資源描述：
《基于分布式并行聚類的sar圖像變化檢測算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于分布式并行聚類的SAR圖像變化檢測算法研究作者姓名楊國棟導(dǎo)師姓名、職稱朱虎明副教授一級學(xué)科電子科學(xué)與技術(shù)二級學(xué)科電路與系統(tǒng)申請學(xué)位類別工學(xué)碩士提交畢業(yè)論文日期2014年12月學(xué)校代碼10701學(xué)號1202120918分類號TP75密級公開西安電子科技大學(xué)碩士學(xué)位論文基于分布式并行聚類的SAR圖像變化檢測算法研究作者姓名：楊國棟一級學(xué)科：電子科學(xué)與技術(shù)二級學(xué)科：電路與系統(tǒng)學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：朱虎明副教授提交日期：2014年12月SARImageChangeDetectionBasedonDistributedParallelClusteringAlgo
2、rithmAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicScienceandTechnologyByYangGuodongSupervisor:AssociateProf.ZhuHumingDecember2014西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容
3、以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)校可以公布論文的全部或部分內(nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，獲得學(xué)位
4、后結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要SAR（SyntheticApertureRadar）圖像變化檢測可以應(yīng)用在自然環(huán)境監(jiān)測、災(zāi)害評估、軍事打擊效果評估和城市規(guī)劃等眾多領(lǐng)域，使得SAR圖像變化檢測成為遙感領(lǐng)域的研究熱點。近年來隨著雷達成像能力的提升，SAR圖像的數(shù)據(jù)規(guī)模變得越來越大，傳統(tǒng)串行變化檢測算法已經(jīng)越來越難以應(yīng)對數(shù)據(jù)量不斷增長的SAR圖像。本文將核模糊C均值聚類算法（KernelFuzzyC-Means,KFCM）與分布式并行計算框架相結(jié)合，提出了兩種基于分布式
5、并行聚類的SAR圖像變化檢測方法，分布式并行計算框架能夠充分利用集群中眾多節(jié)點的計算能力和存儲能力，可以有效應(yīng)對大規(guī)模的SAR圖像變化檢測問題，加快變化檢測的速度。1.提出了一種基于H-KFCM（HadoopbasedKFCM）的分布式并行SAR圖像變化檢測方法。在變化檢測過程中，利用聚類算法對差異圖進行聚類分析是計算復(fù)雜度最高，計算時間最長的部分。Hadoop分布式集群計算平臺可以利用分布式文件系統(tǒng)HDFS（HadoopDistributedFileSystem）和MapReduce計算模型分布式地存儲和處理大規(guī)模數(shù)據(jù)。本文提出的基于H-KFCM的SAR圖像變化檢測方法
6、，將KFCM算法與Hadoop相結(jié)合，將KFCM算法中隸屬度迭代計算映射到MapReduce中的Map階段，通過集群多節(jié)點分布式執(zhí)行Map任務(wù)實現(xiàn)隸屬度矩陣的并行計算；將KFCM的聚類中心更新過程映射到Reduce階段，Reduce收集不同節(jié)點的Map任務(wù)計算結(jié)果，規(guī)約求和更新聚類中心，實現(xiàn)了對SAR圖像變化檢測差異圖的分布式并行聚類。通過設(shè)計相關(guān)實驗，證明了本文提出的H-KFCM分布式并行變化檢測方法是有效的，并且在Hadoop集群節(jié)點數(shù)增加時，對相同SAR圖像的變化檢測時間明顯減少，證明了該算法具有良好的并行加速性能。2.提出了一種基于S-KFCM（Sparkbase
7、dKFCM）的SAR圖像變化檢測方法。Spark是一種針對迭代作業(yè)和交互分析等領(lǐng)域而設(shè)計的基于內(nèi)存計算的分布式并行平臺，相比于Hadoop的MapReduce框架，Spark在運行相同的作業(yè)時可以取得幾十倍甚至百倍加速性能提升。該算法將利用KFCM算法分析差異圖的過程遷移到Spark內(nèi)存計算框架上實現(xiàn)，將變化檢測過程中最耗時的聚類分析過程并行的完成。在Spark中，KFCM算法的計算過程由一系列有依賴關(guān)系的彈性分布式數(shù)據(jù)集（ResilientDistributedDatasets,RDD）實現(xiàn)，Spark能夠在集群多個節(jié)點上對
