基于Hadoop平臺(tái)下森林景觀遙感影像分類(lèi)技術(shù)研究.pdf

1、目前隨著森林經(jīng)營(yíng)理念的轉(zhuǎn)變，每個(gè)群體對(duì)于森林管理效益的側(cè)重點(diǎn)不同，并且森林經(jīng)營(yíng)管理模式變的日趨復(fù)雜，因此森林可持續(xù)經(jīng)營(yíng)的難度大大增加。由于森林景觀的復(fù)雜性、遙感傳感器的選擇及分類(lèi)算法的局限性，使得在利用遙感數(shù)據(jù)進(jìn)行森林規(guī)劃的整個(gè)過(guò)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(gè)嚴(yán)峻考驗(yàn)。遙感影像分類(lèi)技術(shù)是森林景觀規(guī)劃的一種重要方法，影像獲取、預(yù)處理、影像分類(lèi)算法選擇等組成了遙感影像分類(lèi)應(yīng)用的技術(shù)鏈，而信息獲取以及目標(biāo)識(shí)別更

2、是遙感應(yīng)用的核心技術(shù)。本文從影像獲取角度與算法性能方面進(jìn)行研究，進(jìn)而提高分類(lèi)精度與效率。
　　本文主要對(duì)以下幾個(gè)方面進(jìn)行了研究:
　　(1)在影像獲取中，MEMS(Micro-electro Mechanical System)傳感器能夠?qū)⒂跋穸ㄎ痪鹊?.01像素，也就是定位在亞像元級(jí)別，進(jìn)而能夠滿足運(yùn)動(dòng)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(diǎn)，使得極易出現(xiàn)鍵合失效問(wèn)題，使得其壽命大大

3、降低，這成為MEMS傳感器進(jìn)入市場(chǎng)的瓶頸之一。本研究利用TRIZ(Theory of Inventive Problem Solving)理論優(yōu)化了此問(wèn)題，從而降低MEMS器件的使用成本。綜上使得運(yùn)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(lèi)研究中，通過(guò)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(jìn)而提高森林景觀分類(lèi)精度。考慮到遙感影像大規(guī)模的數(shù)據(jù)

4、集問(wèn)題，在Map Reduce框架下，結(jié)合一系列優(yōu)化策略（獨(dú)立與合作搜索、有無(wú)通信和局部與全局優(yōu)化）將算法并行化，進(jìn)而提高算法的性能。
　　(3)將串、并行算法分別應(yīng)用在森林景觀分類(lèi)中，比較時(shí)間復(fù)雜度，再對(duì)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(shí)實(shí)驗(yàn)結(jié)果表明，在Map Reduce框架下，無(wú)論在何種策略下將算法并行化（獨(dú)立與合作搜索、有無(wú)通信和局部與全局優(yōu)化），針對(duì)擴(kuò)展的Solomon