本发明专利技术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。
【技术实现步骤摘要】
本专利技术设及计算机图像处理和遥感
，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。
技术介绍
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，SP0T-5卫星图 像存储了 5.76* 108个像素 ，Wor IdVi ew-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。
技术实现思路
本专利技术的目的在于提供，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。 为实现上述技术目的，达到上述技术效果，本专利技术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： 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屯、；[000引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屯、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W此平均值作为新的聚类中屯、； I:比较新的聚类中屯、与旧的聚类中屯、是否相同，比较结束后用新聚类中屯、替换旧 聚类中屯、，比较结果不同则转至步骤D，相同则转至步骤J; J:将每一个聚类中屯、的像素值赋值给该类的每一个像素。 其中，图像数据分成若干像素块中，像素块大小为128*128、256*256、51巧512和 1024*1024 中的一种。 其中，比较新的聚类中屯、与旧的聚类中屯、，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。 本专利技术具有W下有益效果：[001引1.本专利技术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。 2.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。【附图说明】 图1为本专利技术的流程示意图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本专利技术进行进一步详细说明。 实施例1 本专利技术公开了，优化算法具体 步骤为： A:图像数据分成若干像素块，每块像素块为51巧512; 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屯、； 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屯、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W此平均值作为新的聚类中屯、； I:比较新的聚类中屯、与旧的聚类中屯、是否相同，比较结束后用新聚类中屯、替换旧 聚类中屯、，比较结果不同则转至步骤D，相同则转至步骤J; J:将每一个聚类中屯、的像素值赋值给该类的每一个像素。 其中，比较新的聚类中屯、与旧的聚类中屯、，夹角余弦距离度量公式进行相似性评 价。 实施例2 实验目的及方法：为了评价本申请可行性和有效性，本实施例WK-Means算法为 例，使用了一幅裁切后的小图像(600*600像素）和整景图像(6000*6000像素)进行了实验， 对于600*600像素的图像，对比了乂PU+内存"、乂UDA+内存"和乂UDA+MMF" S种策略单次迭 代花费的时间;对于6000*6000像素的SPOT-5整景图像/'CUDA+内存"、"CUDA+MMF"和"CUDA+ 分块种策略单次迭代花费的时间。 实验结果:如表1所示：[003引表化-Means聚类算法四种实现策略的执行时间（单位:ms) 可W看出/'CUDA+内存"和乂 UDA+MMF"策略花费的时间远远小于乂 PU+内存"策略 花费的时间，只有后者的3 %左右，其中乂UDA+MMF"策略花费的时间略高于乂UDA+内存"策 略花费的时间。[004。 可W看出"CUDA+内存"和"CUDA+MM户'策略花费的时间基本相同，并且远远小于 乂 UDA+分块"策略花费的时间，也只有后者的3 %左右。由此可见MMF技术确实能够极大地提 局K-Means聚类算法的时间效率。 实施例3 实验目的及方法：为了评价本申请可行性和有效性，本实施例WK-Means算法为 例，对于600*600、3000*3000和6000*6000像素的图像进行乂UDA+内存"、乂UDA+MM户'和 "CUDA+分块"S种策略时内存占用数量进行比较评测。 实验结果； 如表2中显示，对于600*600像素的小图像/'CUDA+MMF"和"CUDA+分欺'策略占用的 内存略小于乂UDA+内存"策略占用的内存；对于3000*3000像素的中等大小图像，"CUDA+ MMF"策略和"CUDA+分欺'策略占用的内存明显小于"CUDA+内存"策略占用的内存，只有后者 的25 %左右;对于6000*6000像素的大图像/'CUDA+MMF"和乂UDA+分块"策略占用的内存远 小于"CUDA+内存"策略占用的内存，只有后者的10%左右。由此可见，遥感图像的尺寸越大， 使用分块处理方法的"CUDA+MMf'和"CUDA+分块"策略对内存数量的节省越明显。 表2K-Means聚类算法各种实现策略占用的内存数量(单位:邸）[004引实施例4 实验目的及方法：为了评价本申请可行性和有效性，本实施例WK-Means算法为 例，研究了瓦片大小对乂UDA+MMF"实现策略执行时间的影响，总共做了 5组对比试验。每一 组实验中瓦片的大小分别设定为128*128、256*256、512*512和1024*1024四种尺寸 实验结果:如表3所示： 表3各种瓦片大小下CUDA+MMF策略的执行时间（单位:ms) 可W看出，随着瓦片尺寸变大/'CUDA+MMF"策略的执行时间呈下降趋势，但是下降 幅度很小，通常情况下瓦片大小设定为512*512像素或256*256像素即可。 W上所述，仅为本专利技术较佳的【具体实施方式】，但本专利技术的保护范围并不局限于此， 任何熟悉本
的技术人员在本专利技术掲露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本专利技术的保护范围之内。【主权项本文档来自技高网...
【技术保护点】
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。
【技术特征摘要】
【专利技术属性】
技术研发人员：崔宾阁，马秀丹，赵法喜，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。