发明名称 | 一种高分辨率遥感图像分类算法时空效率优化方法 | ||
摘要 | 本发明涉及计算机图像处理和遥感技术领域,公开了一种高分辨率遥感图像分类算法时空效率优化方法,采用了对图像进行分块处理的策略,引入了CUDA并行化计算和内存映射文件技术,避免磁盘的读写操作从而极大节省了算法的运行时间,经过合理优化的算法,保留了分块处理方法内存占用少的优点,而且提高了图像文件访问速度,提高遥感图像处理的时间效率和空间效率。 | ||
申请公布号 | CN105528622A | 申请公布日期 | 2016.04.27 |
申请号 | CN201511003105.3 | 申请日期 | 2015.12.28 |
申请人 | 山东科技大学 | 发明人 | 崔宾阁;马秀丹;赵法喜 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 北京国智京通知识产权代理有限公司 11501 | 代理人 | 孙文彬 |
主权项 | 高分辨率遥感图像分类算法时空效率优化方法,其特征在于,所述的优化算法具体步骤为:A:图像数据分成若干像素块;B:使用GDAL函数库中的RasterIO函数逐块加载图像的像素集,并利用内存映射文件技术逐块像素数据转存到新的磁盘文件中;C:随机选取K个像素作为初始聚类中心;D:利用内存映射文件技术从磁盘文件中读取第一个分块的像素数据,并传输到设备端;E:在设备端计算分块的各个像素与每一个聚类中心的距离,按相近原则进行分类;F:将分类结果传回主机端,并利用内存映射文件技术将结果数据转存到磁盘文件;G:如果步骤D中读取的数据是最后一个分块数据,则转至步骤H,否则读取下一个分块数据并转至步骤E;H:计算每一类中各个像素的平均值,并以此平均值作为新的聚类中心;I:比较新的聚类中心与旧的聚类中心是否相同,比较结束后用新聚类中心替换旧聚类中心,比较结果不同则转至步骤D,相同则转至步骤J;J:将每一个聚类中心的像素值赋值给该类的每一个像素。 | ||
地址 | 266590 山东省青岛市黄岛区前湾港路579号 |