| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 课题来源 | 第13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14-16页 |
| 1.4 课题研究的意义和主要内容 | 第16-17页 |
| 1.4.1 研究的内容 | 第16-17页 |
| 1.4.2 研究的主要方法 | 第17页 |
| 1.5 本文的组织结构 | 第17-19页 |
| 第2章 Hadoop开源云计算系统概述 | 第19-26页 |
| 2.1 云计算技术概述 | 第19页 |
| 2.2 Hadoop简介 | 第19-20页 |
| 2.3 HDFS关键技术 | 第20-22页 |
| 2.3.1 HDFS简介 | 第20-21页 |
| 2.3.2 HDFS目标特性 | 第21-22页 |
| 2.3.3 控制节点和数据节点 | 第22页 |
| 2.4 Mapreduce关键技术 | 第22-24页 |
| 2.4.1 Mapreduce介绍 | 第22-23页 |
| 2.4.2 Mapreduce组成 | 第23-24页 |
| 2.4.3 Mapreduce工作流程 | 第24页 |
| 2.4.4 MapReduce容错机制 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 高分辨率遥感图像“云”处理框架设计 | 第26-36页 |
| 3.1 图像处理框架设计 | 第26-27页 |
| 3.2 基于Mapreduce的高分遥感图像处理 | 第27-30页 |
| 3.2.1 Mapreduce图像处理方式 | 第27-28页 |
| 3.2.2 Mapreduce图像数据输入输出接口管理 | 第28-30页 |
| 3.3 Mapreduce遥感图像分片处理 | 第30-33页 |
| 3.3.1 图像分块原理 | 第30-31页 |
| 3.3.2 本文分割策略 | 第31-33页 |
| 3.4 HDFS对遥感图像的业务支持 | 第33-35页 |
| 3.4.1 HDFS遥感图像处理功能描述 | 第33-34页 |
| 3.4.2 HDFS读取和写入操作管理 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 高分辨率遥感图像分割 | 第36-45页 |
| 4.1 遥感图像分割定义 | 第36页 |
| 4.2 Meanshift算法描述 | 第36-40页 |
| 4.2.1 Meanshift原理 | 第36-38页 |
| 4.2.2 概率密度函数估计 | 第38-39页 |
| 4.2.3 Meanshift算法数学公式 | 第39-40页 |
| 4.3 Hadoop平台的Meanshift算法实现 | 第40-44页 |
| 4.3.1 Meanshift高分辨率遥感图像分割 | 第40-41页 |
| 4.3.2 高分辨率遥感图像分块处理 | 第41-43页 |
| 4.3.3 图像合并处理 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验设计与结果分析 | 第45-54页 |
| 5.1 实验设计 | 第45页 |
| 5.2 环境搭建 | 第45-46页 |
| 5.3 云计算平台运行测试 | 第46-47页 |
| 5.4 遥感图像分割实验 | 第47-49页 |
| 5.5 实验效果评价分析 | 第49-51页 |
| 5.6 实验分割性能评价 | 第51-53页 |
| 5.7 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第62页 |
