遥感影像并行计算策略研究

论文摘要

随着遥感信息获取途径的增多和传感技术的发展,遥感影像的数据量和复杂度也随之急剧增长,高速度、高精度成为遥感数据处理新的空间应用需求,设计一种适用于海量遥感数据处理的并行计算通用模型就变得自然而贴切。按照数字图像处理的层次划分,本文以卫星遥感图像处理为例,总结了遥感图像处理的一般流程,将其划分为预处理层、数据处理层、信息提取层、知识层以及应用层五个层次,并根据遥感影像处理算法中像素间的相关性,将算法划分为点处理算法、局部处理算法以及全局处理算法三大类。基于并行程序设计的基本思想,针对三类算法分别设计出遥感影像处理算法的通用并行计算模型,以影像融合、滤波以及分割为例,对通用并行计算模型进行实验和性能分析。重点针对全局处理算法中的遥感影像分割算法进行了深入的研究,提出一种适用于全局算法的并行计算策略。实验表明,遥感影像并行计算通用模型的提出,能够有效地提高遥感影像处理的速度和效率,遥感应用的实时性要求得到了极大地满足。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 论文研究背景及意义
• 1.1.1 遥感影像对并行处理的需求
• 1.1.2 遥感影像全局处理算法并行化的必要性
• 1.2 国内外研究现状
• 1.2.1 图像处理并行计算技术研究现状
• 1.2.2 遥感影像分割算法并行化研究现状
• 1.3 论文内容
• 1.3.1 论文依托
• 1.3.2 论文研究重点、创新点
• 1.3.3 研究内容
• 1.4 论文结构
• 2 遥感影像处理
• 2.1 遥感影像处理流程
• 2.2 遥感影像处理算法分类
• 2.3 遥感影像处理并发性分析
• 2.4 本章小结
• 3 并行程序设计
• 3.1 并行算法设计基本原则
• 3.2 基础并行算法
• 3.2.1 区域分解法
• 3.2.2 功能分解法
• 3.2.3 流水线技术
• 3.2.4 分而治之法
• 3.2.5 同步并行法
• 3.2.6 异步并行法
• 3.3 并行程序设计流程
• 3.3.1 寻找并发性
• 3.3.2 算法结构设计
• 3.3.3 支持结构设计
• 3.3.4 实现机制设计
• 3.4 并行计算性能评价标准
• 3.5 本章小结
• 4 遥感数据并行处理算法的通用模型
• 4.1 遥感数据并行处理通用策略及算法实现
• 4.1.1 任务分解
• 4.1.2 数据分解
• 4.1.3 功能分解
• 4.1.4 算法分解
• 4.2 基于像素点的并行计算策略
• 4.2.1 数据分解策略
• 4.2.2 遥感影像融合并行实现实例
• 4.2.3 性能测试
• 4.3 基于局部的并行计算策略
• 4.3.1 数据分解策略
• 4.3.2 遥感影像滤波并行实现实例
• 4.3.3 性能测试
• 4.4 基于全局的并行计算策略
• 4.4.1 聚合通信
• 4.4.2 MPI并行程序有两种基本模式
• 4.4.3 全局并行计算策略
• 4.5 本章小结
• 5 遥感影像分割并行实现
• 5.1 遥感影像分割原理
• 5.1.1 区域增长法
• 5.1.2 基于统计区域增长的分割算法
• 5.2 遥感影像分割的并行化实现
• 5.2.1 基于像素点的并行计算通用模型的实现
• 5.2.2 基于局部的并行计算通用模型的实现
• 5.2.3 基于全局的并行计算通用模型的实现
• 5.3 本章小结
• 结论
• 参考文献
• 作者简历
• 学位论文数据集