论文摘要
遥感影像计算机自动识别技术一直是遥感研究领域较受关注的领域之一。遥感影像的土地利用分类方法的研究是土地管理领域中的一项重要内容,它直接影响到遥感数据在国土资源管理的应用范围和应用效果。近年来影像分类技术正向着更加智能化的分类技术、更加深入挖掘影像土地资源的深层次信息、多智能体分类器结合分类等方向发展。高分辨率遥感影像呈现出数据量显著增加、成像光谱波段变窄和地物的几何结构和纹理信息更加明显等特点。为提高土地利用分类精度,可全面的利用纹理、形状等特征,避免椒盐噪声影响。但遥感数据的分辨率要求很高,计算量更是呈几何级数增长,使计算机处理图像数据的负荷急剧加大,难以满足工程化实际需求,因此应用高性能并行计算技术来进行影像土地利用分类将是一种趋势和发展方向。本文研究的是高分辨率遥感影像土地利用分类,通过对遥感影像的基于像元与面向对象的两类分类方法的分析与总结,为提高遥感影像的分类精度需全面结合影像特征及辅助空间知识进行分类。针对高分辨率影像数据过大且多尺度分割及分类算法组合的计算量大的特点,本文设计了一种高性能计算架构下的土地利用影像分类模型,通过主流的并行计算架构集中优势来实现面向高分辨率影像的土地利用分类系统,是提高分类精度及计算效率的有效方法。目前高分辨率影像土地利用分类的主要问题可归纳为以下几点：（1）基于像元的影像分类未能充分利用高分辨率遥感影像的丰富的特征,而土地利用结构复杂,使得影像分类精度难以从影像本身获得提高。（2）采用面向对象的分类方法则分类精度又很大程度上要依赖于影像分割结果。如果分割出的对象出现误差及特征选择、分类等各个过程累积的结果误差,则直接影响整体分类结果,并且这种影响是不可逆转的。（3）不论是何种分类方法,要将高分辨率影像数据中的光谱、纹理、形状、上下文等多方面特征参与分类计算,一定程度上说能提高分类精度。但是另外一方面影像数据计算量的几何级数增长,为提高效率不得不通过降低维数或减小计算参量等,这样势必又会影像分类精度。本文针对高分辨率遥感影像数据特点和土地利用分类的复杂性,结合基于像元与面向对象的组合分类方法,设计了基于高性能计算环境的面向高分辨率影像土地利用分类目标的并行计算模型。本文的研究内容主要可归纳为以下的方面：（1）数据获取越来越快捷、智能化,更新能力不断提高,应用领域的深度与广度不断拓展。分析了高分辨率影像数据的规模化加工服务需求中的瓶颈问题,借鉴当前快熟发展的并行计算及网络技术（包括分布式计算、网格计算、云计算、物联网等）,提出了在高性能计算的架构体系下的面向分辨率影像土地利用分类模型HPC-RSCM,以解决大数据运算领域中的复杂计算问题。（2）分析了影像分类的两种类型的方法,即基于像元的分类方法和面向对象的分类方法,总结了各自的优势与不足。在基于像元的分类方法中,分析了蚁群聚类、模糊聚类及支持向量机算法的优势与不足及其改进方法,提出了基于这些算法的多智能体分类器组合分类方法,以使算法能捉高影像的土地利用分类精度与效率。在面向对象的分类方法中,分析了面向对象的分类流程（即多尺度分割-特征优选-融合算法分类）中各个环节可能引起的分类误差,提出了改进的融合分割算法、PSO-ACO的特征选择,以减少各个过程对土地利用分类造成的误差,使能提高总体的分类精度。（3）现实应用中，一方面期望能使高空间分辨率遥感数据上精细的地物空间结构与分布信息能从海量数据自动转化为可用信息,更好的服务于各领域需求：而另一方面又存在其数据量巨大、背景信息复杂、噪声干扰严重、同物异谱与同谱民物现象明显,这些实际问题拓展了高性能计算技术在影像数据处理方面的应用。本文分析了高性能计算技术,在多智能体分类器组合模型支持下,提出了两种种可操作的并行分类模型,即多智能休分类器组合的简单并行分类模型和多智能体分类器组合的复合并行分类模型。基于提出的HPC-RSCM模型,设计了异构高性能并行环境下的影像土地利用分类系统,并分别在MPI并行结构、MapReduee云计算架构、GPU通用计算结构、SMP体系结构的OpcnMP并行模式下设计实现并行分类系统。（4）试验分析。利用SPOT5影像数据对前述方法进行试验分析,针对多尺度分割、特征选择、分类算法的结果展开对比分析,同时也对在高性能计算的异构环境下这些算法的并行效率对比分析,证明两种并行分类模型的试验是可行：的,提高了影像土地利用分类的精度的同时也验证了方法能应用于大规模影像数据处理,为海量影像分类应用探索出了可行的高性能地学计算体系结构,为透明访问的大规模计算资源共享探索出了影像并行分类的实现方法。如何实现影像土地利用分类方法能充分发挥并行平台的计算能力,以期能实现土地利用分类方法的智能化,以及如何实现分类算法随平台的智能自动迁移,这些将是下一步要研究解决或改进的思路。
论文目录
相关论文文献
标签：高分辨率影像分类论文; 高性能地学计算论文; 土地利用论文; 多智能体分类器论文; 并行计算论文;