基于分布式并行计算的高分图像数据融合系统设计与实现

摘要

自从20世纪60年代末美国发射了第一颗地球资源技术卫星开始，遥感就进入了一个全新的时代。随着遥感技术的飞速发展，遥感影像的获取越来越方便，这使得获取到的遥感数据量呈现爆炸性的增长，形成GB、TB甚至PB级数据，如何有效的存储和管理这些数据并实现快速共享和分发已经成为空间信息科学领域和一些部门重点关心的问题之一。2006年国务院颁布了《国家中长期科学和技术发展规划纲要（2006-2020年）》，规划中明确确立了高分专项（高分辨率对地观测系统）作为16个重大专项之一。高分专项建设主要有两个目标:一是建设高分辨率先进观测系统形成全天候、全天时、全球覆盖的对地观测能力;二是整合并完善地面资源，建立数据与应用专项中心，形成空间信息产业链。
　　由高分专项的建设目标可知不仅高分遥感影像的存储值得关注，而高分遥感影像的处理更值得关注，针对高分一号来说根据其处理流程可知预处理是必不可少的部分，而预处理中图像融合算法比较复杂，耗时比较大，如果进行单机处理图像融合需要耗费很大的人力和物力，因此找出一种合理的图像融合方案来解决此问题是非常有意义的，而本文基于分布式并行计算的高分图像融合正是为解决这一问题而提出的。
　　本文采用的技术框架是JAVA+Hadoop+ENVI，主要研究工作有以下几个方面:首先对ENVI中像素级融合的几种常用的遥感影像融合进行研究，通过实验的方式得出实验结果并对其结果进行分析得出比较适合作为高分遥感影像融合的方法;其次是研究如何基于HDFS和PostgreSQL结合来存储和管理高分遥感影像数据;最后是研究基于Hadoop与ENVI结合实现分布式并行高分图像数据融合。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．3 论文主要研究内容

1．4 论文组织结构

第2章 相关技术

2．1 分布式存储与并行计算技术

2．1．1 分布式文件系统HDFS

2．1．2 分布式并行计算模型MapReduce

2．2 高分遥感影像技术

2．2．1 高分遥感卫星

2．2．2 高分遥感影像

2．3 图像融合

2．3．1 图像融合概述

2．3．2 图像融合存在问题

2．3．3 图像融合结果评价

2．4 本章小结

第3章 图像融合算法与图像分块算法研究

3．1 图像融合算法研究

3．1．1 ENVI对应图像融合算法

3．1．2 实验与结果分析

3．2 图像分块算法研究

3．3 本章小结

第4章 基于分布式并行计算图像融合系统设计与实现

4．1 分布式并行图像融合环境搭建

4．2 系统架构设计

4．3 高分一号影像处理业务流程

4．4 系统相关数据库设计

4．5 HDFS数据组织及存储

4．6 分布式并行图像融合系统设计与实现

4．6．1 分布式并行图像融合设计基本思路

4．6．2 数据写入模块设计与实现

4．6．3 数据读取模块设计与实现

4．6．4 图像融合模块设计与实现

4．6．5 分布式并行图像融合设计与实现

4．7 本章小结

第5章 实验与结果分析

5．1 实验环境

5．2 实验数据

5．3 实验结果

5．3．1 ENVI与ENVI二次开发图像融合实验结果

5．3．2 单机与分布式实验结果

5．4 实验结果分析

5．4．1 ENVI与ENVI二次开发图像融合结果分析

5．4．2 单机与分布式结果分析

5．5 遇到的问题及解决方法

5．5．1 hadoop安装问题

5．5．2 hadoop使用问题

5．5．3 ENVI安装问题

5．5．4 ENVI使用问题

5．6 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢