均值漂移高分辨率遥感影像多尺度分割的集群实现

doi:10.3778/j.issn.1002-8331.2009.34.003

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (34): 7-9.DOI: 10.3778/j.issn.1002-8331.2009.34.003

均值漂移高分辨率遥感影像多尺度分割的集群实现

吴炜^1，2，沈占锋¹，骆剑承¹，陈秋晓³，胡晓东^1，2

1.中国科学院遥感应用研究所，北京 100101
2.中国科学院研究生院，北京 100049
3.浙江大学城市规划系，杭州 310058

收稿日期:2009-09-03 修回日期:2009-10-12 出版日期:2009-12-01 发布日期:2009-12-01
通讯作者: 吴炜

Implementation of multi-scales segmentation for high resolution RS images based on cluster

WU Wei^1，2，SHEN Zhan-feng¹，LUO Jian-cheng¹，CHEN Qiu-xiao³，HU Xiao-dong^1，2

1.Institute of Remote Sensing Application，Chinese Academy of Sciences，Beijing 100101，China
2.Graduate University of Chinese Academy of Sciences，Beijing 100049，China
3.Department of City Planning，Zhejiang University，Hangzhou 310058，China

Received:2009-09-03 Revised:2009-10-12 Online:2009-12-01 Published:2009-12-01
Contact: WU Wei

摘要/Abstract

摘要： 多尺度分割是高分辨率遥感信息计算的重要基础，是高分辨率遥感影像图谱认知中“图”提取的关键技术。当前提出的多尺度分割方法普遍存在着占用内存大，耗费计算资源、计算时间长的缺点，并且这些问题随着遥感数据量的增大、算法的改进等进一步加剧。针对这种情况，根据当前集群计算技术的发展，以均值漂移的多尺度分割方法为例，实现了一种基于集群计算环境的多尺度分割算法，集中解决任务分配和结果回收以及数据并行的方式，统计了算法所消耗的时间，对其的效率进行了分析，通过实验说明了集群化对提高多尺度分割效率的有效性。

关键词: 多尺度分割, 高分辨率影像, 效率分析, 均值漂移, 集群

Abstract: Multi_scales segmentation is important basis for high resolution RS information computation and key technologies for graphics information extraction.The existed multi_scales segmentation algorithms are usually memory cost，computation-intensive.What’s more，these problems will become serious as the data accumulating and algorithms improving.To solve these problems，a parallel algorithm for mean shift multi_scales segmentation based on cluster is proposed and implemented，statistics the processing time，then analyzes and proves the effectiveness of the algorithm.

Key words: multi_scales segmentation, high resolution RS image, efficiency analysis, mean shift, cluster

中图分类号:

TP14

吴炜^1，2，沈占锋¹，骆剑承¹，陈秋晓³，胡晓东^1，2. 均值漂移高分辨率遥感影像多尺度分割的集群实现[J]. 计算机工程与应用, 2009, 45(34): 7-9.

WU Wei^1，2，SHEN Zhan-feng¹，LUO Jian-cheng¹，CHEN Qiu-xiao³，HU Xiao-dong^1，2. Implementation of multi-scales segmentation for high resolution RS images based on cluster[J]. Computer Engineering and Applications, 2009, 45(34): 7-9.

[1]	张俊，廖雪花，余旭玲，雷蒙. 关系型数据库内存化存储模型研究[J]. 计算机工程与应用, 2021, 57(19): 123-128.
[2]	宋廷强，刘童心，宗达，蒋晓旭，黄腾杰，范海生. 改进U-Net网络的遥感影像道路提取方法研究[J]. 计算机工程与应用, 2021, 57(14): 209-216.
[3]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[4]	金之雁，杨磊，林隽民，王哲. 广义共轭余差法的通信避免算法[J]. 计算机工程与应用, 2020, 56(3): 74-79.
[5]	张新伟，李康，郁龚健，刘家航，李佩琦，柴志雷. 基于ZYNQ集群的神经形态计算加速研究与实现[J]. 计算机工程与应用, 2020, 56(21): 65-71.
[6]	刘树仁，冯超敏，蔡长宁，樊莉. 基于分级存储的石油勘探地震处理应用研究[J]. 计算机工程与应用, 2019, 55(13): 266-270.
[7]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[8]	熊安萍1，2，夏玉冲1，杨方方1. 一种Spark集群下的shuffle优化机制[J]. 计算机工程与应用, 2018, 54(4): 72-76.
[9]	王方1，王晓原1，2，刘振雪1，王建强2，孔栋1，王云云1. 基于完全信息多人动态博弈的车道选择模型[J]. 计算机工程与应用, 2018, 54(23): 238-245.
[10]	申泽星，彭云建，岳喜顺. 集群服务器在混合请求下的负载均衡优化算法[J]. 计算机工程与应用, 2018, 54(18): 99-104.
[11]	彭丽苹，吕晓丹，蒋朝惠. 基于Ceph集群的能耗管理策略研究[J]. 计算机工程与应用, 2018, 54(10): 66-72.
[12]	熊安萍1，2，朱恒伟1，罗宇豪1. Storm流式计算框架反压机制研究[J]. 计算机工程与应用, 2018, 54(1): 102-106.
[13]	孙凯，谢林柏. 结合稀疏表示和均值偏移的运动目标跟踪算法[J]. 计算机工程与应用, 2017, 53(9): 195-200.
[14]	程振京1，2，李海波1，黄秋兰1，程耀东1，陈刚1. 高能物理云平台中的弹性计算资源管理机制[J]. 计算机工程与应用, 2017, 53(8): 8-14.
[15]	曹芳波，吕娜，陈柯帆，张步硕，刘创. 航空集群网络可靠性估计路由选择策略[J]. 计算机工程与应用, 2017, 53(24): 129-135.

均值漂移高分辨率遥感影像多尺度分割的集群实现

Implementation of multi-scales segmentation for high resolution RS images based on cluster

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics