云計算在高光譜圖像分類中的應(yīng)用研究.pdf

1、遙感技術(shù)中，高光譜遙感技術(shù)非常有利于深入挖掘地物的理化特性及不同地物的精細識別，因此其在圖像分類和識別等方面具有獨特的優(yōu)勢。
　　但是由于高光譜技術(shù)在不同的時間，空間以及光譜波段所采集到的遙感圖像的不同，產(chǎn)生了龐大的遙感圖像數(shù)據(jù)，而且采集到的數(shù)據(jù)具有多波段，維度大的特點，因此遙感進入大數(shù)據(jù)時代。本文主要基于分布式云計算架構(gòu)Hadoop，設(shè)計了像素的任務(wù)分配策略、分布式的類間距離求解和類別計算方法，對高光譜圖像數(shù)據(jù)分類的最近正則子空

2、間算法進行并行化設(shè)計。實驗表明，針對高光譜圖像分類算法的數(shù)據(jù)密集及計算密集問題，8個計算節(jié)點可以實現(xiàn)約6倍加速。與Hadoop相比，在Spark架構(gòu)上并行實現(xiàn)的算法的加速效果更好，在其基礎(chǔ)上加速了2倍左右，并且研究了分布式Hadoop與高性能計算GPU的融合，進一步提高并行效率。
　　本文的主要內(nèi)容安排如下:
　　1、通過大量的文獻調(diào)研，了解了遙感圖像分類，云計算平臺以及云計算技術(shù)在遙感圖像處理上的應(yīng)用。在學(xué)習(xí)了幾種高光譜圖

3、像分類算法基礎(chǔ)上，選擇了最近正則子空間分類算法，并對其進行了編程實現(xiàn)。
　　2、在分析了高光譜圖像數(shù)據(jù)特性的基礎(chǔ)上，對云計算技術(shù)中常用于分布式批處理計算的Hadoop架構(gòu)和基于內(nèi)存計算的Spark框架的相關(guān)技術(shù)和工作流程進行了研究。
　　3、將最近正則子空間分類算法應(yīng)用于Hadoop平臺，使用并行編程框架MapReduce編程實現(xiàn)高光譜圖像數(shù)據(jù)快速分類。考慮到目前的高光譜圖像數(shù)據(jù)的海量增長以及圖像分類的實時要求，分析了使用分

4、布式并行架構(gòu)Hadoop來實現(xiàn)該分類算法的優(yōu)勢，將高光譜圖像數(shù)據(jù)進行分塊，分發(fā)到多個節(jié)點上進行處理，并行化實現(xiàn)算法，達到了良好的加速效果。
　　4、基于內(nèi)存計算的開源集群計算系統(tǒng)Spark，結(jié)合最近正則子空間分類算法，研究在使用同一幅高光譜圖像的條件下，與基于Hadoop實現(xiàn)的并行程序運行時間以及分類準確率進行比較，同時探討在運行時不同節(jié)點數(shù)對分類效率的影響。
　　5、研究分布式架構(gòu)Hadoop與高性能計算GPU融合對實現(xiàn)矩