时受光谱信噪比、光谱重建等精度影响较大［6］。因此亟待研发一种能挖掘光谱潜在信息的算法，准确而又高效的识别蚀变矿物。

神经网络（Neural Network）是机器学习的一门分支，是受生物大脑启发建立的算法模型。目前在语音处理、图像分类、垃圾邮件处理、搜索引擎等领域均发挥了不可替代的作用。机器学习与传统算法最大不同之处在于，可以对已知数据进行学习得出模型参数。若能对蚀变矿物进行智能化识别，实现端到端的操作，必将大幅度减少人力成本，从而增加工作效率。为此，本文意图通过现有的数据，基于Tensorflow 框架，训练蚀变矿物识别模型，并对模型进行分析、评价，为蚀变矿物智能识别提供参考与借鉴。

1 网络架构

1.1 全连接网络

全连接神经网络是由输入层、输出层以及若干隐藏层组成。每一层包含多个节点，每个节点先进行线性运算，再通过激活函数进行非线性运算。……