基于云计算的遥感图像变化检测高效处理方法

作     者：周天天 

作者单位：南京理工大学 

学位级别：硕士

导师姓名：吴泽彬

授予年度：2020年

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

主      题：云平台 遥感大数据 变化检测 分布式并行 多目标优化 自动化处理 

摘      要：遥感图像变化检测可以满足研究人员获取地表最新信息的需求,对城市发展、农业研究、防灾抗灾等方面具有深远而重要的意义。近年来,多时相遥感数据量增长迅速,传统的单机处理方式已不能满足遥感大数据变化检测需求。本文通过研究OpenStack云资源管理软件、虚拟化技术、HDFS存储机制,设计提出了基于OpenStack的遥感大数据高效处理云平台。为了提高海量遥感图像变化检测效率,深入分析基于全连接条件随机场的高分辨率遥感图像变化检测方法,提出了基于云计算的遥感图像变化检测分布式并行方法。同时,为了进一步提高平台资源利用率,深入探究布谷鸟搜索优化算法的寻优机制,提出了基于布谷鸟搜索的多目标优化调度算法。实验结果表明,本文提出的分布式并行算法和调度算法在不影响精度的前提下,能够在云平台上实现海量遥感图像的高效变化检测。本文主要内容包括:1、提出并设计基于OpenStack的遥感大数据高效处理云平台。本文基于HDFS分布式文件存储系统与My SQL设计了基于云存储的遥感图像资源库;将遥感大数据处理算法组件化,结合资源调度算法设计了基于标准化接口的业务流识别与解析模式;基于OpenStack API和Linux Shell脚本语言,设计了云平台计算环境部署引擎。本文设计的遥感大数据高效处理云平台能够实现计算环境的快速准备与部署,海量多源异构遥感数据的有效管理,遥感图像变化检测的高效自动化处理。2、深入分析基于全连接条件随机场的高分辨率遥感图像变化检测方法,提出了基于云计算的遥感图像变化检测分布式并行方法。本文根据多时相遥感数据的特点设计了分布式环境下图像的读取方式;结合K-Means分布式并行算法优化了一元势函数求解过程;改进了分布式环境下二元势函数的计算流程,降低了I/O消耗,进一步提高了算法效率。实验结果表明,本文提出分布式并行方法,在保证精度的基础上,能够显著提升检测效率。3、为了实现云平台资源的合理分配,进一步提高资源利用率,提出了基于布谷鸟搜索的遥感图像变化检测多目标优化任务调度算法。本文根据变化检测分布式并行算法的处理业务流,建立抽象DAG图;基于虚拟机状态设计了一套具有高扩展性的虚拟机编码方式;以最快任务完成时间和最低服务器功耗为优化目标建立调度模型;深入分析多种调度优化算法,基于布谷鸟搜索优化算法的实现机制设计了多目标调度算法的寻优策略。实验结果表明,多目标优化调度算法能够获得更优的调度结果,可以有效提高云平台资源利用率。