基于云计算的高光谱遥感图像检索研究

发布时间：2017-12-22 21:34

  本文关键词：基于云计算的高光谱遥感图像检索研究　出处：《南京理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 高光谱遥感图像 云计算 混合像元分解 分布式并行 基于内容检索 Spark

【摘要】：随着3S技术和信息技术的快速发展,人类对地表综合观测能力以及对地表信息的处理、传输和应用能力得到了极大的提升。然而,随着各国高光谱遥感研究部门对高光谱遥感数据日益增长的需求,以及高光谱遥感数据获取手段的不断革新,高光谱遥感数据正以爆炸型的态势激增。如何合理地存储海量的高光谱遥感数据并从中检索出用户感兴趣的信息,已经成为当前遥感研究领域亟待解决的问题。同时,由于高光谱图像波段多、光谱分辨率高的特点,使得高光谱遥感数据的处理算法具有复杂度高、硬件资源需求大的问题。云计算技术具有可扩展的存储能力为高光谱遥感数据的存储提供了更好的解决方案,并且云计算的分布式计算能力有效地解决了高光谱遥感处理算法的单机瓶颈问题。本论文主要分析了当前高光谱图像基于内容检索的需求,结合云计算平台的分布式存储和并行处理能力,设计了一个基于云计算的并通过光谱混合像元分解思想进行高光谱遥感图像内容检索的系统。主要内容包括:(1)论文结合高光谱遥感图像处理背景,在分析HDFS、Hadoop MapReduce编程模型和基于内存计算的Spark框架等相关云计算技术的基础上,设计了一个基于云计算的高光谱遥感图像检索系统,给出了系统架构和功能模块设计,包括基于HDFS的海量高光谱遥感数据分布式存储模块、基于MySQL数据库的遥感图像元数据管理模块、基于混合像元分解的高光谱图像检索模块等。(2)针对高光谱图像内容的快速检索需求,设计了基于混合像元分解的高光谱图像检索方法,实现了基于光谱特征的图像内容检索。该方法通过纯净像元指数算法提取待检索高光谱图像中的端元光谱,通过光谱角匹配方法进行特征比对,同时利用丰度反演算法提取目标光谱的位置和成分信息,取得了较好的检索精度。(3)针对系统中的混合像元分解过程中的纯净像元指数算法和丰度反演算法,提出了基于Spark的分布式并行优化方法。本文在充分利用Spark特性的基础上,优化设计算法逻辑、合理使用Spark的广播机制以减少执行节点的内存开销,并优化设计Shuffle数据结构来减少网络传输开销。并行优化后的算法在真实的高光谱图像场景中在保证混合像元分解正确性的基础上,达到了良好的加速效果。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP751

【参考文献】

相关期刊论文 前7条

1 杨萍;李轶鲲;胡玉玺;;基于内容的遥感图像数据库植被区域检索[J];测绘与空间地理信息;2016年06期

2 杨进;刘建波;戴芹;;一种改进包模型的遥感图像检索方法[J];武汉大学学报(信息科学版);2014年09期

3 夏英;杨选伦;;云环境中基于金字塔模型的影像数据存储方法[J];重庆邮电大学学报(自然科学版);2012年06期

4 罗军舟;金嘉晖;宋爱波;东方;;云计算:体系架构与关键技术[J];通信学报;2011年07期

5 李乔;郑啸;;云计算研究现状综述[J];计算机科学;2011年04期

6 刘异;呙维;江万寿;龚健雅;;一种基于云计算模型的遥感处理服务模式研究与实现[J];计算机应用研究;2009年09期

7 张鹏;;IBM在华践行“蓝云6+1”计划[J];通信世界;2009年20期

，

本文编号：1321122