一种基于网格环境的图像并行平滑处理方法【
技术领域：
】：[0001]本发明涉及一种在网格环境下图像平滑处理方法，是依据MPICH-G2编程模式，在网格环境下实现遥感图像并行化处理【
背景技术：
】：[0002]目前在轨运行的几百颗卫星，每天都提供大量以"像元"为基础的TB级的遥感数据，可是由于各种原因，大量宝贵的遥感数据资源无法得到及时有效的处理、分析，据统计目前只有不到10%的数据被处理并获得应用。由于现阶段计算机硬件的限制，系统往往会出现图像数据内存溢出或效率低下等技术性问题。即使一些优秀的软件内部能使用一些算法来解决该问题，但由于数据量巨大，会严重消耗系统资源导致系统无反应或者在图像处理中消耗大量时间等状况的发生。计算复杂性问题一直是遥感图像处理中很难克服的瓶颈问题，采用新技术来进行图像处理已成为遥感领域的一项当务之急。[0003]网格计算技术将高速互联网、高性能计算机、大型数据库、传感器、远程设备等融为一体，提供更多的资源、功能和交互性。因此，在新的资源共享环境下，在遥感图像处理中引入网格计算的思想，用以提高图像的处理速度大，是解决当前海量遥感图像处理的非常有效的方式。目前，已有一些对网格环境中的图像处理的研究。蒋利顺在《遥感信息》2008年第一期27-30页上发表的《遥感图像K-Means并行算法研究》中针对K-Means算法提出了一种基于分块逼近的并行模型；张旭晴在《微计算机信息》2010年第5期5-6页上刊登的《基于网格环境的遥感图像并行处理》等采用MPICH-G2模型和GridFTP在网格环境下，实现了遥感图像的批量处理；曾少斌等《地球信息科学》2010年N〇2P269-274《基于网格服务的遥感图像并行融合》公开了基于网格环境，通过资源和服务状态属性分析，提供高效的遥感图像融合处理服务；Wang等于2004年的《ComputationalScience-ICCS》会议论文集P981-988((Preliminarystudyonunsupervisedclassificationofremotelysensedimagesonthegrid》中利用网格对遥感图像的非监督分类做了初步研究；Shen等在2007年177卷的《InformationSciences》P504-518《Distributedcomputingmodelforprocessingremotelysensedimagesbasedongridcomputing))中建立了遥感图像处理的分布式并行计算模型；Liu等在2009年《InternationalWorkshoponIntelligentSystemsandApplications》会议论文集1-4页的《Aremotesensingimageprocessmethodofsupervisedclassificationundergridenvironment〉〉中使用网格平台GlobusToolkit和贝叶斯分类建立了基于网格环境的遥感图像的监督分类；SunJiabo等在2013年58卷《MathematicalandComputerModelling》的573-581页发表的：((Automaticremotelysensedimageclassificationinagridenvironmentbasedonthemaximumlikelihoodmethod))一文中实现了基于最大似然方法实现了网格环境下遥感图像的自动分类；Gao等在2011年54卷的《M_Amodelofagriculturalremotesensingmonitoringmetadatabasedongridenvironment〉〉861-868页刊登的〈〈MathematicalandComputerModelling》中建立了M-A模型，在网格环境下，为遥感数据的标准化、共享和集成提供了支撑。[0004]现有的图像平滑处理方法存在以下问题：1)使用单个计算机的情况下受制于计算机硬件能力，当所处理的图像数据量较大，或所使用的算法计算量很大的情况下，消耗大量时间，并且易出现图像数据内存溢出或效率低下等问题。[0005]受制于现阶段计算机硬件限制，当处理数据量巨大的图像时，单机系统往往会出现图像数据内存溢出或效率低下等问题，会严重消耗系统资源导致系统无反应或者在图像处理中消耗大量时间。【
发明内容】：[0006]本发明的目的就是针对上述现有技术的不足，提供一种基于网格环境的图像并行平滑处理方法。[0007]本发明是利用GlobusToolkit4.05、CSF4(CommunitySchedulerFamwork4)元调度器以及工作负载管理器和调度器SGE(SunGridEngine)、LSF(LoadSharingFacility)、0penPBS(0penPortableBatchSystem)，构建遥感图像处理网格环境，提供了一种在此环境下采用MPICH-G2设计开发的遥感图像平滑并行化处理方法。[0008]本发明的主要思想：[0009]为了在网格环境下实现对图像快速处理，如何对处理任务进行划分是关键，本发明提出了一种图像平滑处理的任务划分方案，对主机、从节点分别赋予不同的任务，由主机负责这个任务的调度，从节点负责平滑处理，从而最大程度利用网格环境下的计算资源。[0010]本发明采用移动平均法在网格环境下，采用并行计算模式去除图像中的非目标噪声信息，恢复原始图像，从而极大地提高了海量图像处理效率。网格的整体架构如图-1。本发明实现过程包括网格环境初始化、图像读取、主机任务分配、从节点数据处理、主机接收处理结果、主机图像构成等步骤。[0011]本发明是通过以下技术方案实现的：[0012]一种基于网格环境的图像并行平滑处理的方法，包括以下步骤：[0013]一、平滑处理准备：[0014]A、指定节点机（Slaveprocess)数量，由平衡调度器计算当前网格环境中节点机（Slaveprocess)数量是否满足要求，如果不能满足要求则，提示重新指定节点机Slaveprocess)数量；[0015]B、主机（Masterprocess)设定移动平均平滑窗口尺寸；[0016]C、依据所设定的平滑窗口的尺寸和图像的尺寸，主机(Masterprocess)确定每一个从节点（Slaveprocess)负责处理的图像的区域；[0017]D、主机（Masterprocess)构建与原始图像相同尺寸的空白图像矩阵；[0018]二、平滑处理过程[0019]E、主机（Masterprocess)将依据从节点（Slaveprocess)数量，将图像区域进行划分；[0020]F、主机（Masterprocess)将划分的图像区域派送给从节点（Slaveprocess);[0021]G、从节点（Slaveprocess)对负责的图像区域按照设定的串口尺寸进行平滑处理；[0022]Η、从节点（Slaveprocess)依次将每一个像元的平滑处理结果返回给主机(Masterprocess)[0023]I、从节点（Slaveprocess)将平滑后的像素值填充至对应的空白矩阵中，构建成平滑后影像；[0024]三、评判图像平滑效果[0025]J、若不能达到要求则调整平滑窗口尺寸，再次进行平滑处理，即重复A-Ι步骤；如果满足则完成平滑处理。[0026]有益效果：本发明充分利用网格环境，将各个孤立的电脑计算资源整合起来，发挥网格计算资源共享的特点，加快了图像平滑处理速度。本发明将分布在各节点机上的计算资源和服务注册登记到网格数据库服务器中，提供对服务的查询，而且可以动态增加节点当前第1页1 2