基于高性能计算的土地利用影像分类技术研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 1 绪论 | 第13-27页 |
| 1.1 选题的目的与意义 | 第13-14页 |
| 1.2 相关研究进展 | 第14-23页 |
| 1.2.1 高性能计算 | 第14-18页 |
| 1.2.2 遥感影像分类方法 | 第18-23页 |
| 1.3 研究内容 | 第23-24页 |
| 1.4 论文组织结构 | 第24-25页 |
| 1.5 本章小结 | 第25-27页 |
| 2 相关的理论与技术基础 | 第27-85页 |
| 2.1 遥感影像土地利用分类方法 | 第27-30页 |
| 2.1.1 遥感影像分类流程 | 第27-28页 |
| 2.1.2 遥感影像分类方法 | 第28-30页 |
| 2.2 基于像元的土地利用分类方法 | 第30-46页 |
| 2.2.1 基于像元分类算法 | 第30-39页 |
| 2.2.2 多分类器组合的土地利用分类 | 第39-45页 |
| 2.2.3 基于像元分类方法的优缺点 | 第45-46页 |
| 2.3 面向对象的土地利用分类方法 | 第46-71页 |
| 2.3.1 遥感影像多尺度分割 | 第46-53页 |
| 2.3.2 土地利用特征提取与选择 | 第53-70页 |
| 2.3.3 面向对象的土地利用分类 | 第70-71页 |
| 2.3.4 面向对象分类方法优缺点 | 第71页 |
| 2.4 高性能地学计算 | 第71-77页 |
| 2.4.1 模型结构 | 第72-74页 |
| 2.4.2 异构网络结构 | 第74-76页 |
| 2.4.3 并行文件系统 | 第76-77页 |
| 2.5 影像数据存储管理 | 第77-83页 |
| 2.5.1 影像存储管理现状 | 第77-78页 |
| 2.5.2 基于数据驱动元模型的虚拟存储结构 | 第78-81页 |
| 2.5.3 影像数据多尺度索引 | 第81-83页 |
| 2.6 本章小结 | 第83-85页 |
| 3 土地利用影像分类模型HPC-RSCM | 第85-111页 |
| 3.1 HPC-RSCM模型框架 | 第86-90页 |
| 3.2 土地利用影像并行化预处理 | 第90-93页 |
| 3.3 土地利用影像并行分块策略 | 第93-96页 |
| 3.4 并行土地利用影像分类 | 第96-105页 |
| 3.4.1 土地利用分类体系 | 第96-97页 |
| 3.4.2 并行分类模式 | 第97-101页 |
| 3.4.3 多智能体组合的土地利用并行分类 | 第101-105页 |
| 3.5 并行分类的评价方法 | 第105-108页 |
| 3.5.1 土地利用分类评价方法 | 第105-107页 |
| 3.5.2 并行计算评价方法 | 第107-108页 |
| 3.6 本章小结 | 第108-111页 |
| 4 HPC-RSCM土地利用分类系统设计 | 第111-125页 |
| 4.1 土地利用影像分类系统设计 | 第111-113页 |
| 4.2 并行土地利用分类系统设计 | 第113-123页 |
| 4.2.1 基于MPI的并行分类 | 第113-116页 |
| 4.2.2 基于MapReduce的并行分类 | 第116-119页 |
| 4.2.3 基于GPU及CUDA的并行分类 | 第119-121页 |
| 4.2.4 基于OpenMP的并行分类 | 第121-123页 |
| 4.3 本章小结 | 第123-125页 |
| 5 试验分析与实践研究 | 第125-143页 |
| 5.1 高性能计算服务环境 | 第125-127页 |
| 5.2 试验区数据分析 | 第127-131页 |
| 5.3 土地利用分类结果对比分析 | 第131-138页 |
| 5.4 并行性能对比分析 | 第138-142页 |
| 5.5 本章小结 | 第142-143页 |
| 6 总结与展望 | 第143-147页 |
| 6.1 总结 | 第143-144页 |
| 6.2 展望 | 第144-147页 |
| 参考文献 | 第147-157页 |
| 攻读博士学位期间的主要研究成果 | 第157-159页 |
| 致谢 | 第159页 |
