| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第13-21页 |
| 1.1 论文研究背景 | 第13-14页 |
| 1.2 论文研究现状 | 第14-18页 |
| 1.2.1 分布式计算的发展 | 第14-16页 |
| 1.2.2 空间态势感知的发展 | 第16-18页 |
| 1.3 论文研究内容及意义 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 2 相关技术介绍 | 第21-29页 |
| 2.1 分布式存储与并行计算概述 | 第21-23页 |
| 2.1.1 分布式框架选型 | 第21-22页 |
| 2.1.2 分布式文件系统HDFS | 第22页 |
| 2.1.3 分布式并行计算框架MapReduce | 第22-23页 |
| 2.2 图像质量评价概述 | 第23-25页 |
| 2.3 图像识别技术概述 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于Hadoop的空间目标图像并行化处理设计 | 第29-49页 |
| 3.1 Hadoop图像数据格式问题 | 第29-30页 |
| 3.2 图像键值对类型设计 | 第30-33页 |
| 3.3 图像输入输出格式设计 | 第33-39页 |
| 3.3.1 单幅图像输入格式 | 第34-35页 |
| 3.3.2 单幅图像数据输出格式 | 第35-36页 |
| 3.3.3 图像集数据输入格式 | 第36-39页 |
| 3.4 分布式图像处理环境 | 第39-42页 |
| 3.5 实验与结果分析 | 第42-48页 |
| 3.5.1 合并文件优化实验 | 第42-46页 |
| 3.5.2 图像批处理实验 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 基于Hadoop的空间目标图像质量评价并行化 | 第49-73页 |
| 4.1 空间目标图像主观评价库的建立 | 第49-50页 |
| 4.2 LBP特征并行化提取 | 第50-56页 |
| 4.2.1 LBP特征研究 | 第50-55页 |
| 4.2.2 LBP特征并行提取 | 第55-56页 |
| 4.3 支持向量机算法并行化优化 | 第56-64页 |
| 4.3.1 层叠支持向量机 | 第56-58页 |
| 4.3.2 并行层叠支持向量机 | 第58-59页 |
| 4.3.3 基于Hadoop的并行层叠支持向量机实现 | 第59-61页 |
| 4.3.4 改进的新型F2层叠支持向量机 | 第61-64页 |
| 4.4 实验与结果分析 | 第64-71页 |
| 4.5 本章小结 | 第71-73页 |
| 5 基于Hadoop的空间目标图像识别并行化 | 第73-87页 |
| 5.1 空间目标特征提取 | 第73-78页 |
| 5.2 KNN算法并行化优化 | 第78-81页 |
| 5.2.1 传统KNN算法 | 第78-79页 |
| 5.2.2 分布式KNN算法 | 第79-81页 |
| 5.3 实验与结果分析 | 第81-85页 |
| 5.4 本章小结 | 第85-87页 |
| 6 总结与展望 | 第87-91页 |
| 6.1 总结 | 第87-88页 |
| 6.2 展望 | 第88-91页 |
| 参考文献 | 第91-95页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第95-99页 |
| 学位论文数据集 | 第99页 |