基于面向对象数据划分方法的高分辨率遥感影像并行分割研究.pdfVIP

摘 要 随着高分辨率遥感影像的广泛应用，面向对象的遥感影像信息提取技术应运而生。遥感影像 分割是面向对象信息提取过程中的关键步骤，也是计算量最大、时间消耗最长的部分，因此提高 影像分割速度是实现高分辨率遥感影像快速信息提取的前提。并行计算技术为海量遥感数据的分 析与处理带来了新契机，然而，在高分辨率遥感影像并行处理过程中，传统的并行数据划分方法 在一定程度上破坏了对象的完整性，这必然会对影像分割结果产生影响，降低特征基元提取的质 量，从而影响信息提取的精度。 针对遥感影像并行处理过程中传统并行数据划分方法易破坏影像对象完整性的缺点，本文将 面对像的思想引入到并行数据划分过程中，设计了一种基于面向对象数据划分的遥感影像并行分 割算法：首先对遥感影像进行预处理，利用非监督分类对影像对象进行粗提取，在此基础上利用 kd-tree 算法进行对象重组从而完成面向对象的数据划分，然后对影像进行基于区域增长法的并 行分割处理，最终得到影像分割结果。 本文在基于面向对象数据划分的遥感影像并行分割算法基础上，以SPOT 数据为例，采用 GDAL 库和 OpenMP 并行编程环境在 4 核计算环境下进行了具体的实验。实验结果表明该方法能够较好 的保持对象的完整性，在提高影像分割速度的同时又保证了影像分割结果的质量；从而说明面向 对象的不规则并行数据划分比传统的并行数据划分方法更适用于面向对象的遥感影像并行处理。 关键词：高分辨率遥感影像，面向对象信息提取，遥感影像分割，并行计算，面向对象数据 划分 I Abstract With the extensive application of high-resolution remote sensing images, the object-oriented information extraction technology is proposed to take full advantage of the spatial information of high-resolution remote sensing images. Image segmentation is the key step and the most time-consuming part of the process of object-oriented information extraction. Thereby increasing the speed of image segmentation is the premise of rapid information extraction of high-resolution remote sensing images. Parallel computing brings a new opportunity for analysis and processing of massive remote sensing data. However, during the process of the high-resolution remote sensing images parallel processing, traditional parallel data partition policy breaks the integrity of objects, which will definitely affect the results of the segmentation and reduce the accuracy of the information extraction. In order to compensate for the deficiency that the traditional parallel data partition policy breaks the integrity of objects, in this pape