發(fā)布時(shí)間：2018-02-03 19:40

  本文關(guān)鍵詞： 推帚式 高光譜 預(yù)處理 多線程 OpenMP 輻射校正 幾何校正 預(yù)處理系統(tǒng)　出處：《山東大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：高光譜遙感的特點(diǎn)有更多波段數(shù)、光譜分辨率高、圖譜合一、數(shù)據(jù)量大和信息冗余多等,隨著高光譜遙感光譜分辨率的提高,可獲得近似連續(xù)的地物光譜信息,對(duì)地表覆蓋的識(shí)別能力更強(qiáng)。高光譜遙感圖像預(yù)處理技術(shù)在高光譜圖像處理與分析中占據(jù)重要的地位,是高光譜圖像應(yīng)用和分析的基礎(chǔ),直接影響后期的定量分析和信息的挖掘。所以,研究高光譜遙感圖像預(yù)處理技術(shù)及其應(yīng)用具有重要的意義。 本文研究高光譜遙感圖像預(yù)處理技術(shù),并以此為基礎(chǔ)實(shí)現(xiàn)高光譜遙感圖像預(yù)處理系統(tǒng)軟件。論文的主要工作如下： (1)介紹高光譜遙感圖像預(yù)處理技術(shù),包括常用的影像數(shù)據(jù)格式、光譜和輻射定標(biāo)技術(shù)、高光譜圖像輻射校正的具體實(shí)現(xiàn)過程、短波紅外背景輻射消除方法和幾何粗校正技術(shù)。重點(diǎn)分析基于位置姿態(tài)數(shù)據(jù)的幾何粗校正技術(shù),其中包括計(jì)算外方位元素、空間坐標(biāo)轉(zhuǎn)換和重采樣方法等。 (2)為提高高光譜遙感圖像預(yù)處理效率,研究幾何校正并行處理技術(shù)。針對(duì)windows多線程技術(shù)OpenMP共享內(nèi)存模型和MPI消息傳遞模型三種并行方式,深入研究幾何校正并行處理的原理,并在計(jì)算機(jī)上編程實(shí)現(xiàn),給出并行效率的比較。前兩者應(yīng)用于單機(jī)多核多線程處理,后者用于實(shí)現(xiàn)多機(jī)集群系統(tǒng),重點(diǎn)研究OpenMP在提高數(shù)據(jù)處理和CPU效率方面的優(yōu)勢(shì)。 (3)在Windows環(huán)境下,基于VC++編程環(huán)境,使用微軟基礎(chǔ)類庫(MFC),將算法的實(shí)現(xiàn)進(jìn)行封裝,完成高光譜遙感圖像預(yù)處理軟件的研制。依據(jù)軟件設(shè)計(jì)原則構(gòu)建軟件的體系結(jié)構(gòu),設(shè)計(jì)實(shí)現(xiàn)軟件系統(tǒng)的功能模塊,如數(shù)據(jù)預(yù)整理模塊、輻射校正模塊、幾何校正模塊和快速處理模塊等。幾何校正模塊采用多線程技術(shù),快速處理模塊提供一鍵處理和批量處理功能,保證數(shù)據(jù)處理的效率。
[Abstract]:Hyperspectral remote sensing is characterized by more bands, high spectral resolution, unified spectrum, large amount of data and redundant information, etc. With the increase of spectral resolution of hyperspectral remote sensing, approximately continuous spectral information of ground objects can be obtained. Hyperspectral remote sensing image preprocessing plays an important role in hyperspectral image processing and analysis, which is the basis of hyperspectral image application and analysis. Therefore, it is of great significance to study the preprocessing technology of hyperspectral remote sensing image and its application. In this paper, the preprocessing technology of hyperspectral remote sensing image is studied, and the software of hyperspectral remote sensing image preprocessing system is realized. The main work of this paper is as follows: This paper introduces the preprocessing technology of hyperspectral remote sensing image, including the commonly used image data format, spectral and radiometric calibration technology, and the realization process of radiation correction of hyperspectral image. The methods of eliminating infrared background radiation and rough geometric correction are analyzed, and the geometric coarse correction based on position and attitude data is analyzed, including calculation of external azimuth elements, spatial coordinate conversion and resampling. In order to improve the preprocessing efficiency of hyperspectral remote sensing image. This paper studies geometric correction parallel processing technology, aiming at windows multithread technology, OpenMP shared memory model and MPI message passing model. The principle of geometric correction parallel processing is studied, and the parallel efficiency is compared by programming on computer. The former two are applied to multi-core multi-thread processing of single machine, and the latter is used to realize multi-computer cluster system. Emphasis is placed on the advantages of OpenMP in improving data processing and CPU efficiency. In the Windows environment, based on VC programming environment, Microsoft basic class library is used to encapsulate the implementation of the algorithm. According to the principle of software design, the system structure of the software is constructed, and the functional modules of the software system, such as data pre-finishing module, radiation correction module, are designed and implemented. Geometric correction module and fast processing module etc. The geometric correction module adopts multi-thread technology, and the fast processing module provides one-click processing and batch processing functions to ensure the efficiency of data processing.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳傳慶,童慶禧,鄭蘭芬;基于小波變換的高光譜圖像消噪[J];遙感信息;2005年04期

2 張立燕;諶德榮;李世義;曹旭平;;基于低概率檢測(cè)的高光譜圖像有損壓縮方法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2008年01期

3 李杰;趙春暉;梅鋒;;利用背景殘差數(shù)據(jù)檢測(cè)高光譜圖像異常[J];紅外與毫米波學(xué)報(bào);2010年02期

4 李婷;陳小梅;陳剛;薛博;倪國強(qiáng);;一種雙正則項(xiàng)全變差高光譜圖像去噪算法[J];光譜學(xué)與光譜分析;2011年01期

5 王晉;張曉玲;沈蘭蓀;柴焱;;一種基于網(wǎng)格編碼量化的高光譜圖像無損壓縮方法[J];中國圖象圖形學(xué)報(bào);2006年01期

6 谷延鋒;劉穎;賈友華;張曄;;基于光譜解譯的高光譜圖像奇異檢測(cè)算法[J];紅外與毫米波學(xué)報(bào);2006年06期

7 王晉;張曉玲;柴焱;沈蘭蓀;;一種基于自適應(yīng)預(yù)測(cè)的高光譜圖像近無損壓縮方法[J];計(jì)算機(jī)應(yīng)用研究;2007年05期

8 諶德榮;張立燕;陶鵬;曹旭平;;結(jié)合鄰域聚類分割的高光譜圖像異常檢測(cè)支持向量數(shù)據(jù)描述方法[J];宇航學(xué)報(bào);2007年03期

9 張立燕;諶德榮;陶鵬;;基于頂點(diǎn)成分分析的高光譜圖像低概率異常檢測(cè)方法研究[J];宇航學(xué)報(bào);2007年05期

10 陳雨時(shí);張曄;谷延鋒;;基于特征選擇的高光譜圖像快速矢量量化算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2007年11期

相關(guān)會(huì)議論文 前10條

1 高云;李小昱;劉長舉;周竹;;基于高光譜圖像技術(shù)的霉?fàn)�板栗識(shí)別研究[A];中國農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

2 高洪燕;毛罕平;張曉東;周瑩;;番茄葉片氮素反射光譜及高光譜圖像的研究[A];中國農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

3 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

4 羅春生;薛龍;劉木華;黎靜;;基于熒光高光譜圖像檢測(cè)鴨肉嫩度的初步研究[A];中國農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

5 劉超;何元磊;黃世奇;劉志剛;王長海;;一種新的高光譜圖像有監(jiān)督特征提取方法[A];國家安全地球物理叢書（六）——空間地球物理環(huán)境與國家安全[C];2010年

6 何元磊;黃世奇;易世華;劉志剛;齊瑋;;一種基于噪聲調(diào)節(jié)主成分分析的高光譜圖像波段選擇方法[A];國家安全地球物理叢書（六）——空間地球物理環(huán)境與國家安全[C];2010年

7 薛龍;黎靜;劉木華;;IDL與ENVI的二次開發(fā)在高光譜圖像預(yù)處理的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

8 吳傳慶;童慶禧;鄭蘭芬;張兵;趙永超;張霞;;基于小波變換的高光譜圖像消噪[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2002年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 陶斐斐;李永玉;王偉;彭彥昆;;基于高光譜成像技術(shù)快速無損傷評(píng)價(jià)豬肉新鮮度[A];中國食品科學(xué)技術(shù)學(xué)會(huì)第八屆年會(huì)暨第六屆東西方食品業(yè)高層論壇論文摘要集[C];2011年

相關(guān)重要報(bào)紙文章 前4條

1 張紅菊;農(nóng)田：安裝“聽診器”[N];科技日?qǐng)?bào);2004年

2 張向冰 李青濱;我國海洋遙感發(fā)展突飛猛進(jìn)[N];中國海洋報(bào);2003年

3 本報(bào)記者 瞿劍;地下煤火：“靜悄悄”的災(zāi)害怎樣應(yīng)對(duì)？[N];科技日?qǐng)?bào);2009年

4 張彥;“數(shù)字省市”顛覆城市區(qū)域經(jīng)濟(jì)[N];經(jīng)理日?qǐng)?bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 梅鋒;基于核機(jī)器學(xué)習(xí)的高光譜異常目標(biāo)檢測(cè)算法研究[D];哈爾濱工程大學(xué);2009年

2 高恒振;高光譜遙感圖像分類技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

3 石吉勇;基于高光譜圖像技術(shù)的設(shè)施栽培作物營養(yǎng)元素虧缺診斷研究[D];江蘇大學(xué);2012年

4 姚伏天;基于高斯過程的高光譜圖像分類研究[D];浙江大學(xué);2011年

5 齊濱;高光譜圖像分類及端元提取方法研究[D];哈爾濱工程大學(xué);2012年

6 王曉飛;高光譜圖像分辨率增強(qiáng)及在小目標(biāo)檢測(cè)中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

7 成寶芝;基于光譜特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究[D];哈爾濱工程大學(xué);2012年

8 趙蕓;基于高光譜和圖像處理技術(shù)的油菜病蟲害早期監(jiān)測(cè)方法和機(jī)理研究[D];浙江大學(xué);2013年

9 陳進(jìn);高光譜圖像分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

10 譚琨;基于支持向量機(jī)的高光譜遙感影像分類研究[D];中國礦業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 邵濤;基于光譜信息的高光譜圖像目標(biāo)識(shí)別方法的研究[D];哈爾濱工業(yè)大學(xué);2010年

2 唐雪飛;基于案例推理的高光譜圖像分類研究[D];哈爾濱工業(yè)大學(xué);2010年

3 李江;基于圖像融合的高光譜圖像分類[D];華中科技大學(xué);2012年

4 陳克清;迷彩偽裝服的高光譜特性研究[D];東華大學(xué);2014年

5 周偉;基于像面干涉的高光譜顯微成像技術(shù)研究[D];南京理工大學(xué);2014年

6 胡倩;基于知識(shí)的高光譜圖像波譜匹配技術(shù)研究與應(yīng)用[D];中國地質(zhì)大學(xué)（北京）;2010年

7 殷曉平;基于高光譜圖像的黃瓜葉片葉綠素含量及其分布預(yù)測(cè)研究[D];江蘇大學(xué);2010年

8 包海燕;高光譜溢油圖像分類算法研究[D];大連海事大學(xué);2011年

9 吳超;高光譜圖像處理若干關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2012年

10 孫旭光;基于高光譜圖像目標(biāo)探測(cè)與分類技術(shù)研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2013年

，

本文編號(hào)：1488197