首页 | 本学科首页   官方微博 | 高级检索  
     

MapReduce模式下高光谱图像端元提取算法加速
引用本文:曲海成,籍瑞庆,刘万军,梁雪剑.MapReduce模式下高光谱图像端元提取算法加速[J].中国图象图形学报,2015,20(7):973-980.
作者姓名:曲海成  籍瑞庆  刘万军  梁雪剑
作者单位:辽宁工程技术大学软件学院, 葫芦岛 125105;哈尔滨工业大学电子与信息工程学院, 哈尔滨 150001;辽宁工程技术大学软件学院, 葫芦岛 125105;辽宁工程技术大学软件学院, 葫芦岛 125105;辽宁工程技术大学软件学院, 葫芦岛 125105
基金项目:国家自然科学基金项目(61172144);国家高技术研究发展计划(863)基金项目(2012AA12A405)
摘    要:目的 随着成像光谱仪的发展,高光谱遥感图像的空间分辨率和光谱分辨率越来越大,这给高光谱遥感图像解译处理及应用带来挑战。本文提出一种基于MapReduce模式的分布式混合并行处理模型来加速高光谱解混处理。方法 为降低算法计算复杂度,对原串行算法进行并行化设计,并采用行列式分块计算法对原算法进行化简计算;最后在分布式集群环境下,采用Jama和JCuda组件来加速算法执行过程中的矩阵运算操作。结果 针对224波段,400×400像素空间分辨率的高光谱图像,采用分布式混合计算模型进行解混处理比原始的处理方法在速度上有近十倍的提高,且算法计算量越大,加速效果越明显。结论 本文提出了一种基于MapReduce模式的分布式混合并行处理方法来加速最大单形体体积端元提取算法,加速效果明显;采用分块法求解行列式可以大大降低算法复杂度。该方法对计算任务可并行划分、主机与节点间数据交换量少且计算复杂类算法加速效果明显。

关 键 词:光谱解混  分布式计算  端元提取  分块行列式
收稿时间:2015/3/13 0:00:00
修稿时间:5/9/2015 12:00:00 AM

Acceleration of hyperspectral image endmember extraction based on MapReduce pattern
Qu Haicheng,Ji Ruiqing,Liu Wanjun and Liang Xuejian.Acceleration of hyperspectral image endmember extraction based on MapReduce pattern[J].Journal of Image and Graphics,2015,20(7):973-980.
Authors:Qu Haicheng  Ji Ruiqing  Liu Wanjun and Liang Xuejian
Affiliation:College of Software, LiaoningTechnical University, Huludao 125105, China;School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin 150001, China;College of Software, LiaoningTechnical University, Huludao 125105, China;College of Software, LiaoningTechnical University, Huludao 125105, China;College of Software, LiaoningTechnical University, Huludao 125105, China
Abstract:
Keywords:spectral unmixing  distributed computation  endmember extraction  partitioned determinant
点击此处可从《中国图象图形学报》浏览原始摘要信息
点击此处可从《中国图象图形学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号