论文摘要
遥感影像分类是遥感影像处理的一个重要方面,是后续提取专题信息、检测动态变化、制作专题地图、建立遥感数据库等工作的基础。随着现代遥感技术的发展以及遥感技术在各领域的广泛应用,遥感影像数据量随之迅速膨胀,对遥感影像分类处理的准确性和实时性要求也越来越高。然而现在对提高分类处理效率的研究集中在新算法的提出上,不能显著的提高分类处理的准确性和实时性,无法满足实际应用的需求。论文在研究现有分类算法的基础上,分析了分类过程中影响分类精度和速度的步骤,在总体流程的层次上研究快速分类的方法。主要思想是:针对样本采集步骤,设计基于AOI(Area of Interest感兴趣区域))的分类样本数据库及管理系统,以提高样本采集效率和准确度;针对分类计算步骤,通过算法的并行化提高分类处理速度。本文的主要研究工作如下:首先,分析了现在常用的几种分类算法,总结了分类处理的一般过程,发现影响分类处理速度的两个主要步骤是样本选择和分类计算。前者速度受限于操作人员自身水平及辅助工具的选择,且精确性直接影响分类结果的准确率;后者速度主要受算法和硬件的影响,由此确定本文要解决的主要问题。其次,针对这两个问题分别寻找解决方案。针对分类计算步骤,设计并实现了常用分类算法的并行化。算法采用主从模式,运用基于数据的并行化策略,划分图像,复制参数,使分类处理速度得到了大幅提高。针对样本选择步骤,设计实现基于AOI的分类样本数据库及其管理系统,从而减小操作人员专业水平对分类结果的影响,同时提高样本选择的效率。最后,在算法和数据库的基础上,运用工程化、模块化、流程化、分层次的设计模式,基于服务器、客户端体系结构,设计了一套遥感影像并行分类系统,利用该系统,可以实现批量遥感影像快速、便捷的分类处理。并在该系统上进行了并行分类的实验,验证并行分类处理的效率并讨论并行分类计算加速比的影响因素。