云平台应用下的卫星遥感图像处理方法分析邹宗庆【摘要】本文主要对基于云平台的卫星遥感图像处理进行研究，在把握卫星遥感图像处理流程以及分析Hadoop云平台重要组件的基础之上，明确基于Hadoop的图像处理与MeanShift图像分割具体操作步骤与要点，以期实现对卫星遥感图像大数据的有效解决。【关键词】云平台;Hadoop;卫星遥感图像;MeanShift图像分割：TN92：ADOI：10.12246/j.issn.1673-0348.2021.17.005卫星遥感是对地球数据信息进行采集的一项技术，有着非常突出的重要作用，以无国界限制、覆盖范围大、观测存在周期性以及数据的采集可符合客观性要求等特点为其主要表现。基于卫星遥感所获得的遥感图像数据，又有很明显的四高特征，也就是空间分辨率高、时间分辨率高、光谱分辨率高以及辐射分辨率高，本文对基于云平台的卫星遥感图像处理方法展开研究。1.卫星遥感图像处理流程以抽象程度及研究方法等的不同作为划分依据，数据图像的处理主要有3个层次的划分，分别为数据处理层、图像分析层（也就是信息提取层）以及图像理解层（对应的为知识层），进一步对数据图像处理层次的划分进行参考与借鉴，与卫星遥感自身所具有的特点相结合，卫星遥感图像的处理流程通常被划分为4个主要层次，分别为预处理层、数据处理层、信息提取层以及分析决策层（该层与知识层，也就是图像理解层相对应），如图1所示。根据层次划分可以清楚地发现，预处理层被独立了出来，对其原因进行分析，可大致归纳为以下几点。预处理作业同卫星遥感图像的获取方式有着非常密切的联系，且该项作业是必须经历的一个步骤，相较于其他领域的图像预处理而言，卫星遥感图像的预处理算法原理及实现过程表现出较为明显的不同。尽管算法在一定程度上将数据处理层的特性彰显了出来，不过因为处理之前与之后图像区域内的像素位置出现了迁移的情况，这在一定程度上增加了邻域及边界的不确定性，由此一来，处理难度也会相应加大。在卫星遥感传感器愈发向星载——陆地同步实时处理的宏观趋势下，预处理功能的顺利与高效发挥能够在较大程度上缓解地面处理压力。所以，卫星遥感图像的预处理工作需要被单独执行，也就是做好辐射定标以及大气校正算法分析。不过，因为本文重点放在云平台应用下的卫星遥感图像处理上，因而不对预处理以及后期的信息提取与分析决策作过多研究，仅针对基于Hadoop云平台的卫星遥感图像分割进行具体分析。2.Hadoop云平台Hadoop是分布式存储计算框架，它是以云体系为基础的一种云计算平台，能够提供分布式存储及计算的编程环境。对Hadoop平台的总体构成进行分析，主要涉及到HDFS、MapReduce以及Hive等重要组件。2.1HDFS属于一种具有分布式特点的文件系统，当处于一个集群网络中时，计算机的数量往往会很多，对于任何一台能够正常运行的计算机而言，它们的存储量都是比较大的，可进行海量差异化数据的存储。以HDFS系统为支持，海量差异化数据的管理任务可以高效地被完成。2.2MapReduceMapReduce是一种数据模型，图2所示为其主要框架，可以将对数据的并行化处理功能很好地发挥出来，对于多个计算节点而言，此数据模型具有能够分配大规模计算分析任务的优势，对于统计分析任务效率的提升具有显著的积极意义。当完成对数据的输入作业以后，系统执行对所输入各类数据的分片处理操作，针对每一个输入分片，都会有一个对应的Map任务被单独启动，这时，又会有一些键值对生成，本地硬盘又会进一步执行对它们的存储任务。Map对之后所得结果进行处理，基于网络传输技术的支持，由具体运行Reduce任务的相应节点接收。这一环节，Reduce函数所发挥的作用体现在可以对它们进行合并处理之上，基于这一操作可以将所得最终结果存储于HDFS中。2.3Hive这是一种构建在Hadoop上的数据仓库框架，对其功能进行分析，体现在能够对HiveQl查询进行有效转换之上，用具体的MapReduce来表示，这种操作可以在一定程度上降低HiveQL程序向Hadoop平台移植的难度。3.基于Hadoop云平台的卫星遥感图像分割3.1基于Hadoop的图像处理借助于基于Hadoop的图像处理云平台，将由HDFS执行存储任务的、已经经过预处理的数据作为卫星遥感图像数据输入至此Ha...