基于分布式并行聚類(lèi)的SAR圖像變化檢測(cè)算法研究.pdf

1、SAR（Synthetic Aperture Radar）圖像變化檢測(cè)可以應(yīng)用在自然環(huán)境監(jiān)測(cè)、災(zāi)害評(píng)估、軍事打擊效果評(píng)估和城市規(guī)劃等眾多領(lǐng)域，使得SAR圖像變化檢測(cè)成為遙感領(lǐng)域的研究熱點(diǎn)。近年來(lái)隨著雷達(dá)成像能力的提升，SAR圖像的數(shù)據(jù)規(guī)模變得越來(lái)越大，傳統(tǒng)串行變化檢測(cè)算法已經(jīng)越來(lái)越難以應(yīng)對(duì)數(shù)據(jù)量不斷增長(zhǎng)的 SAR圖像。本文將核模糊C均值聚類(lèi)算法（Kernel Fuzzy C-Means，KFCM）與分布式并行計(jì)算框架相結(jié)合，提出了兩種基

2、于分布式并行聚類(lèi)的SAR圖像變化檢測(cè)方法，分布式并行計(jì)算框架能夠充分利用集群中眾多節(jié)點(diǎn)的計(jì)算能力和存儲(chǔ)能力，可以有效應(yīng)對(duì)大規(guī)模的SAR圖像變化檢測(cè)問(wèn)題，加快變化檢測(cè)的速度。
　　1.提出了一種基于H-KFCM（Hadoop based KFCM）的分布式并行SAR圖像變化檢測(cè)方法。在變化檢測(cè)過(guò)程中，利用聚類(lèi)算法對(duì)差異圖進(jìn)行聚類(lèi)分析是計(jì)算復(fù)雜度最高，計(jì)算時(shí)間最長(zhǎng)的部分。Hadoop分布式集群計(jì)算平臺(tái)可以利用分布式文件系統(tǒng)HDFS（H

3、adoop Distributed File System）和MapReduce計(jì)算模型分布式地存儲(chǔ)和處理大規(guī)模數(shù)據(jù)。本文提出的基于H-KFCM的SAR圖像變化檢測(cè)方法，將 KFCM算法與 Hadoop相結(jié)合，將 KFCM算法中隸屬度迭代計(jì)算映射到MapReduce中的Map階段，通過(guò)集群多節(jié)點(diǎn)分布式執(zhí)行Map任務(wù)實(shí)現(xiàn)隸屬度矩陣的并行計(jì)算；將KFCM的聚類(lèi)中心更新過(guò)程映射到Reduce階段，Reduce收集不同節(jié)點(diǎn)的Map任務(wù)計(jì)算結(jié)果，

4、規(guī)約求和更新聚類(lèi)中心，實(shí)現(xiàn)了對(duì)SAR圖像變化檢測(cè)差異圖的分布式并行聚類(lèi)。通過(guò)設(shè)計(jì)相關(guān)實(shí)驗(yàn)，證明了本文提出的H-KFCM分布式并行變化檢測(cè)方法是有效的，并且在Hadoop集群節(jié)點(diǎn)數(shù)增加時(shí)，對(duì)相同SAR圖像的變化檢測(cè)時(shí)間明顯減少，證明了該算法具有良好的并行加速性能。
　　2.提出了一種基于S-KFCM（Spark based KFCM）的SAR圖像變化檢測(cè)方法。Spark是一種針對(duì)迭代作業(yè)和交互分析等領(lǐng)域而設(shè)計(jì)的基于內(nèi)存計(jì)算的分布式并

5、行平臺(tái)，相比于Hadoop的MapReduce框架，Spark在運(yùn)行相同的作業(yè)時(shí)可以取得幾十倍甚至百倍加速性能提升。該算法將利用KFCM算法分析差異圖的過(guò)程遷移到Spark內(nèi)存計(jì)算框架上實(shí)現(xiàn)，將變化檢測(cè)過(guò)程中最耗時(shí)的聚類(lèi)分析過(guò)程并行的完成。在Spark中，KFCM算法的計(jì)算過(guò)程由一系列有依賴(lài)關(guān)系的彈性分布式數(shù)據(jù)集（Resilient Distributed Datasets，RDD）實(shí)現(xiàn)，Spark能夠在集群多個(gè)節(jié)點(diǎn)上對(duì)RDD進(jìn)行并行計(jì)