基于Hadoop平台的CCD表观辐亮度定标算法的研究与实现
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第9-13页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.2.1 遥感数据处理方法的研究 | 第10页 |
1.2.2 Hadoop的应用 | 第10-11页 |
1.3 论文主要内容 | 第11-12页 |
1.4 论文组织结构 | 第12页 |
1.5 本章小结 | 第12-13页 |
2 相关技术简介 | 第13-23页 |
2.1 CCD表观辐亮度定标算法描述 | 第13-14页 |
2.2 M-CCDTOAL算法概述 | 第14-17页 |
2.2.1 工作原理 | 第14-16页 |
2.2.2 算法实现 | 第16-17页 |
2.3 Hadoop平台概述 | 第17-20页 |
2.3.1 Hadoop平台的特点与优势 | 第17页 |
2.3.2 HDFS简介 | 第17-18页 |
2.3.3 MapReduce简介 | 第18-20页 |
2.4 Ganglia简介 | 第20页 |
2.5 GDAL简介 | 第20-21页 |
2.6 SSH | 第21页 |
2.7 本章小结 | 第21-23页 |
3 H-CCDTOAL运行平台的搭建技术 | 第23-33页 |
3.1 集群环境搭建 | 第23-28页 |
3.1.1 环境准备 | 第23-24页 |
3.1.2 搭建步骤 | 第24-26页 |
3.1.3 集群运行 | 第26-28页 |
3.2 图像数据类型设计 | 第28-30页 |
3.3 数据存储格式设计 | 第30-31页 |
3.4 本章小结 | 第31-33页 |
4 H-CCDTOAL算法的设计与实现 | 第33-45页 |
4.1 开发环境 | 第33页 |
4.2 工作原理 | 第33-35页 |
4.3 中间数据类型格式设计 | 第35页 |
4.4 读取背景参数Map类的设计 | 第35-36页 |
4.5 读取图像数据的map类设计 | 第36-37页 |
4.6 Reducer类的设计 | 第37-38页 |
4.7 算法实现 | 第38-39页 |
4.8 测试与结果分析 | 第39-42页 |
4.8.1 测试数据 | 第39页 |
4.8.2 测试方法 | 第39-40页 |
4.8.3 测试结果 | 第40-42页 |
4.8.4 结果分析 | 第42页 |
4.9 本章小结 | 第42-45页 |
5 总结及展望 | 第45-47页 |
参考文献 | 第47-49页 |
致谢 | 第49-51页 |
攻读学位期间参加的项目 | 第51-52页 |