隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展,無(wú)人機(jī)遙感的應(yīng)用越來(lái)越廣泛逐漸地深入到了各行各業(yè),隨之產(chǎn)生的無(wú)人機(jī)遙感圖像也越來(lái)越多。面對(duì)海量的無(wú)人機(jī)遙感圖像,怎樣快速有效地進(jìn)行圖像分割,提取有效的圖像信息,已經(jīng)成為無(wú)人機(jī)遙感應(yīng)用各領(lǐng)域研究的關(guān)鍵性問題。針對(duì)當(dāng)前圖像分割方法對(duì)于無(wú)人機(jī)遙感圖像分割速度慢、實(shí)效性差的問題,本文利用開源云計(jì)算平臺(tái)Hadoop對(duì)無(wú)人機(jī)遙感圖像分割方法進(jìn)行研究,并設(shè)計(jì)了基于Hadoop云平臺(tái)的無(wú)人機(jī)遙感圖像分割的MeanShift算法。本文首先對(duì)Hadoop中的圖像處理模型進(jìn)行了設(shè)計(jì),自定義設(shè)計(jì)MapReduce圖像處理的編程模型,以及Hadoop平臺(tái)讀入圖像的方式,以實(shí)現(xiàn)快速有效的圖像讀取,對(duì)圖像的序列化方式、文件分割方式、文件輸出類型進(jìn)行設(shè)計(jì),對(duì)Hadoop集群進(jìn)行搭建,并測(cè)試集群運(yùn)行的穩(wěn)定性;然后對(duì)適用于Hadoop平臺(tái)的MeanShift算法進(jìn)行設(shè)計(jì),運(yùn)用Hadoop平臺(tái)調(diào)用圖像預(yù)處理算法對(duì)圖像進(jìn)行預(yù)處理,并在OpenCV中對(duì)基于Hadoop平臺(tái)的MeanShift圖像分割算法進(jìn)行實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明,在保證分割參數(shù)以及處理?xiàng)l件一致性的前提下,基于Hadoop平臺(tái)的無(wú)人機(jī)圖像分割,圖像處理效率有了極大的提升,與單機(jī)MATLAB圖像分割處理相比,并發(fā)度、實(shí)效性、計(jì)算及存儲(chǔ)能力都大大增強(qiáng)。
【學(xué)位單位】：長(zhǎng)春大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP751
【部分圖文】：

度圖像的直方圖的灰度范圍為 i=0,1,...,L-1,當(dāng)灰度級(jí)別為 k 時(shí)的像素?cái)?shù)為kn ，那么一幅圖像的總像素?cái)?shù) N 表達(dá)式為01110 == =++ +LLiiN nnnn灰度概率出現(xiàn)的概率為0 1 1++ +==LiiinnnnNnp（2-1）當(dāng)圖像的灰度直方圖分布呈現(xiàn)一定規(guī)律時(shí)，圖像大概可以分為兩部分，這兩部分分別位于灰度分布的兩個(gè)峰值附近。由此可知直方圖左側(cè)山峰亮度較低，這一部分恰好對(duì)應(yīng)于畫面中需要分割的目標(biāo)。閾值選擇為兩個(gè)峰值之間的低谷處的值時(shí)，就可以將目標(biāo)分離出來(lái)。當(dāng)選取的閾值在直方圖中呈現(xiàn)明顯的峰值時(shí)，使用直方圖閾值法可以較好地分割圖像[25]。2.2.1.2 算法圖像分割實(shí)驗(yàn)分別選用兩幅圖像，一張灰度圖像一張彩色遙感圖像，灰度圖像大小為 47.5K彩色遙感圖像大小為 1126KB，進(jìn)行圖像分割實(shí)驗(yàn)。（1）直方圖閾值法分割灰度圖像如下圖 2-1 所示

好地分割圖像[25]。2.2.1.2 算法圖像分割實(shí)驗(yàn)分別選用兩幅圖像，一張灰度圖像一張彩色遙感圖像，灰度圖像大小為 47.5KB彩色遙感圖像大小為 1126KB，進(jìn)行圖像分割實(shí)驗(yàn)。（1）直方圖閾值法分割灰度圖像如下圖 2-1 所示（a）原始圖像 （b）分割后的圖像圖 2-1 直方圖閾值法灰度圖像分割效果圖（2）直方圖閾值法分割彩色圖像如下圖 2-2 所示

和整幅圖像平均灰度 u 的差也比較大[17]。描述這種有效性差異可以用區(qū)域間的方差來(lái)表示，其表達(dá)式為：2222112δ = θ(t )(u u)+θ(t)(u(t) u)， （2-8）經(jīng)過化簡(jiǎn)可表示為：212122δ = θ(t )×θ(t)(u(t) u(t))（2-9）由此可以確定閾值 T： max[()]2TtB= δ利用最大方差來(lái)決定閾值，這種方法不需要設(shè)定其他參數(shù)，此方法是一種自動(dòng)選取閾值的方法，不但適合用于兩區(qū)域的單閾值選擇而且也適用于多區(qū)域的多個(gè)閾值的選擇[27]。2.2.2.2 算法圖像分割實(shí)驗(yàn)選用與 2.2.1.2 節(jié)相同的兩幅圖像進(jìn)行圖像分割實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如下所示。（1）自動(dòng)閾值法分割灰度圖像如圖 2-3 所示。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王惠;;圖像的區(qū)域分割與研究[J];電子技術(shù)與軟件工程;2016年05期

2 龔明飛;;無(wú)人機(jī)影像處理技術(shù)在測(cè)繪工程中的應(yīng)用[J];黑龍江科技信息;2016年06期

3 王子卿;;無(wú)人機(jī)遙感監(jiān)測(cè)系統(tǒng)的應(yīng)用概況[J];農(nóng)業(yè)與技術(shù);2016年02期

4 陸安江;金力;楊家紅;趙麒;;基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在車牌識(shí)別中的應(yīng)用研究[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

5 常生鵬;馬億旿;蔡立軍;丁玉成;;一種基于Hadoop的高分辨率遙感圖像處理方法[J];計(jì)算機(jī)工程與應(yīng)用;2015年11期

6 謝永華;陳慶為;;木材缺陷的閾值分割算法研究[J];森林工程;2014年02期

7 馬立婷;陶秋香;張慶云;;三種遙感反演海岸線方法的實(shí)驗(yàn)對(duì)比分析[J];海洋測(cè)繪;2013年06期

8 王顥瑾;;在C++ Builder編程環(huán)境下實(shí)現(xiàn)基于閾值法的圖像分割技術(shù)[J];民營(yíng)科技;2013年11期

9 惠鵬飛;苗鳳娟;陶佰睿;王成琳;;基于K-均值聚類和分水嶺算法的PCB彩色圖像分割[J];電視技術(shù);2013年13期

10 惠鵬飛;苗鳳娟;陶佰睿;王成琳;;一種適用于PCB檢測(cè)的彩色圖像分割算法[J];電子技術(shù)應(yīng)用;2013年03期

相關(guān)碩士學(xué)位論文 前10條

1 劉健健;基于云平臺(tái)下嵌入GPU并行計(jì)算框架的人臉檢測(cè)系統(tǒng)研究[D];中國(guó)海洋大學(xué);2015年

2 殷兵;基于Hadoop的分布式遙感圖像處理研究[D];華東師范大學(xué);2015年

3 李顏;基于云平臺(tái)的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];桂林電子科技大學(xué);2015年

4 萬(wàn)家雪;Hadoop平臺(tái)運(yùn)維關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2015年

5 姚銀鋒;基于Hadoop的應(yīng)用可視化研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2015年

6 董再旺;國(guó)家域名日志可視化分析監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）;2014年

7 楊宇;基于內(nèi)容的圖像檢索算法研究[D];中國(guó)民航大學(xué);2014年

8 葛世國(guó);基于數(shù)學(xué)形態(tài)學(xué)的遙感圖像分割算法研究[D];成都理工大學(xué);2014年

9 蔡大威;基于Hadoop和Hama平臺(tái)的并行算法研究[D];浙江大學(xué);2013年

10 譚斌;基于服務(wù)的數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則技術(shù)的研究[D];湖北工業(yè)大學(xué);2012年

本文編號(hào)：2837719