基于集群的高能遥感影像水体提取方法研究硕士学位专业论文.docxVIP

2 对水体信息提取的效率提升有限制。 通过以上问题的分析，我们发现，为了提高遥感影像水体信息提取的效率，需要在以 下几个方面有所改良：首先需要提供一个海量遥感数据的储存平台，方便遥感数据的储存 与访问[5]；其次需要构建一个高性能遥感信息计算平台，改造现有的水体提取方法提高水 体提取效率。 1.2 国内外研究现状 遥感影像是地物特征的综合反映，通过卫星传感器获取遥感影像，然后经过计算机处 理等技术手段从影像中提取有效信息，应用到各行各业的分析与决策中。水体信息提取是 指采用一定的技术手段，把水体信息从水体与地物组成的影像中分离出来，以下分别从两 个方面阐述： 在高性能遥感信息计算方面，由于遥感信息计算具有数据量大、计算方法复杂等特点。 所以为了提高遥感影像处理速度和遥感信息计算效率，需要从算法自身考虑，同时采用采 用高性能计算环境[6]。近年来，随着计算机硬件体系结构的不断优化升级，利用先进的硬 件体系来解决遥感信息计算的速度问题是遥感地学研究方向之一，在这些研究中，并行计 算技术成为解决遥感信息计算中数据密集与计算密集问题的方法之一[7]。首先，随着“多 核”技术的普遍推广，并且已经成为当前计算机的主流配置，如何利用“多核”技术来来 处理大数据量问题成为当前研究热点方向[8]。国内外研究机构和硬件厂商提出了一系列的 解决方案，例如 OpenMP 是利用基于共享内存的编程的标准接口[9]。另一方面，集群是当 前高性能计算中普遍采用的一种解决方案[10]，它采用一种并行计算架构，将多台普通的计 算机通过高速网络互联，可以形成与大型机相当的计算能力，并且集群解决方案还具有其 它优点：比如价格廉价、便于扩展等。在遥感信息计算中，由于存在数据量与计算量大的 问题，采用集群可以由多台节点共同完成一个计算复杂、数据量大的任务，通过服务管理 节点发送命令，各个节点根据命令处理相应的数据。因为遥感信息计算存在着对不同区域 的影像数据进行大量相同的处理，因此使用集群计算环境可以有效提高遥感信息计算处理 效率。近年来，在遥感信息计算领域，许多学者提出了集群技术在学科中的应用研究，安 兴华等提出了并行计算在遥感计算中的应用[11]，沈占锋等把网格计算应用到遥感计算领域 [12-15],胡晓东等在遥感信息计算中应用了 MPI 接口构建集群计算环境[16,17]。法国的 Info Terra 公司于 2003 年推出的像素工厂采用了集群计算环境进行遥感图像处理，其通过终端提交 批量的任务，实现并行化、流程化地处理影像数据。像素工厂的成功是人们认识到采用集 3 群体系结构处理遥感影像可以有效提高遥感信息计算效率。 在水体信息提取方面，以下几类方法被证明效果较好：指数分割法[18]、监督分类法[19] 以及决策树法[20]等，针对不同的应用场景可以选择不同的水体提取方法。于欢等人认为在 较多人工参与的条件下，对 TM 影像的水体提取利用影像分类的方法较好[21]；席晓燕等通 过结合指数和波段叠加的聚类方法，减少了人工参与并且避免了阀值选取的繁琐[22]。为了 实现水体提取的自动化和精确化，指数模型法和分类法是效果较好的方法，骆剑承等基于 此发展的“全域-局部”分步迭代方法被证明对于精确提取湖泊等面状水体十分有效[23]。 1.3 项目背景介绍 本论文主要在中亚地区资源与环境数据库管理系统（以下简称中亚数据库管理系统） 的基础上完成，中亚数据库管理系统是中科院新疆生态与地理研究所近期研究的项目之 一，项目主要目标是为了解决多种类型、不同分辨率的海量遥感数据储存与管理问题，如 海量遥感数据如何储存、如何读取、如何显示等。同时又提供了一个集群高性能计算平台， 为各种不同类型的遥感信息计算方法提供运行环境。项目主要功能包括遥感数据导入、二 维与三维显示、遥感影像处理等。 1.4 本文主要工作 本文研究的主要内容有： 1.论述当前水体信息提取现状，分为两个方面论述：高性能计算与水体提取方法。首 先介绍了高性能计算的几种方向，然后介绍了当前的水体提取方法研究趋势。 2.论述了遥感信息计算中的几种图像预处理方法，介绍了图像分割方法，为水体提取 提供基础；另外一方面，详细论述了集群的定义以及几种集群体系结构以及集群架构中需 要解决的几个问题。 3.论述了几种水体提取方法，详细描述了分步迭代的水体提取方法，介绍了算法流程 并通过实验结果论证了该方法的效果，该方法按照“全局-局部”分割方法，分步迭代地完 成遥感影像分割分类。 4.提出了适用于遥感信息计算的集群框架搭建流程，介绍了集群各种类型节点的功能， 以数据为主线重点介绍了集群环境下的数据储存与整理。 5.提出了集群环境下的水体提取方法，重点介绍了计算任务拆分策略，并且提出了几 个集群环境常见问题的解决方法，包括负载均衡策