發(fā)布時(shí)間：2021-01-14 02:52

　　近年來,隨著遙感技術(shù)的發(fā)展,遙感圖像分辨率不斷提高,其在眾多領(lǐng)域的應(yīng)用得到了人們的廣泛關(guān)注。遙感圖像識別技術(shù)就是其研究的主要熱點(diǎn)之一。鑒于傳統(tǒng)識別技術(shù)執(zhí)行時(shí)間長和空間占用大的缺點(diǎn),本文研究面向?qū)ο蟮膱D像識別技術(shù),其主要包括兩個(gè)方面:遙感圖像的分割和目標(biāo)識別。為了滿足時(shí)間、空間和精度的要求,本文做了以下工作:（1）超像素分割算法的并行化改造傳統(tǒng)分割算法大多采用串行執(zhí)行的方式,已經(jīng)不能滿足現(xiàn)今遙感圖像處理對時(shí)間和空間的高要求。本文結(jié)合數(shù)據(jù)分塊并行理論和SLIC（simple linear iterative cluster）算法OpenMP并行化方法,根據(jù)遙感圖像數(shù)據(jù)可分的特點(diǎn),將遙感圖像進(jìn)行條狀分塊并編號,將分塊后的子圖像獨(dú)立進(jìn)行并行化后的SLIC分割操作。通過并行實(shí)驗(yàn),對串行執(zhí)行時(shí)間和并行執(zhí)行時(shí)間進(jìn)行對比,很明顯,此改進(jìn)在時(shí)間和加速比都取得了好的效果,達(dá)到預(yù)期目標(biāo)。（2）并行分割完后邊界合并算法的設(shè)計(jì)并行分割完成之后,分塊邊界處會出現(xiàn)明顯的合并線,本文提出基于區(qū)域鄰接圖的邊界合并算法。該算法首先獲取邊界處的區(qū)域標(biāo)簽,根據(jù)邊界像素的空間位置關(guān)系,建立邊界處的區(qū)域鄰接圖,然后遍歷區(qū)域鄰接圖... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

K-means聚類過程圖

距離和空間位置特征距離的和，該值通過超像素距離 S 歸一化2 2 2( ) ( ) ( )lab k i k i k id l l a a b b2 2( ) ( )xy k i k id x x y y2 2s lab xymD d dS 入的變量 m 用于控制超像素的緊密度，m 越大，空間聚類越m 的范圍在[1,20]，此處所有的計(jì)算結(jié)果都是以 m 10為前提大 CIELAB 的感知距離，并且很好地平衡了色彩相似度和空統(tǒng)的 K 均值算法不同，SLIC 并不是對整個(gè)空間的所有像素了區(qū)域，區(qū)域大小為 2S，即尋找時(shí)以初始聚類中心為尋找中心S的矩陣，如圖 3.2 所示：

西安電子科技大學(xué)碩士學(xué)位論文。對基于數(shù)據(jù)分集的多線程設(shè)計(jì)，它是一個(gè)很好的選擇。同時(shí)MP 也提供了更強(qiáng)的靈活性，可以較容易的適應(yīng)不同的并行系統(tǒng)配置負(fù)載平衡等是傳統(tǒng)多線程程序設(shè)計(jì)中的難題，然而，在 OpenMMP 庫從程序員手中接管了部分這兩方面的工作，從而使得程序員可具體的算法本身，而非如何編程使得代碼在 CPU 負(fù)載平衡和線程平衡。但是，作為高層抽象，OpenMP 并不適合需要復(fù)雜的線程間場合。OpenMP 的另一個(gè)缺點(diǎn)是不能在非共享內(nèi)存系統(tǒng)(如計(jì)算機(jī)在這樣的系統(tǒng)上，MPI 使用較多。. OpenMP 編程模型享內(nèi)存模型：OpenMP 以多核處理器平臺為設(shè)計(jì)基礎(chǔ)，其底層架構(gòu) 或者 NUMA。

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)D-S證據(jù)理論的目標(biāo)識別方法[J]. 張志,楊清海.  計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[2]基于多參數(shù)配準(zhǔn)模型的腦核磁影像分割算法[J]. 張萬,劉剛,朱凱,廖恒旭.  電子學(xué)報(bào). 2017(09)
[3]基于動態(tài)閾值區(qū)域分裂合并算法的高分辨率遙感圖像分割研究[J]. 丁海勇,王雨軒,毛宇瓊,許亞慧.  測繪通報(bào). 2016(08)
[4]高斯—拉普拉斯算子場源邊界識別方法[J]. 王明,何輝,王林飛,劉前坤.  物探與化探. 2015(S1)
[5]基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測[J]. 高常鑫,桑農(nóng).  測繪通報(bào). 2014(S1)
[6]一種基于樸素貝葉斯分類模型的高光譜礦物精確識別方法[J]. 賀金鑫,陳圣波,王陽,吳艷繁.  光譜學(xué)與光譜分析. 2014(02)
[7]基于邊緣檢測的圖像分割技術(shù)淺析[J]. 劉毅,賴曉風(fēng).  電子制作. 2013(16)
[8]高分辨率遙感影像信息提取方法綜述[J]. 王偉超,鄒維寶.  北京測繪. 2013(04)
[9]基于虛擬節(jié)點(diǎn)的傳感器網(wǎng)絡(luò)分布式數(shù)據(jù)存儲[J]. 陳濤,牟亮,郭得科,陳洪輝,羅雪山.  上海交通大學(xué)學(xué)報(bào). 2009(11)
[10]基于任意方向圖像導(dǎo)數(shù)算法的邊緣檢測技術(shù)[J]. 張斌,宋旸,賀安之.  光電工程. 2009(10)

博士論文
[1]大幅面可見光遙感圖像典型目標(biāo)識別關(guān)鍵技術(shù)研究[D]. 韓現(xiàn)偉.哈爾濱工業(yè)大學(xué) 2013
[2]基于遙感與地表特性的鄂爾多斯高原北部地貌和覆沙厚度的辨識方法[D]. 羅艷云.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2012

碩士論文
[1]基于面向?qū)ο蠖喑叨确指畹哪繕?biāo)信息提取研究[D]. 雍萬鈴.蘭州交通大學(xué) 2016
[2]基于最大類間方差的醫(yī)學(xué)顯微圖像分割研究[D]. 胡涵.江西理工大學(xué) 2015
[3]基于活動輪廓和閉合型摳圖的圖像分割算法研究[D]. 曹淼科.華東師范大學(xué) 2015
[4]高分辨率遙感圖像分水嶺分割并行化研究[D]. 劉鈺.南京師范大學(xué) 2015
[5]基于面向?qū)ο蟮母叻直媛蔬b感影像人工地物信息提取[D]. 王波.江西理工大學(xué) 2011
[6]基于多核的多線程算法并行優(yōu)化[D]. 李秀芳.鄭州大學(xué) 2010
[7]遙感影像上軍事目標(biāo)變化檢測相關(guān)關(guān)鍵技術(shù)研究[D]. 莫華.解放軍信息工程大學(xué) 2007



本文編號：2976060