基于MapReduce的高分辨率遥感影像特征提取方法.pdfVIP

　 第３１卷第２期 长　江　科　学　院　院　报 Ｖｏｌ．３１　Ｎｏ．２　　 　　２０１４年 ２月 ＪｏｕｒｎａｌｏｆＹａｎｇｔｚｅＲｉｖｅｒＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ Ｆｅｂ．２０１４　 　 　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－５４８５．２０１４．０２．０１９ ２０１４，３１（０２）：９１－９６ 基于 ＭａｐＲｅｄｕｃｅ的高分辨率遥感影像特征提取方法 １ ２ １ ３ ３ １ 沈盛 ，刘　哲 ，张平仓 ，张　彤 ，吴华意 ，陈小平 （１．长江科学院水土保持研究所，武汉　４３００１０；２．长江水利委员会 网络与信息中心，武汉４３００１０； ３．武汉大学 测绘遥感信息工程国家重点实验室，武汉　４３００７９） 摘　要：遥感影像的数量和数据量正在呈几何级数增长，传统遥感影像处理方法已经无法应对这一海量问题。利 用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计 算的高分辨率遥感影像处理的研究框架下，介绍一种ＭａｐＲｅｄｕｃｅ遥感影像特征提取方法，实现海量高分辨率遥感 影像的海量底层视觉特征的提取。通过在１６个节点的Ｈａｄｏｏｐ集群上进行数据量扩展和处理能力扩展实验，证明 了基于ＭａｐＲｅｄｕｃｅ的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。 关键词：云计算；高分辨率遥感影像；底层视觉特征；ＭａｐＲｅｄｕｃｅ 中图分类号：Ｐ２３７　　　文献标志码：Ａ　　　文章编号：１００１－５４８５（２０１４）０２－００９１－０６ 对海量高分辨率遥感影像集进行并行的底层视觉特 征的检测和描述将极大地缩短处理时间，这为当前 １　遥感影像的发展 海量高分辨率遥感影像高效处理提供了一种新的思 进入２１世纪后，传感器与信息获取技术有了迅 路，也是遥感影像研究领域未来发展的一大趋势。 猛的发展，欧美一系列高分辨遥感卫星的发射成功， 本文将在基于 ＭａｐＲｅｄｕｃｅ的高分辨率遥感影像处 使遥感影像的分辨率已由早期的几十米提高到当前 理的研究框架下，介绍一种基于云计算的高分辨率 的１ｍ（ＯｒｂＶｉｅｗ－３）、０．６１ｍ（ＱｕｉｃｋＢｉｒｄ）、甚至 遥感影像特征提取方法，实现海量高分辨率遥感影 ［１］ 像的海量底层视觉特征的提取，并作为将来研究遥 ０．４１ｍ（ＧｅｏＥｙｅ－１全色） 。各种时间、空间和光谱 分辨率的遥感影像正在呈几何级数增长，但其利用率 感影像检索和人工地物识别的基础。 却很低［２－３］，其关键原因是传统遥感影像处理方法已 经无法有效应对其日产量海量和单幅像素海量。 ２　高分辨率遥感影像特征 传统的遥感影像处理方法一般是采用串行（或 循环）的方式对单张遥感影像（或遥感影像集）进行 影响高分辨率遥感影像获取的条件十分复杂， 处理。此类方法对于数量较少、数据量较少的遥感 如天气变化、拍摄位置和角度变化、设备自身的不稳 影像较为适用，但面对海量高分辨率遥感影像时就 定等等，这些都使采集的高分辨率遥感影像的质量 显得无能为力。受限于计算机单机硬件，海量遥感 和内容存在较大差异。为了更好地对高分辨率遥感 影像的处理无法直接进行。而对于某些勉强成功的 影像和人工地物进行描述，使同类型的人工地物能 处理，也需要长时间的等待，这对于数据处理者和使 被更好地归类，而不同类型的人工地物能被更好地 用者来说都是无法接受的。因此，需要转换研究思