基于Hadoop平台下森林景观遥感影像分类技术研究
发布时间：2021-04-20 02:17
目前随着森林经营理念的转变,每个群体对于森林管理效益的侧重点不同,并且森林经营管理模式变的日趋复杂,因此森林可持续经营的难度大大增加。由于森林景观的复杂性、遥感传感器的选择及分类算法的局限性,使得在利用遥感数据进行森林规划的整个过程中伴随着各种不确定性,因此如何提高精度和效率成为其面临的一个严峻考验。遥感影像分类技术是森林景观规划的一种重要方法,影像获取、预处理、影像分类算法选择等组成了遥感影像分类应用的技术链,而信息获取以及目标识别更是遥感应用的核心技术。本文从影像获取角度与算法性能方面进行研究,进而提高分类精度与效率本文主要对以下几个方面进行了研究：（1）在影像获取中,MEMS （Micro-electro Mechanical System）传感器能够将影像定位精度到0.01像素,也就是定位在亚像元级别,进而能够满足运动图像的高精度定位,最终提高卫星获取信息的精度和防御能力。然而MEMS自身的特点,使得极易出现键合失效问题,使得其寿命大大降低,这成为MEMS传感器进入市场的瓶颈之一。本研究利用TRIZ （Theory of Inventive Problem Solving）理论...
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 MEMS器件研究现状
1.2.2 森林经营规划的研究现状
1.2.3 遥感影像分类方法研究现状
1.2.4 并行算法的研究现状
1.3 研究内容
1.4 论文内容安排
2 遥感影像获取的研究分析
2.1 遥感影像获取的理论分析
2.2 应用MEMS传感器获取信息的分辨率
2.3 MEMS传感器键合失效问题的分析与解决
2.3.1 键合失效问题描述与分析
2.3.2 分析键合失效问题的理想解
2.3.3 运用TRIZ冲突矩阵和发明原理解决键合失效问题
2.4 本章小结
3 遥感影像分类的方法
3.1 基于像元的遥感分类方法
3.1.1 监督分类分析
3.1.2 非监督分类分析
3.2 基于亚像元定位的分类方法
3.2.1 亚像元定位的基本思想
3.2.2 亚像元定位精度的评价方法
3.3 基于模拟退火算法的亚像元定位方法
3.3.1 模拟退火算法的原理简介
3.3.2 模拟退火中基于亚像元的理论模型
3.4 对比分类算法的精度性能
3.5 本章小结
4 Hadoop平台下模拟退火算法的并行化研究分析
4.1 Hadoop简介及核心组件
4.1.1 HDFS分布式文件系统
4.1.2 Map Reduce算法执行框架
4.2 并行算法设计理念
4.2.1 并行算法的设计方法
4.2.2 并行算法的基本设计技术
4.3 Map Reduce框架下模拟退火算法的并行化设计
4.3.1 模拟退火算法独立搜索的并行化
4.3.2 模拟退火算法合作搜索的并行化
4.4 本章小结
5 实验与结果评估分析
5.1 并行算法与串行算法时间复杂度的对比
5.2 实验目的与设计
5.3 实验平台搭建与部署
5.3.1 实验平台搭建
5.3.2 Hadoop集群部署信息与Map Reduce分布式环境配置
5.4 实验评估标准
5.5 实验过程与理论分析
5.5.1 并行模拟退火算法实验数据集的描述
5.5.2 串、并行模拟退火算法实验结果分析
5.6 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]遥感影像混合像元分解算法对比分析[J]. 田珊珊,杨敏华. 现代测绘. 2016(01)
[2]遥感分类技术在植被分类研究中的发展特点[J]. 王瑾. 科技展望. 2015(26)
[3]RS和GIS技术在中尺度景观类型划分与制图中的应用:以成都市龙泉驿区为例[J]. 欧定华,夏建国,张莉,欧晓芳,赵智. 生态学杂志. 2015(10)
[4]中国干旱半干旱地区湿地研究进展[J]. 缑倩倩,屈建军,王国华,肖建华,庞营军. 干旱区研究. 2015(02)
[5]一种基于Hadoop平台的并行朴素贝叶斯网络舆情快速分类算法[J]. 马宾,殷立峰. 现代图书情报技术. 2015(02)
[6]基于Map Reduce的并行小波聚类[J]. 欧炳华. 科技视界. 2014(30)
[7]粗糙模糊集的近似表示[J]. 张清华,王进,王国胤. 计算机学报. 2015(07)
[8]干旱区艾比湖湿地土壤呼吸的空间异质性[J]. 秦璐,吕光辉,张雪妮,何学敏,王合玲. 干旱区地理. 2014(04)
[9]MEMS传感器的发展及其在煤矿井下的应用研究[J]. 李军,赵军. 煤炭技术. 2014(07)
[10]浅谈遥感技术与应用[J]. 金鑫. 数字技术与应用. 2014(02)
本文编号：3148779
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 MEMS器件研究现状
1.2.2 森林经营规划的研究现状
1.2.3 遥感影像分类方法研究现状
1.2.4 并行算法的研究现状
1.3 研究内容
1.4 论文内容安排
2 遥感影像获取的研究分析
2.1 遥感影像获取的理论分析
2.2 应用MEMS传感器获取信息的分辨率
2.3 MEMS传感器键合失效问题的分析与解决
2.3.1 键合失效问题描述与分析
2.3.2 分析键合失效问题的理想解
2.3.3 运用TRIZ冲突矩阵和发明原理解决键合失效问题
2.4 本章小结
3 遥感影像分类的方法
3.1 基于像元的遥感分类方法
3.1.1 监督分类分析
3.1.2 非监督分类分析
3.2 基于亚像元定位的分类方法
3.2.1 亚像元定位的基本思想
3.2.2 亚像元定位精度的评价方法
3.3 基于模拟退火算法的亚像元定位方法
3.3.1 模拟退火算法的原理简介
3.3.2 模拟退火中基于亚像元的理论模型
3.4 对比分类算法的精度性能
3.5 本章小结
4 Hadoop平台下模拟退火算法的并行化研究分析
4.1 Hadoop简介及核心组件
4.1.1 HDFS分布式文件系统
4.1.2 Map Reduce算法执行框架
4.2 并行算法设计理念
4.2.1 并行算法的设计方法
4.2.2 并行算法的基本设计技术
4.3 Map Reduce框架下模拟退火算法的并行化设计
4.3.1 模拟退火算法独立搜索的并行化
4.3.2 模拟退火算法合作搜索的并行化
4.4 本章小结
5 实验与结果评估分析
5.1 并行算法与串行算法时间复杂度的对比
5.2 实验目的与设计
5.3 实验平台搭建与部署
5.3.1 实验平台搭建
5.3.2 Hadoop集群部署信息与Map Reduce分布式环境配置
5.4 实验评估标准
5.5 实验过程与理论分析
5.5.1 并行模拟退火算法实验数据集的描述
5.5.2 串、并行模拟退火算法实验结果分析
5.6 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]遥感影像混合像元分解算法对比分析[J]. 田珊珊,杨敏华. 现代测绘. 2016(01)
[2]遥感分类技术在植被分类研究中的发展特点[J]. 王瑾. 科技展望. 2015(26)
[3]RS和GIS技术在中尺度景观类型划分与制图中的应用:以成都市龙泉驿区为例[J]. 欧定华,夏建国,张莉,欧晓芳,赵智. 生态学杂志. 2015(10)
[4]中国干旱半干旱地区湿地研究进展[J]. 缑倩倩,屈建军,王国华,肖建华,庞营军. 干旱区研究. 2015(02)
[5]一种基于Hadoop平台的并行朴素贝叶斯网络舆情快速分类算法[J]. 马宾,殷立峰. 现代图书情报技术. 2015(02)
[6]基于Map Reduce的并行小波聚类[J]. 欧炳华. 科技视界. 2014(30)
[7]粗糙模糊集的近似表示[J]. 张清华,王进,王国胤. 计算机学报. 2015(07)
[8]干旱区艾比湖湿地土壤呼吸的空间异质性[J]. 秦璐,吕光辉,张雪妮,何学敏,王合玲. 干旱区地理. 2014(04)
[9]MEMS传感器的发展及其在煤矿井下的应用研究[J]. 李军,赵军. 煤炭技术. 2014(07)
[10]浅谈遥感技术与应用[J]. 金鑫. 数字技术与应用. 2014(02)
本文编号：3148779
本文链接：https://www.wllwen.com/nykjlw/lylw/3148779.html
