基于Hadoop的遥感数字图像处理方法研究
  • 【摘要】

    目前遥感数字图像广泛应用于军事、农林、环境科学、地学以及测绘等领域,在遥感技术的不断更新中,多时相、多分辨率、多传感器、多波段的遥感卫星产生的遥感影像的总数据量迅速增长.对于这些海量的遥感数据的存储和并行处理也成为了研究的热点,而云计算为我们提供了研究的方向.云计算具有超大规模、虚拟化、高可扩展性、高可靠性、按需服务、通用性、极其廉价的特点.Hadoop是一个开源的云计算系统,主要由分布式文件系统... 展开>>目前遥感数字图像广泛应用于军事、农林、环境科学、地学以及测绘等领域,在遥感技术的不断更新中,多时相、多分辨率、多传感器、多波段的遥感卫星产生的遥感影像的总数据量迅速增长.对于这些海量的遥感数据的存储和并行处理也成为了研究的热点,而云计算为我们提供了研究的方向.云计算具有超大规模、虚拟化、高可扩展性、高可靠性、按需服务、通用性、极其廉价的特点.Hadoop是一个开源的云计算系统,主要由分布式文件系统HDFS以及并行计算框架MapReduce组成.本文基于Hadoop云计算系统,主要利用并行编程框架MapReduce实现遥感数字图像的增强处理以及对增强后图像进行聚类,并与PC串行处理进行比较研究.针对遥感数字图像的整体亮度偏低、目视效果较差的特点,传统的图像增强方法在遥感数字图像上的处理无法达到人眼舒适的目视判读的效果,以及影响后续处理的问题,本文在无损增强方法的基础上进行了改进,使得原始图像的有效图像区域的无效像素点能够参与增强,实验结果表明该方法达到了很好的目视效果.对于遥感数字图像信息量大的特点提出了形如"瀑布"的并行处理模型,并且在Hadoop云计算平台环境下利用MapReduce并行编程实现了这一模型.不仅解决了MapReduce直接处理常用图像格式的输入问题,而且加快了遥感数字图像的处理速度.本文最后对于增强处理后的遥感数字图像进行了图像聚类,实验验证了本文提出的图像增强改进方法对于聚类达到了很好的效果,同时对于MapReduce实现的K均值算法在遥感图像上的应用进行了一点改进,增加了参加聚类的像素点的筛选以及初始聚类中心的分段选择的过程. 收起<<

  • 【作者】

    周涛 

  • 【学科专业】

    计算机应用技术

  • 【授予学位】

    硕士

  • 【授予单位】

    东北师范大学

  • 【导师姓名】

    林和平

  • 【学位年度】

    2013

  • 【语种】

    chi

  • 【关键词】

    遥感图像%云计算%Hadoop%MapReduce%图像增强%K均值