基于Hadoop平臺下森林景觀遙感影像分類技術研究.pdf

1、目前隨著森林經營理念的轉變，每個群體對于森林管理效益的側重點不同，并且森林經營管理模式變的日趨復雜，因此森林可持續(xù)經營的難度大大增加。由于森林景觀的復雜性、遙感傳感器的選擇及分類算法的局限性，使得在利用遙感數(shù)據(jù)進行森林規(guī)劃的整個過程中伴隨著各種不確定性，因此如何提高精度和效率成為其面臨的一個嚴峻考驗。遙感影像分類技術是森林景觀規(guī)劃的一種重要方法，影像獲取、預處理、影像分類算法選擇等組成了遙感影像分類應用的技術鏈，而信息獲取以及目標識別更

2、是遙感應用的核心技術。本文從影像獲取角度與算法性能方面進行研究，進而提高分類精度與效率。
　　本文主要對以下幾個方面進行了研究:
　　(1)在影像獲取中，MEMS(Micro-electro Mechanical System)傳感器能夠將影像定位精度到0.01像素，也就是定位在亞像元級別，進而能夠滿足運動圖像的高精度定位，最終提高衛(wèi)星獲取信息的精度和防御能力。然而MEMS自身的特點，使得極易出現(xiàn)鍵合失效問題，使得其壽命大大

3、降低，這成為MEMS傳感器進入市場的瓶頸之一。本研究利用TRIZ(Theory of Inventive Problem Solving)理論優(yōu)化了此問題，從而降低MEMS器件的使用成本。綜上使得運用MEMS傳感器提高信息獲取精度具備可行性。
　　(2)本文將基于模擬退火算法的遙感影像亞像元定位方法引入森林景觀分類研究中，通過優(yōu)化子像元的空間分布，最終確定混合像元中各組分的位置，進而提高森林景觀分類精度?？紤]到遙感影像大規(guī)模的數(shù)據(jù)

4、集問題，在Map Reduce框架下，結合一系列優(yōu)化策略（獨立與合作搜索、有無通信和局部與全局優(yōu)化）將算法并行化，進而提高算法的性能。
　　(3)將串、并行算法分別應用在森林景觀分類中，比較時間復雜度，再對比并行算法與串行算法的性能。理論分析，串行模擬退火算法比并行算法的搜索收斂速度快。同時實驗結果表明，在Map Reduce框架下，無論在何種策略下將算法并行化（獨立與合作搜索、有無通信和局部與全局優(yōu)化），針對擴展的Solomon