基于分布式并行聚類的SAR圖像變化檢測算法研究.pdf

1、SAR（Synthetic Aperture Radar）圖像變化檢測可以應用在自然環(huán)境監(jiān)測、災害評估、軍事打擊效果評估和城市規(guī)劃等眾多領域，使得SAR圖像變化檢測成為遙感領域的研究熱點。近年來隨著雷達成像能力的提升，SAR圖像的數據規(guī)模變得越來越大，傳統(tǒng)串行變化檢測算法已經越來越難以應對數據量不斷增長的 SAR圖像。本文將核模糊C均值聚類算法（Kernel Fuzzy C-Means，KFCM）與分布式并行計算框架相結合，提出了兩種基

2、于分布式并行聚類的SAR圖像變化檢測方法，分布式并行計算框架能夠充分利用集群中眾多節(jié)點的計算能力和存儲能力，可以有效應對大規(guī)模的SAR圖像變化檢測問題，加快變化檢測的速度。
　　1.提出了一種基于H-KFCM（Hadoop based KFCM）的分布式并行SAR圖像變化檢測方法。在變化檢測過程中，利用聚類算法對差異圖進行聚類分析是計算復雜度最高，計算時間最長的部分。Hadoop分布式集群計算平臺可以利用分布式文件系統(tǒng)HDFS（H

3、adoop Distributed File System）和MapReduce計算模型分布式地存儲和處理大規(guī)模數據。本文提出的基于H-KFCM的SAR圖像變化檢測方法，將 KFCM算法與 Hadoop相結合，將 KFCM算法中隸屬度迭代計算映射到MapReduce中的Map階段，通過集群多節(jié)點分布式執(zhí)行Map任務實現隸屬度矩陣的并行計算；將KFCM的聚類中心更新過程映射到Reduce階段，Reduce收集不同節(jié)點的Map任務計算結果，

4、規(guī)約求和更新聚類中心，實現了對SAR圖像變化檢測差異圖的分布式并行聚類。通過設計相關實驗，證明了本文提出的H-KFCM分布式并行變化檢測方法是有效的，并且在Hadoop集群節(jié)點數增加時，對相同SAR圖像的變化檢測時間明顯減少，證明了該算法具有良好的并行加速性能。
　　2.提出了一種基于S-KFCM（Spark based KFCM）的SAR圖像變化檢測方法。Spark是一種針對迭代作業(yè)和交互分析等領域而設計的基于內存計算的分布式并

5、行平臺，相比于Hadoop的MapReduce框架，Spark在運行相同的作業(yè)時可以取得幾十倍甚至百倍加速性能提升。該算法將利用KFCM算法分析差異圖的過程遷移到Spark內存計算框架上實現，將變化檢測過程中最耗時的聚類分析過程并行的完成。在Spark中，KFCM算法的計算過程由一系列有依賴關系的彈性分布式數據集（Resilient Distributed Datasets，RDD）實現，Spark能夠在集群多個節(jié)點上對RDD進行并行計