隨著無人機技術(shù)的不斷發(fā)展,無人機遙感的應(yīng)用越來越廣泛逐漸地深入到了各行各業(yè),隨之產(chǎn)生的無人機遙感圖像也越來越多。面對海量的無人機遙感圖像,怎樣快速有效地進行圖像分割,提取有效的圖像信息,已經(jīng)成為無人機遙感應(yīng)用各領(lǐng)域研究的關(guān)鍵性問題。針對當(dāng)前圖像分割方法對于無人機遙感圖像分割速度慢、實效性差的問題,本文利用開源云計算平臺Hadoop對無人機遙感圖像分割方法進行研究,并設(shè)計了基于Hadoop云平臺的無人機遙感圖像分割的MeanShift算法。本文首先對Hadoop中的圖像處理模型進行了設(shè)計,自定義設(shè)計MapReduce圖像處理的編程模型,以及Hadoop平臺讀入圖像的方式,以實現(xiàn)快速有效的圖像讀取,對圖像的序列化方式、文件分割方式、文件輸出類型進行設(shè)計,對Hadoop集群進行搭建,并測試集群運行的穩(wěn)定性;然后對適用于Hadoop平臺的MeanShift算法進行設(shè)計,運用Hadoop平臺調(diào)用圖像預(yù)處理算法對圖像進行預(yù)處理,并在OpenCV中對基于Hadoop平臺的MeanShift圖像分割算法進行實現(xiàn)。實驗結(jié)果表明,在保證分割參數(shù)以及處理條件一致性的前提下,基于Hadoop平臺的無人機圖像分割,圖像處理效率有了極大的提升,與單機MATLAB圖像分割處理相比,并發(fā)度、實效性、計算及存儲能力都大大增強。
【學(xué)位單位】：長春大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP751
【部分圖文】：

度圖像的直方圖的灰度范圍為 i=0,1,...,L-1,當(dāng)灰度級別為 k 時的像素數(shù)為kn ，那么一幅圖像的總像素數(shù) N 表達式為01110 == =++ +LLiiN nnnn灰度概率出現(xiàn)的概率為0 1 1++ +==LiiinnnnNnp（2-1）當(dāng)圖像的灰度直方圖分布呈現(xiàn)一定規(guī)律時，圖像大概可以分為兩部分，這兩部分分別位于灰度分布的兩個峰值附近。由此可知直方圖左側(cè)山峰亮度較低，這一部分恰好對應(yīng)于畫面中需要分割的目標(biāo)。閾值選擇為兩個峰值之間的低谷處的值時，就可以將目標(biāo)分離出來。當(dāng)選取的閾值在直方圖中呈現(xiàn)明顯的峰值時，使用直方圖閾值法可以較好地分割圖像[25]。2.2.1.2 算法圖像分割實驗分別選用兩幅圖像，一張灰度圖像一張彩色遙感圖像，灰度圖像大小為 47.5K彩色遙感圖像大小為 1126KB，進行圖像分割實驗。（1）直方圖閾值法分割灰度圖像如下圖 2-1 所示

好地分割圖像[25]。2.2.1.2 算法圖像分割實驗分別選用兩幅圖像，一張灰度圖像一張彩色遙感圖像，灰度圖像大小為 47.5KB彩色遙感圖像大小為 1126KB，進行圖像分割實驗。（1）直方圖閾值法分割灰度圖像如下圖 2-1 所示（a）原始圖像 （b）分割后的圖像圖 2-1 直方圖閾值法灰度圖像分割效果圖（2）直方圖閾值法分割彩色圖像如下圖 2-2 所示

和整幅圖像平均灰度 u 的差也比較大[17]。描述這種有效性差異可以用區(qū)域間的方差來表示，其表達式為：2222112δ = θ(t )(u u)+θ(t)(u(t) u)， （2-8）經(jīng)過化簡可表示為：212122δ = θ(t )×θ(t)(u(t) u(t))（2-9）由此可以確定閾值 T： max[()]2TtB= δ利用最大方差來決定閾值，這種方法不需要設(shè)定其他參數(shù)，此方法是一種自動選取閾值的方法，不但適合用于兩區(qū)域的單閾值選擇而且也適用于多區(qū)域的多個閾值的選擇[27]。2.2.2.2 算法圖像分割實驗選用與 2.2.1.2 節(jié)相同的兩幅圖像進行圖像分割實驗，實驗結(jié)果如下所示。（1）自動閾值法分割灰度圖像如圖 2-3 所示。
【參考文獻】

相關(guān)期刊論文 前10條

1 王惠;;圖像的區(qū)域分割與研究[J];電子技術(shù)與軟件工程;2016年05期

2 龔明飛;;無人機影像處理技術(shù)在測繪工程中的應(yīng)用[J];黑龍江科技信息;2016年06期

3 王子卿;;無人機遙感監(jiān)測系統(tǒng)的應(yīng)用概況[J];農(nóng)業(yè)與技術(shù);2016年02期

4 陸安江;金力;楊家紅;趙麒;;基于改進的BP神經(jīng)網(wǎng)絡(luò)在車牌識別中的應(yīng)用研究[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2015年06期

5 常生鵬;馬億旿;蔡立軍;丁玉成;;一種基于Hadoop的高分辨率遙感圖像處理方法[J];計算機工程與應(yīng)用;2015年11期

6 謝永華;陳慶為;;木材缺陷的閾值分割算法研究[J];森林工程;2014年02期

7 馬立婷;陶秋香;張慶云;;三種遙感反演海岸線方法的實驗對比分析[J];海洋測繪;2013年06期

8 王顥瑾;;在C++ Builder編程環(huán)境下實現(xiàn)基于閾值法的圖像分割技術(shù)[J];民營科技;2013年11期

9 惠鵬飛;苗鳳娟;陶佰睿;王成琳;;基于K-均值聚類和分水嶺算法的PCB彩色圖像分割[J];電視技術(shù);2013年13期

10 惠鵬飛;苗鳳娟;陶佰睿;王成琳;;一種適用于PCB檢測的彩色圖像分割算法[J];電子技術(shù)應(yīng)用;2013年03期

相關(guān)碩士學(xué)位論文 前10條

1 劉健健;基于云平臺下嵌入GPU并行計算框架的人臉檢測系統(tǒng)研究[D];中國海洋大學(xué);2015年

2 殷兵;基于Hadoop的分布式遙感圖像處理研究[D];華東師范大學(xué);2015年

3 李顏;基于云平臺的車牌識別系統(tǒng)設(shè)計與實現(xiàn)[D];桂林電子科技大學(xué);2015年

4 萬家雪;Hadoop平臺運維關(guān)鍵技術(shù)研究與實現(xiàn)[D];北京郵電大學(xué);2015年

5 姚銀鋒;基于Hadoop的應(yīng)用可視化研究與實現(xiàn)[D];北京郵電大學(xué);2015年

6 董再旺;國家域名日志可視化分析監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[D];中國科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）;2014年

7 楊宇;基于內(nèi)容的圖像檢索算法研究[D];中國民航大學(xué);2014年

8 葛世國;基于數(shù)學(xué)形態(tài)學(xué)的遙感圖像分割算法研究[D];成都理工大學(xué);2014年

9 蔡大威;基于Hadoop和Hama平臺的并行算法研究[D];浙江大學(xué);2013年

10 譚斌;基于服務(wù)的數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則技術(shù)的研究[D];湖北工業(yè)大學(xué);2012年

本文編號：2837719