一种高分辨率遥感图像分类算法时空效率优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105528622A(43)申请公布日2016.04.27(21)申请号201511003105.3(22)申请日2015.12.28(71)申请人山东科技大学地址266590山东省青岛市黄岛区前湾港路579号(72)发明人崔宾阁马秀丹赵法喜(74)专利代理机构北京国智京通知识产权代理有限公司11501代理人孙文彬(51)Int.Cl.G06K9/62(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种高分辨率遥感图像分类算法时空效率优化方法(57)摘要本发明涉及计算机图像处理和遥感技术领域，公开了一种高分辨率遥感图像分类算法时空效率优化方法，采用了对图像进行分块处理的策略，引入了CUDA并行化计算和内存映射文件技术，避免磁盘的读写操作从而极大节省了算法的运行时间，经过合理优化的算法，保留了分块处理方法内存占用少的优点，而且提高了图像文件访问速度，提高遥感图像处理的时间效率和空间效率。CN105528622ACN105528622A权利要求书1/1页1.高分辨率遥感图像分类算法时空效率优化方法，其特征在于，所述的优化算法具体步骤为：A:图像数据分成若干像素块；B:使用GDAL函数库中的RasterIO函数逐块加载图像的像素集，并利用内存映射文件技术逐块像素数据转存到新的磁盘文件中；C:随机选取K个像素作为初始聚类中心；D:利用内存映射文件技术从磁盘文件中读取第一个分块的像素数据，并传输到设备端；E：在设备端计算分块的各个像素与每一个聚类中心的距离，按相近原则进行分类；F：将分类结果传回主机端，并利用内存映射文件技术将结果数据转存到磁盘文件；G：如果步骤D中读取的数据是最后一个分块数据，则转至步骤H，否则读取下一个分块数据并转至步骤E；H：计算每一类中各个像素的平均值，并以此平均值作为新的聚类中心；I：比较新的聚类中心与旧的聚类中心是否相同，比较结束后用新聚类中心替换旧聚类中心，比较结果不同则转至步骤D，相同则转至步骤J；J：将每一个聚类中心的像素值赋值给该类的每一个像素。2.如权利要求1所述的高分辨率遥感图像分类算法时空效率优化方法，其特征在于：所述的图像数据分成若干像素块中,像素块大小为128*128、256*256、512*512和1024*1024中的一种。3.如权利要求1或2所述的高分辨率遥感图像分类算法时空效率优化方法，其特征在于：所述的比较新的聚类中心与旧的聚类中心，可采用绝对距离、欧氏距离、马氏距离、曼哈顿距离、夹角余弦距离度量公式进行相似性评价。2CN105528622A说明书1/4页一种高分辨率遥感图像分类算法时空效率优化方法技术领域[0001]本发明涉及计算机图像处理和遥感技术领域，特别是一种高分辨率遥感图像分类算法时空效率优化方法。背景技术[0002]随着卫星遥感技术的快速发展，遥感图像的数据量越来越大。比如，SPOT-5卫星图像存储了5.76*108个像素，WorldView-2卫星图像存储了2.62*108个像素。如此大的数据量给遥感数据处理带来极大的压力和挑战，主要表现在程序运行时间过长、计算机内存不足。当前计算机CPU主频和内存容量增长比较缓慢，因此依靠硬件性能的提高解决遥感图像处理时间过长和内存不足的问题比较困难。如何提高遥感图像处理的时间效率和空间效率，已成为遥感图像处理领域面临的最紧迫的问题之一。发明内容[0003]本发明的目的在于提供一种高分辨率遥感图像分类算法时空效率优化方法，保留了分块处理方法内存占用少的优点，而且提高了图像文件访问速度，提高遥感图像处理的时间效率和空间效率。[0004]为实现上述技术目的，达到上述技术效果，本发明公开了一种高分辨率遥感图像分类算法时空效率优化方法，优化算法具体步骤为：[0005]A:图像数据分成若干像素块；[0006]B:使用GDAL函数库中的RasterIO函数逐块加载图像的像素集，并利用内存映射文件技术逐块像素数据转存到新的磁盘文件中；[0007]C:随机选取K个像素作为初始聚类中心；[0008]D:利用内存映射文件技术从磁盘文件中读取第一个分块的像素数据，并传输到设备端；[0009]E：在设备端计算分块的各个像素与每一个聚类中心的距离，按相近原则进行分类；[0010]F：将分类结果传回主机端，并利用内存映射文件技术将结果数据转存到磁盘文件；[0011]G：如果步骤D中读取的数据是最后一个分块数据，则转至步骤H，否则读取下一个分块数据并转至步骤E；[0012]H：计算每一类中各个像素的平均值，并以此平均值作为新的聚类中心；[0013]I：比较新的聚类中心与旧的聚类中心是否相同，比较结束后用新聚类中心替换旧聚类中心，比较结果不同则转至步骤D，相同则转至步骤