CN109102480B - 一种适用于分布式架构的Gram-Schmidt融合方法 - Google Patents
一种适用于分布式架构的Gram-Schmidt融合方法 Download PDFInfo
- Publication number
- CN109102480B CN109102480B CN201810735089.4A CN201810735089A CN109102480B CN 109102480 B CN109102480 B CN 109102480B CN 201810735089 A CN201810735089 A CN 201810735089A CN 109102480 B CN109102480 B CN 109102480B
- Authority
- CN
- China
- Prior art keywords
- panchromatic
- data
- block
- image
- fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 230000000903 blocking effect Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000638 solvent extraction Methods 0.000 claims abstract description 13
- 238000007499 fusion processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000005192 partition Methods 0.000 claims abstract description 8
- 238000012952 Resampling Methods 0.000 claims abstract description 5
- 238000009825 accumulation Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种适用于分布式架构的Gram‑Schmidt融合方法,其整体流程为:以高分辨率全色影像作为基准,按照指定分块大小对全色影像进行分块;在分块基础上,向四周各扩展一行一列,保证各分块间均存在重叠区域;根据全色各分块参数及重采样率,反算出对应的多光谱影像分块参数;按照离中心点由近及远的顺序,依次向计算节点发送任务;计算节点并行处理各分块融合过程,采用分块计算之间相互关联累加的方式实现局部统计信息全局化。本发明以整幅影像中切割的分块为最小单位实现GS融合分布式处理,具有融合速度块、效率高、不受硬件资源影响的优点,可满足当前影像快速处理、展示的急切需求。
Description
技术领域
本发明涉及一种遥感影像融合方法,尤其涉及一种适用于分布式架构的Gram-Schmidt融合方法。
背景技术
遥感影像融合技术是信息融合的一个非常重要的分支。影像融合不是简单的信息叠加,而是产生新的、包含更多更有价值的信息的影像。全色影像具有较高分辨率、多光谱影像包含较丰富的光谱信息,将两者进行有效融合,可以得到既保持多光谱影像光谱特征、又保持全色图像较高空间细节表达能力的融合影像,从而更有利于识别、分类、定位、变化检测等实际应用。Gram-Schmidt融合方法(以下简称GS融合方法)是一种多光谱数据融合方法,其融合效果较好,可使空间信息明显增强,光谱保真度较高。GS融合方法首先采用光谱重采样方法模拟产生GS变换的第一分量,通过GS变换将高光谱图像转换到正交空间,再利用高空间分辨率图像替换GS变换的第一分量,最后通过GS反变换获得融合图像。
目前GS融合方法中的每个步骤都需要计算对应的全局性统计信息,最终通过之前的中间结果及统计信息,获得最终的融合结果。此外,现有GS融合方法适用的常规遥感影像处理软件均为单机版本,即影像处理软件采用单机顺序处理的方式进行融合处理。由于仅使用一台机器的资源,导致融合速度慢、受硬件资源影响严重,无法满足当前影像快速处理、展示的急切需求。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种适用于分布式架构的Gram-Schmidt融合方法。
为了解决以上技术问题,本发明采用的技术方案是:一种适用于分布式架构的Gram-Schmidt融合方法,其整体流程为:
一、以高分辨率全色影像作为基准,按照指定分块大小对全色影像进行分块;
二、在分块基础上,向四周各扩展一行一列,保证各分块间均存在重叠区域,降低分块边界的色差;
三、根据全色各分块参数及重采样率,反算出对应的多光谱影像分块参数;
四、按照离中心点由近及远的顺序,依次向计算节点发送任务,使得离中心点最近的分块被优先处理;
五、计算节点并行处理各分块融合过程,采用分块计算之间相互关联累加的方式实现局部统计信息全局化,具体过程为:
第一个分块处理完成后将该分块的所有统计信息存成中间文件,其他后续分块在进行融合处理时,同步访问之前其他分块存出的中间文件,并将之前其他分块的统计结果加入到当前分块的统计值中,作为当前分块最终的统计值,参与分块的融合处理。
进一步地,步骤五中各分块的具体计算步骤如下:
a、将低分辨率的多光谱影像取平均值模拟全色影像灰度值;
b、访问模拟全色数据及输入高分辨率全色数据的统计值中间文件,查看文件是否存在;如果存在,则读取中间文件中的其他分块的统计信息,加入当前分块模拟全色数据和输入高分辨率全色数据的平均值统计和标准差统计,并追加写入统计值中间文件;否则,仅使用当前分块数据的灰度值进行平均值和标准差统计,并创建文件写入统计值;
c、通过步骤b得到的统计值,调整高分辨率全色影像灰度值,生成修正全色影像;
d、分别访问模拟全色数据、修正全色与多光谱数据的统计值中间文件,查看文件是否存在;如果存在,则依次读取中间文件中的其他分块统计信息,加入当前分块模拟全色数据方差统计、修正全色数据方差统计、模拟全色数据与多光谱数据协方差统计以及修正全色数据与多光谱数据协方差统计中,并追加写入统计值中间文件;否则,仅使用当前分块对应各数据灰度值进行方差及协方差统计,并创建文件写入统计值;
e、基于步骤d的统计值,以及重采样后的多光谱分块数据、模拟全色分块数据及修正全色分块数据,依次对分块数据每个波段进行GS融合逆变换,得到融合后的各波段的值。
本发明以整幅影像中切割的分块为最小单位实现GS融合分布式处理,具有融合速度块、效率高、不受硬件资源影响的优点,可满足当前影像快速处理、展示的急切需求。
附图说明
图1为LLTS分布式框架的角色分配示意图。
图2为本发明基于分布式框架的处理流程示意图。
图3为本发明的整体流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
LLTS(Low Latency Task Service,低延迟的任务服务)框架是为了一组相近的计算需求,提供低延迟的计算任务执行服务,包含Controller和Agent两个角色,如图1所示。Controller负责接收外部程序发来的请求,Agent负责启动和监视具体的计算任务。Agent都是同构的计算单元,每个Agent只能同时容纳一个计算任务。
基于LLTS分布式框架的分块策略,本发明按照给定的分块大小,将遥感影像分成若干块,将各分块依次下发给对应的计算节点进行处理。在下发过程中,按照从离中心点最近的分块开始逐步向四周扩散的顺序依次传递任务,使得子节点计算时,优先处理离中心点最近的分块。此外,输入给计算节点的各影像分块增加了其与相邻分块的重叠像素,通过在分块间中设置重叠区域,降低分块边界的色差。
为了解决统计信息局部性导致的融合结果色差分块化明显的问题,本发明采用分块计算之间相互关联累加的方式实现局部统计信息全局化。第一个分块处理完成后会将该分块的所有统计信息存成中间文件,其他后续分块在进行融合处理时,会同步访问之前其他分块存出的中间文件,并将之前其他分块的统计结果加入到当前分块的统计值中,作为当前分块最终的统计值,参与分块的融合处理。
图3所示的一种适用于分布式架构的Gram-Schmidt融合方法,其整体流程为:
一、以高分辨率全色影像作为基准,按照指定分块大小对全色影像进行分块;
二、在分块基础上,向四周各扩展一行一列,保证各分块间均存在重叠区域;
三、根据全色各分块参数及重采样率,反算出对应的多光谱影像分块参数;
四、按照离中心点由近及远的顺序,依次向计算节点发送任务,使得离中心点最近的分块被优先处理;
五、计算节点并行处理各分块融合过程,各分块计算步骤如下:
a、将低分辨率的多光谱影像取平均值模拟全色影像灰度值;
b、访问模拟全色数据及输入高分辨率全色数据的统计值中间文件,查看文件是否存在;如果存在,则读取中间文件中的其他分块的统计信息,加入当前分块模拟全色数据和输入高分辨率全色数据的平均值统计和标准差统计,并追加写入统计值中间文件;否则,仅使用当前分块数据的灰度值进行平均值和标准差统计,并创建文件写入统计值;
c、通过步骤b得到的统计值,调整高分辨率全色影像灰度值,生成修正全色影像;
d、分别访问模拟全色数据、修正全色与多光谱数据的统计值中间文件,查看文件是否存在;如果存在,则依次读取中间文件中的其他分块统计信息,加入当前分块模拟全色数据方差统计、修正全色数据方差统计、模拟全色数据与多光谱数据协方差统计以及修正全色数据与多光谱数据协方差统计中,并追加写入统计值中间文件;否则,仅使用当前分块对应各数据灰度值进行方差及协方差统计,并创建文件写入统计值;
e、基于步骤d的统计值,以及重采样后的多光谱分块数据、模拟全色分块数据及修正全色分块数据,依次对分块数据每个波段进行GS融合逆变换,得到融合后的各波段的值。
本发明采用影像分块策略,由离影像中心最近到最远的顺序依次将分块添下发给计算节点,且每个分块需要向四周各扩展一行一列,确保分块无明显边界。此外,本发明采用分块计算之间相互关联累加的方式实现局部统计信息全局化,可有效解决统计信息局部性导致的融合结果色差分块化明显的问题。本发明通过改进分块策略、分块统计值优化等方式,使得极度依赖全局统计信息的GS融合过程,能够在适应分布式处理框架的基础上,有效降低整个影像内各分块间色差问题,获得色调基本一致的影像融合结果。
本发明已在影像快速处理平台上验证使用,可满足快速处理需求。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (2)
1.一种适用于分布式架构的Gram-Schmidt融合方法,其特征在于:所述方法的整体步骤为:
一、以高分辨率全色影像作为基准,按照指定分块大小对全色影像进行分块;
二、在分块基础上,向四周各扩展一行一列,保证各分块间均存在重叠区域,降低分块边界的色差;
三、根据全色各分块参数及重采样率,反算出对应的多光谱影像分块参数;
四、按照离中心点由近及远的顺序,依次向计算节点发送任务,使得离中心点最近的分块被优先处理;
五、计算节点并行处理各分块融合过程,采用分块计算之间相互关联累加的方式实现局部统计信息全局化,具体过程为:
第一个分块处理完成后将该分块的所有统计信息存成中间文件,其他后续分块在进行融合处理时,同步访问之前其他分块存出的中间文件,并将之前其他分块的统计结果加入到当前分块的统计值中,作为当前分块最终的统计值,参与分块的融合处理。
2.根据权利要求1所述的适用于分布式架构的Gram-Schmidt融合方法,其特征在于:所述步骤五中各分块的具体计算步骤如下:
a、将低分辨率的多光谱影像取平均值模拟全色影像灰度值;
b、访问模拟全色数据及输入高分辨率全色数据的统计值中间文件,查看文件是否存在;如果存在,则读取中间文件中的其他分块的统计信息,加入当前分块模拟全色数据和输入高分辨率全色数据的平均值统计和标准差统计,并追加写入统计值中间文件;否则,仅使用当前分块数据的灰度值进行平均值和标准差统计,并创建文件写入统计值;
c、通过步骤b得到的统计值,调整高分辨率全色影像灰度值,生成修正全色影像;
d、分别访问模拟全色数据、修正全色与多光谱数据的统计值中间文件,查看文件是否存在;如果存在,则依次读取中间文件中的其他分块统计信息,加入当前分块模拟全色数据方差统计、修正全色数据方差统计、模拟全色数据与多光谱数据协方差统计以及修正全色数据与多光谱数据协方差统计中,并追加写入统计值中间文件;否则,仅使用当前分块对应各数据灰度值进行方差及协方差统计,并创建文件写入统计值;
e、基于步骤d的统计值,以及重采样后的多光谱分块数据、模拟全色分块数据及修正全色分块数据,依次对分块数据每个波段进行GS融合逆变换,得到融合后的各波段的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735089.4A CN109102480B (zh) | 2018-07-06 | 2018-07-06 | 一种适用于分布式架构的Gram-Schmidt融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735089.4A CN109102480B (zh) | 2018-07-06 | 2018-07-06 | 一种适用于分布式架构的Gram-Schmidt融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109102480A CN109102480A (zh) | 2018-12-28 |
CN109102480B true CN109102480B (zh) | 2022-02-22 |
Family
ID=64845598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735089.4A Active CN109102480B (zh) | 2018-07-06 | 2018-07-06 | 一种适用于分布式架构的Gram-Schmidt融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102480B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6011875A (en) * | 1998-04-29 | 2000-01-04 | Eastman Kodak Company | Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening |
CN102799898A (zh) * | 2012-06-28 | 2012-11-28 | 浙江大学 | 大背景下高分辨率遥感影像目标识别高效处理方法 |
CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
CN104268841A (zh) * | 2014-10-09 | 2015-01-07 | 哈尔滨工程大学 | 一种基于压缩感知算法的红外图像预处理方法 |
CN104794681A (zh) * | 2015-04-28 | 2015-07-22 | 西安电子科技大学 | 基于多冗余字典和稀疏重构的遥感图像融合方法 |
CN106384332A (zh) * | 2016-09-09 | 2017-02-08 | 中山大学 | 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法 |
CN106844562A (zh) * | 2016-12-30 | 2017-06-13 | 北京航天泰坦科技股份有限公司 | 基于fuse的地理影像透明缓存机制 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013093A (zh) * | 2010-12-02 | 2011-04-13 | 南京大学 | 一种基于Gram-Schmidt融合和LEGION的高分辨率遥感影像分割方法 |
CN102521815B (zh) * | 2011-11-02 | 2013-11-13 | 薛笑荣 | 影像快速融合系统及快速融合方法 |
CN102509280B (zh) * | 2011-11-10 | 2013-09-18 | 重庆大学 | 多聚焦图像融合方法 |
US9251420B2 (en) * | 2013-01-22 | 2016-02-02 | Vale S.A. | System for mapping and identification of plants using digital image processing and route generation |
CN104299216B (zh) * | 2014-10-22 | 2017-09-01 | 北京航空航天大学 | 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法 |
US9449246B1 (en) * | 2015-05-14 | 2016-09-20 | Mitsubishi Electric Research Laboratories, Inc. | Method for deformable image registration |
CN106251319A (zh) * | 2016-07-31 | 2016-12-21 | 哈尔滨理工大学 | 一种基于Curvelet变换的彩色图像融合算法 |
CN106886986B (zh) * | 2016-08-31 | 2019-06-21 | 电子科技大学 | 基于自适应组结构稀疏字典学习的图像融合方法 |
CN108074016B (zh) * | 2017-12-25 | 2021-07-30 | 苏州大学 | 基于位置社交网络的用户关系强度预测方法、装置及设备 |
-
2018
- 2018-07-06 CN CN201810735089.4A patent/CN109102480B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6011875A (en) * | 1998-04-29 | 2000-01-04 | Eastman Kodak Company | Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening |
CN102799898A (zh) * | 2012-06-28 | 2012-11-28 | 浙江大学 | 大背景下高分辨率遥感影像目标识别高效处理方法 |
CN103177433A (zh) * | 2013-04-09 | 2013-06-26 | 南京理工大学 | 红外与微光图像融合方法 |
CN104268841A (zh) * | 2014-10-09 | 2015-01-07 | 哈尔滨工程大学 | 一种基于压缩感知算法的红外图像预处理方法 |
CN104794681A (zh) * | 2015-04-28 | 2015-07-22 | 西安电子科技大学 | 基于多冗余字典和稀疏重构的遥感图像融合方法 |
CN106384332A (zh) * | 2016-09-09 | 2017-02-08 | 中山大学 | 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法 |
CN106844562A (zh) * | 2016-12-30 | 2017-06-13 | 北京航天泰坦科技股份有限公司 | 基于fuse的地理影像透明缓存机制 |
Non-Patent Citations (5)
Title |
---|
A Parallel Computing Paradigm for Pan-Sharpening Algorithms;Jinghui Yang等;《remote sensing》;20140627;第6卷;第6039-6063页 * |
Nearest-neighbor diffusion-based pansharpening;Weihua Sun等;《Optical Engineering》;20140131;第53卷(第1期);第013107-1-013107-11页 * |
两种高保真遥感影像融合方法比较;李存军等;《中国图象图形学报》;20041130;第9卷(第11期);第1377页第2.1节,第1380-1381页第2.3节,图5 * |
基于分布式并行计算的高分图像数据融合系统设计与实现;张彩蝶;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315(第03期);正文第5-7页第2节,第18、22-23页第3节,第41-49页第4节,图3.3,图3.17,图4.14 * |
遥感影像并行计算策略研究;郑月玲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120615(第06期);正文第28-29、32-35、39页第4节,图4.2、图4.7、图4.13 * |
Also Published As
Publication number | Publication date |
---|---|
CN109102480A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10002028B2 (en) | Dynamic feedback load balancing | |
US11023206B2 (en) | Dot product calculators and methods of operating the same | |
CN111062858B (zh) | 高效的提前渲染方法、装置及计算机存储介质 | |
CN117764811A (zh) | 使用稀疏体积数据的操作 | |
CN107193923B (zh) | 一种二维地理空间快速矢量叠加的方法及系统 | |
CN109964252B (zh) | 从一组索引识别基元的方法、加速处理装置和计算机系统 | |
CN108304925B (zh) | 一种池化计算装置及方法 | |
CN114995782B (zh) | 数据处理方法、装置、设备和可读存储介质 | |
US8681166B1 (en) | System and method for efficient resource management of a signal flow programmed digital signal processor code | |
US20120275723A1 (en) | Method and device for simplifying space data | |
JP2022506493A (ja) | イメージの彩色完成方法、その装置及びそのコンピュータプログラム、並びに人工神経網学習方法、その装置及びそのコンピュータプログラム | |
US20170124679A1 (en) | Latency-resistant sparse simulation technique, system and method | |
CN109377552B (zh) | 图像遮挡计算方法、装置、计算设备及存储介质 | |
CN109102480B (zh) | 一种适用于分布式架构的Gram-Schmidt融合方法 | |
CN103809937B (zh) | 一种基于gpu的通视并行处理方法 | |
US10049487B2 (en) | Identifying duplicate indices in an input index stream | |
CN108197613B (zh) | 一种基于深度卷积级联网络的人脸检测优化方法 | |
CN108960203B (zh) | 一种基于fpga异构计算的车辆检测方法 | |
CN111242832B (zh) | 基于SystemC的GPU纹理贴图周期精确联合仿真装置及方法 | |
CN109064435A (zh) | 一种Gram-Schmdit融合快速处理算法 | |
CN112242959B (zh) | 微服务限流控制方法、装置、设备及计算机存储介质 | |
CN110750536A (zh) | 姿态时间序列数据的振动噪声平滑处理方法及系统 | |
JP2021524968A (ja) | 畳み込みニューラルネットワークを使用するシーンを再構成する方法、システム、製造物品、および装置 | |
CN117058668B (zh) | 一种三维模型减面评估方法及装置 | |
CN113822997B (zh) | 一种使用位图信息进行高程调整的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant after: Zhongke Star Map Co., Ltd. Address before: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4) Applicant before: Space Star Technology (Beijing) Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |