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] 本发明设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，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。
【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；
[0009] 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；
[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W此平均值作为新的聚类中屯、；
[0013] 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;
[0014] J:将每一个聚类中屯、的像素值赋值给该类的每一个像素。
[0015] 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。
[0016] 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。
[0017] 本发明具有W下有益效果：
[001引1.本发明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。
[0019] 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】
[0020] 图1为本发明的流程示意图。
【具体实施方式】
[0021] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。
[0022] 实施例1
[0023] 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：
[0024] A:图像数据分成若干像素块，每块像素块为51巧512;
[0025] 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；
[0026] C:随机选取K个像素作为初始聚类中屯、；
[0027] 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；
[0028] 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；
[0029] 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；
[0030] 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;
[0031] 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、；
[0032] 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;
[0033] J:将每一个聚类中屯、的像素值赋值给该类的每一个像素。
[0034] 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。
[0035] 实施例2
[0036] 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。
[0037] 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)
[0040] 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。
[0042] 实施例3
[0043] 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。
[0044] 实验结果；
[0045] 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。
[0046] 表2K-Means聚类算法各种实现策略占用的内存数量(单位:邸）
[0047]
[004引实施例4
[0049] 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
[0050] 实验结果:如表3所示：
[0051 ] 表3各种瓦片大小下CUDA+MMF策略的执行时间（单位:ms)
[0053] 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。
[0054] W上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明掲露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。
【主权项】
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RasterlO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。
【专利摘要】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。
【IPC分类】G06K9/62
【公开号】CN105528622
【申请号】CN201511003105
【发明人】崔宾阁, 马秀丹, 赵法喜
【申请人】山东科技大学
【公开日】2016年4月27日
【申请日】2015年12月28日