云环境下基于预分片的遥感影像数据并行重采样方法

摘要

本发明公开了一种云环境下基于预分片的遥感影像数据并行重采样方法。步骤如下：1）将目标影像数据上传至云平台HDFS分布式文件系统上；2）对影像数据进行预分片处理，使之按照规则格网进行划分；3）将每一个预分片后的影像块作为一个单独的影像分片；4）每个影像分片启用一个map并行任务，在不同集群节点上进行并行处理，对原始影像分片逐层重采样；5）按照影像层级进行归并，对每一个层级的影像分片集合，进行拼接归并；6）将归并后的各分辨率层级影像数据输出到HDFS上。本发明不仅适用于影像数据的重采样，也适用于其他数据可划分的影像数据并行处理领域，是遥感数据云计算服务的关键。

主权项

云环境下基于预分片的遥感影像数据并行重采样方法，其特征在于包括如下步骤：（1）目标影像数据上传在并行重采样之前，客户端通过调用Hadoop的Java API，将待处理的遥感影像数据写入云存储的分布式文件系统HDFS集群上，以便通过MapReduce并行计算框架进行处理；（2）影像数据预分片为提供适合影像数据并行计算的数据输入策略，使影像数据在分片时能够保持像素间原有空间位置关系，将步骤(1)中上传至HDFS集群上的目标影像数据按照规则格网方式进行分块，并将这些分块写回HDFS集群上；（3）影像数据输入通过MapReduce框架读取步骤(2)中生成的预分片影像块，将各影像块作为一个独立的影像分片ImageSplite进行输入，记录影像块的层级号和行列位置，其中原始影像的层级号为0，同时，禁止MapReduce框架进一步对其进行再次分块和分记录，从而使每个影像块作为一个单独的影像分片进行处理；（4）并行重采样通过MapReduce框架为步骤(3)中的每一个影像分片ImageSplite创建单独的重采样map任务，这些map任务并行运行在集群各节点上，分别对相应的影像分片进行重采样处理，生成了不同层级的影像分片，并以层级号和行列号进行唯一标识；（5）影像数据归并通过MapReduce框架为每一个层级的影像数据创建一个单独的reduce任务，这些reduce任务并行运行在集群各节点上，将拥有相同层级号的影像分片分配到对应层级号的reduce任务进行归并处理，归并后的各层影像分片通过层级号进行标识；（6）影像数据输出阶段根据不同分辨率层级号，对步骤(5)中归并后的影像数据根据目标格式进行逐层输出，并写入分布式文件系统HDFS上，从而完成影像数据并行重采样的结果输出。