研究中使用了Landsat 7 ETM+(2001+0 11.6，軌道列車號120-38)的數據。利用landsat7 ETM+30m分辨率的多光譜圖像和15m分辨率的pan波段數據，提取Landsat 7 ETM+遙感數據的灰度值，采用Gram-Schmidt變換方法對Landsat 7 ETM+數據進行融合。最後，基於ENVI4.5平臺進行融合實驗，將with 30m分辨率的多波段與15m分辨率的PAN波段進行融合，得到15m分辨率的多光譜遙感影像數據。
根據遙感影像目視解譯中各種地物的不同特征信息，識別目標或現象的目的是。根據空間數據、礦點信息和遙感影像數據，可以直觀地解譯構造信息。
研究區第四紀松散沈積物較厚，植被發育，裸露巖體較少，隱伏斷層較發育。
隱藏斷層的處理需要圖像增強技術:密度分割、紋理分析、比率增強、定向和非定向濾波。
本文采用紋理分析和方向濾波來增強圖像
紋理分析反映的是灰度的空間變化，由按壹定規律或壹定統計規律排列的紋理單元組成。提取構造斷層時，高頻信息主要反映邊緣和線條的特征。
選擇方差概率統計的濾波來增強圖像的邊緣信息，使得圖像對象的邊緣特征更加直觀，地貌和紋理的差異更加明顯，有效地提取了三條線性結構信息。
使用“發生測量”選項，可以基於概率統計應用五種不同的紋理過濾器。概率統計過濾可以使用數據範圍、均值、方差、熵和偏度。概率統計使用處理窗口中每個灰度級的出現次數進行紋理計算。以下是操作流程:
(1)在主菜單中，選擇過濾器-->；紋理->；發生措施.在“紋理輸入文件”對話框中選擇壹個圖像文件。
(2)在發生測量參數面板中，單擊？單擊“要計算的紋理”部分中紋理類型旁邊的復選框，選擇要創建的紋理圖像。
(3)在“行”(y)和“列”(x)文本框中，輸入加工窗口的大小。
(4)選擇輸出路徑和文件名。單擊“確定”開始處理。將計算選定的紋理圖像，並將其放入可用波段列表中。
使用共生度量選項，可以應用基於二階矩陣的八個紋理過濾器，包括均值、方差、和諧、對比度、相異、熵、二階矩和相關性。
二階概率統計使用壹個灰度空間相關矩陣來計算紋理值，這是壹個相對頻率矩陣，即相隔特定距離和方向的兩個相鄰處理窗口中像素值的頻率。該矩陣顯示了像素與其特定鄰域之間的關系的出現次數。比如下圖所示的二階概率矩陣，是由壹個3x3的窗口中的每個像素及其水平鄰域生成的(變換值x=1，y=0)。使用3×3基本窗口中的像素和在水平方向上由壹個像素變換的3×3窗口中的像素來生成二階概率矩陣。以下是操作流程。
(1)選擇過濾器-->；紋理->；同現度量，在紋理輸入文件對話框中選擇圖像文件。
(2)在同現紋理參數對話框中。通過單擊“要計算的紋理”部分中紋理類型旁邊的復選框，選擇要創建的紋理圖像。
(3)在“行”(y)和“列”(x)文本框中，輸入加工窗口的大小。
(4)鍵入X和Y變換值(同現移位)以計算二階概率矩陣。
(5)選擇灰度量化等級:無、64、32或16。
(6)選擇輸出路徑和文件名。單擊“確定”開始處理。將計算選定的紋理圖像，並將其放入可用波段列表中。
選擇壹個濾波矩陣對圖像進行卷積運算，從而突出某壹方向的線性結構。本區北東向和北西向斷裂構造發育延伸，是重點找礦方向，具有重要的勘探意義。
sn、ew、ne和NW方向的漸進卷積濾波。方向濾波完成後，用線性拉伸法調制最佳視覺效果，提取21個線性結構。
1，卷積過濾(卷積過濾)
？卷積是壹種濾波方法，它產生壹個輸出圖像(在圖像中，給定像素的亮度值是其周圍像素的亮度值的加權平均值的函數)。
用戶選擇用於圖像序列卷積的變換核，以生成新的空間濾波圖像。
(1)選擇過濾器>；卷積& gt壹種過濾。
(2)出現對話框時，需要選擇變換核的大小來設置卷積濾波的卷積參數。大多數濾鏡變換核是方形的，默認的變換核大小是3×3，可在“大小”文本框中更改。
變換內核的大小。
當“內核編輯”對話框出現時，每個變換內核的值都顯示在其自己的可編輯文本框中。更改任何值，單擊要更改的值，鍵入新值，然後單擊enter。
？註意:壹些特殊的過濾器(如Sobel和Roberts)有自己的默認值，不能更改。選擇這些過濾器時，不會出現更改內核大小的選項。原始圖像的卷積結果的“加回”部分有助於保持空間連接，並且通常被處理成清晰的圖像。對於原始圖像的加回部分，在加回文本框中，鍵入壹個介於0.0和1.0之間的數字(對應於原始圖像的0到100%)。
(1)單擊“快速應用”，當對話框出現時，選擇輸入波段。
？點擊" OK "臨時文件出現在" Available Band List Available Band List "中，同時出現壹個新的顯示窗口，顯示過濾結果。
(3)或者點擊Apply to file選擇輸入文件，點擊OK，選擇輸入波段和輸出方式，可以選擇輸出到內存。內存文件出現在“Available Band List Available Band List”中，並創建壹個新的顯示窗口來顯示過濾結果。
2、高通濾波器(High Pass Filter)
高通濾波消除了圖像中的低頻成分，同時保留了高頻信息。它可以用來增強不同區域之間的邊緣，就像銳化圖像壹樣。這是通過使用具有高中心值(通常被負權重包圍)的變換核來完成的。ENVI默認高通濾波使用的變換核為3×3(中心值為“8”，外部像素值為“-1”)。高通濾波變換核的大小必須是奇數。要實現此功能，請選擇過濾器& gt卷積& gt高傳球.
3、低通濾波器(Low Pass Filter)
？低頻濾波保留了圖像中的低頻成分。ENVI的低通濾波是通過將IDL“SMOOTH”函數應用於所選圖像來進行的。這個函數使用boxcar平均值，而盒子的大小由變換核的大小決定。默認的變換內核大小是3x3。要實現此功能，請選擇過濾器>卷積>低通。
4.拉普拉斯濾波器(拉普拉斯濾波器)
？拉普拉斯濾波器是邊緣增強濾波器的二階導數，其運算不需要考慮邊緣的方向。拉普拉斯濾波強調圖像中的最大值，它使用變換核的南北和東西權重。
都是負數，中心是“0”。ENVI中默認的拉普拉斯過濾器使用大小為3x3的變換內核，中心值為“4”，南北方向和東西方向為“-1”。所有拉普拉斯濾波變換核
所有尺碼都必須是奇數。
5.定向(直接過濾)
？直通濾波是壹階導數邊緣增強濾波，它選擇性地增強具有特定方向分量的圖像特征。直接濾波變換核的元素之和為零。結果輸出圖像中有相同的像素值。
的區域都為0，像素值不同的區域顯示為亮邊。
？實現直通過濾:
(1)選擇過濾器>；卷積& gt方向性。
(2)除了卷積參數對話框中的標準濾波調整項目之外，
ENVI direct filtering要求妳在標有"角度"的文本框中鍵入所需的方向(以度為單位)。真北為0度，其他角度為逆時針矢量度。
6.高斯濾波器(高斯濾波器)
高斯濾波通過指定大小的高斯卷積函數對圖像進行濾波。默認的變換內核大小是3×3，並且變換內核大小必須是奇數。選擇高斯高通或
高斯低通濾波。
7.中值濾波器(中值濾波器)
中值濾波平滑圖像，同時保留比變換核大的邊緣。ENVI的中值濾波器將每個中心像素替換為受濾波器大小限制的相鄰區域的中值(不要與平均值混淆)。
價值。默認的變換內核大小是3x3。要實現此功能，請選擇過濾器>卷積>中位數.
8.索貝爾過濾器
Sobel濾波器是壹種非線性邊緣增強，它特別利用了Sobel函數的近似值，是壹種預置的3×3非線性邊緣增強算子。過濾器的大小不能改變，也沒有
方法來編輯轉換內核的大小。要實現此功能，請選擇“過濾器”>“卷積”索貝爾.
9.羅伯茨過濾器
羅伯特過濾器是壹個類似於Sobel的邊緣檢測過濾器。它是壹種特殊的濾波，使用羅伯茨函數預設的2×2的近似值。是簡單二維空間的差平方
方法，用於邊緣銳化和隔離。不能更改過濾器的大小，也不能編輯變換內核的大小。要實現此功能，請選擇“過濾器”>“卷積”羅伯茨.
10，用戶定義的卷積過濾器(用戶定義的卷積過濾器)
通過選擇和編輯用戶變換核，我們可以定義通常使用的卷積變換核。選擇“編輯內核”按鈕以交互方式編輯默認值並更改單個過濾器的權重。
ETM+的熱紅外波段為第六波段，分為低增益波段和高增益波段。發現密度分割後低增益帶的顯示效果優於高增益帶。提取了1個環形結構和3個線性結構。
密度分割是壹種對單波段圖像進行顏色變換的方法。它將單波段黑白遙感影像按照亮度進行分層，給每壹層賦予不同的顏色，使之成為彩色影像，其中每壹層包含不同的亮度值。如果分層方案很好地對應了地物的光譜差異，就可以用這種方法來區分各種地物的類別。
密度分割的具體操作步驟如下:
(1)從顯示菜單中選擇工具→顏色映射→密度切片或疊加→密度切片。將彈出密度切片波段選擇對話框。
(2)選擇要定義灰度值範圍的波段。“定義的密度切片範圍”下列出了默認的8個範圍。該默認數據的最小值和最大值通過滾動窗口計算得出。您可以通過輸入所需的最大值和最小值來更改密度劃分的範圍。(如果想回到初始狀態，點擊復位)，在對話框底部選擇密度分割的應用範圍，是圖像窗口、滾動窗口還是所有窗口。
(3)在密度切片對話框中，我們可以編輯、刪除、修改和改變劃分的灰度值範圍的間隔屬性的顏色。只需點擊編輯範圍、刪除範圍和清除範圍選項框即可操作。
(4)我們使用ENVI默認的灰度值範圍進行密度分割(或者根據我們自己調整)，並點擊Apply。
對裸露的基巖區域進行直觀解釋。
在無巖體和第四系的地區，應用紋理分析、定量濾波和見證分割提取隱伏構造信息，發現了壹批新的隱伏構造。
鐵染和羥基蝕變，采用主成分+幹擾+閾值的方法，屬於成礦後期或成礦後蝕變，以磁鐵礦充填和隱伏爆炸角礫巖膠結的立體方式大規模沈澱後發生。研究區上下壁的輝石閃長巖遭受了矽化高嶺石，表明下面可能有礦體。而廣泛強烈的多期矽化、高嶺石化甚至碳酸鹽化，使原本是磁鐵礦的鐵礦床發生了假紅鐵，假赤鐵礦化程度與上述蝕變強度有關，但不全是找礦標誌。因此，有必要結合地球物理資料篩選研究區的蝕變信息，尋找有利的礦區預測。
(1)定義為A級找礦預測區，位於遙感解譯構造、地磁異常高值區、遙感鐵染異常與青和村地層或兩者的交匯處。
(2)具有四個成礦預測因素中的三個因素的地區被定義為B級找礦預測區。
(3)具有四種成礦元素中的兩種元素的區域定義為C級找礦預測區。
最終有4個A級，2個B級，1個c級。