导读:本文包含了分布式图像处理论文开题报告文献综述及选题提纲参考文献，主要关键词:分布式,遥感图像处理,关键技术
分布式图像处理论文文献综述
曾贤灏[1]（2019）在《分布式遥感图像处理中的若干关键技术》一文中研究指出遥感技术已经被广泛的应用到民事领域和军事领域,成为获取信息数据的一种最好途径。本文主要围绕分布式遥感图像处理技术之下,分析其在运用的过程中常出现的问题和关键技术。(本文来源于《电子技术与软件工程》期刊2019年18期）
王玉坤[2]（2019）在《分布式并行遥感图像处理中的数据划分》一文中研究指出信息技术在不断普及的过程中,分布式并行遥感图像处理技术被应用到各个领域。本文主要针对分布式并行遥感图像处理中数据划分问题进行分析,内容如下。(本文来源于《电子技术与软件工程》期刊2019年14期）
霍磊,葛广乾,赵洪涛[3]（2018）在《基于分布式图像处理技术钢卷尺检定系统的研制》一文中研究指出介绍了基于图像处理技术的分布式钢卷尺检定系统的结构和软件设计,该系统基于数字图像处理技术,实现了钢卷尺整米刻线的同时检测,解决了目前钢卷尺检定中需人眼仔细瞄准与估读、手写记录数据、工作量较大等问题。(本文来源于《精密制造与自动化》期刊2018年02期）
侯玉峰[4]（2018）在《卫星群分布式系统设计与图像处理算法实现》一文中研究指出随着信息技术的发展,人们已进入了大数据时代,构建集群对海量数据进行分布式计算与存储已成为一种共识,航天卫星领域也同样如此。构建卫星群分布式架构很有意义,在国家层面上,面对纷乱复杂的周边形势,譬如美韩部署的萨德系统,若能实现卫星组网进行分布式计算与存储,便可大幅提高卫星能力,扩展卫星功能,对国防侦查、态势感知、地图监测、通信指挥等起到更大作用。在公众层面上,人们可通过移动设备随时接入卫星网络,从而享受卫星群系统提供的更加精确的实时定位、物流追踪和遥感信息服务。近年来,互联网大数据应用的兴起使分布式技术广泛应用到工程实践中,它主要包括分布式存储、计算、数据库与监控。分布式存储技术为数据的存储提供了基础,保证了数据的冗余和一致性;分布式计算提升了计算速度,为挖掘海量数据的价值提供了可能;分布式数据库可存储多类型的非结构化数据,提供了大数据事务处理的SQL接口;分布式资源监控系统时刻监控集群各项指标,保证集群的安全高效运转。与地面环境不同,卫星受到体积、功耗、空间辐射等条件的限制,在卫星群建立分布式系统需掌握架构设计、操作系统、资源管理等关键技术。针对以上问题,本文先研究目前主流分布式计算存储架构、其次研究分布式资源监控的实现过程,最后将分布式技术移植到卫星平台上,搭建卫星群演示系统,在星上图像处理算法上运用分布式技术,证明其可行性与优越性。本课题为十叁五天基网络化计算平台项目的一部分,搭建卫星群网络计算平台演示系统,通过卫星图像处理的开发部署,对分布式计算、存储、监控等关键技术进行研究和验证。通过本项目的研制,可以为十叁五预研项目提供工作基础,为相关产品规划研制提供技术基础,为未来天地一体化电子系统提供软件技术支持。本文以单机图像处理算法为基础,在对矩阵处理时采用了分布式计算的技术,将对矩阵行的傅里叶变换操作分布到多个节点上去计算,从而缩短图像处理时间,提升成像速度。(本文来源于《中国电子科技集团公司电子科学研究院》期刊2018-03-26）
周蓉[5]（2015）在《基于云平台的分布式PCA算法在煤炭图像处理中的研究与实现》一文中研究指出PCA算法能够有效地将高维数据投影到较低维空间,应用在各种高维数据的处理中。在煤炭系统中,随着数字时代的高速发展,煤炭数据不仅从维度方面快速增长,而且数据的规模也呈现指数级增长。传统的PCA算法不能有效地处理海量规模煤炭数据。本文针对大规模煤炭数据,提出了分布式PCA算法,该算法基于现有流行的Map Reduce分布式计算框架,能够快速、有效地完成PCA数据分析工作。通过大量的实验结果进一步证明了本文提出的算法具有很高的效率以及很好的可扩展性。(本文来源于《福建电脑》期刊2015年11期）
殷兵[6]（2015）在《基于Hadoop的分布式遥感图像处理研究》一文中研究指出随着卫星遥感和航空摄影技术的不断发展,人类获得遥感影像数据的方式越来越多,使得遥感影像数据朝着高分辨率、多时相、多波段的海量数据发展,导致遥感影像数据量呈指数增长。海量遥感影像数据的高效的存储、有效的组织、快速的处理计算已成为当今遥感领域研究的热点,分布式存储与并行计算为上述研究提供了有效的解决方案。近几年,Hadoop已成为最流行最成功的开源分布式系统框架,具有高可靠性、高扩展性、高效性及高容错性等优势,核心内容是HDFS (Hadoop Distributed File System)和MapReduce。越来越多的人使用Hadoop来解决海量数据的存储与计算问题,已在搜索引擎、电子商务、社交网络中取得了巨大成功。GDAL (Geospatial Data Abstraction Library)是一套栅格空间数据开源库,可通过插件对支持格式进行扩展。GDAL支持多数遥感影像格式读写,开发人员不需要考虑不同影像格式之间的差异,实现一套代码处理多种影像格式。结合GDAL强大的栅格支持能力和Hadoop强大的存储与计算能力,开发人员可以通过编写MapReduce程序提高对海量遥感影像的处理效率。本文结合理论研究和实际应用需求,根据GDAL读写图像的方式,对HDFS存储特点和MapReduce框架编程模式进行研究与分析,开发结合GDAL和Hadoop的遥感图像处理程序。本文研究内容和成果主要包括以下几个方面：一、分析MapReduce框架的编程模式,研究MapReduce处理文本数据的流程,结合GDAL实现了处理遥感影像的MapReduce库。二、对比单机、Hadoop集群及Hadoop集群不同情况下处理等量图像的最小距离分类效率。结果表明,计算数据量、计算成本及机器成本对遥感图像处理操作的效率具有较大的影响。因此,在考虑是否使用Hadoop集群以及Hadoop集群规模,需要综合考虑以上叁个因素。叁、由于Hadoop集群在处理单个大文件的效率优于同时处理等数据量的多个小文件,因此本文自定义聚合大影像文件格式,将多个影像聚合到一个文件中,减少HDFS上文件数量,提高元数据存储内存利用率和检索时间,实现MapReduce的每个任务处理多幅影像,提高每个任务的利用率,并以图像投影转换为例,进行Hadoop对比实验,验证聚合大影像格式的可行性和高效性。(本文来源于《华东师范大学》期刊2015-05-23）
沈雁[7]（2013）在《基于消息队列的分布式图像处理系统的设计与实现》一文中研究指出随着大数据时代的来临,分布式应用展现出新的前景；同时随着图片数量的剧增,在工程上和科研上出现了对于大批量的图像的分布式处理新的需求。当前,Hadoop系统已经有了广泛的使用,也出现了基于Hadoop的分布式图像处理方案。大批量图像处理这种计算密集型的应用也给分布式系统的设计带来了一定的挑战,Hadoop在这种应用中有其自身的不足之处,本文新设计了一个系统对此做了相应地改进。而传统的分布式图像处理系统,多数基于远程过程调用和NFS实现,在系统通信和存储上存在先天的不足,本文不再做对比。本文设计了一个基于消息队列的分布式图像处理系统,系统各模块通过精心设计的消息队列的通信,实现了更加精简和低耦合的计算框架。对于大批量图像处理,相对基于Hadoop的实现,本系统计算框架减少了Map和Reduce任务之间的中间结果处理和网络传输；基于消息队列的计算框架设计,减少了系统各模块之间的耦合性,使得功能和任务扩展更加容易。另外,本系统实现了自适应的任务分配机制,能根据各主机先前任务的完成情况实时调整任务的分配,能及时有效调用所有工作主机的计算能力。本系统使用适用于小文件存储的分布式文件系统FastDFS,使得任务的分解粒度精确到单个图像文件,使任务更容易调度和恢复；另外,分配任务的时候优先考虑工作主机本机上存储的文件,能利用文件的本地优势,减少网络传输。此外,本系统通过C/C++语言实现,提供了C/C++编程接口来支持本地语言的图像处理库(如OpenCV、ImageMagick等),在编程的方便性和程序的执行效率上都要高于基于Hadoop的实现。最后,我们做了相关的实验,通过和一个基于Hadoop的实现做对比,验证了本系统在处理大批量图像文件中的高效性。(本文来源于《浙江大学》期刊2013-01-01）
朱非甲[8]（2011）在《分布式环境下的医学图像处理平台研究》一文中研究指出随着医学成像技术的发展,医学图像的成像质量越来越高,数据量也越来越大,导致医学图像处理对强大运算能力的处理环境的迫切需求,而分布式计算技术的高性能低成本的计算能力恰好能满足这种需求。因此,研究分布式环境下的医学图像处理技术具有重要意义。本文首先对分布式计算的消息传递、C/S、P2P、RPC、分布式对象和移动Agent等技术进行了研究,接着对中间件、集群、网格和WebService等几种技术以及Globus Tookit和PBS两大平台进行了比较研究,并选用PBS作为分布式计算的基础环境。其次,在Ubuntu下建立了基于Portable Batch System的,通过Torque套件实现的分布式计算环境,其中服务器安装了Pbs_Server和Schedule,计算节点安装了Pbs_Mom和Pbs_client;接着在该环境下对远程分发、作业的提交、Job Script的编写、资源申请、并行作业的实现、BLCR和Torque的连接以及作业的调度和管理等进行了研究。结果表明该系统可以正常的接受用户请求,同时具有完善的作业管理和调度能力。最后,设计和开发了分布式医学图像处理平台。该平台为叁层架构,使用TCL语言和TK开发包进行开发。其中基础模块包括通用函数库common、建立绑定关系的bindings和基础资源描述库pbstcl;系统前端则包括大量窗体,对用户提供友好的图形界面。该平台通过与Torque接口的连接实现了医学图像处理作业的提交、管理、图像显示等诸多功能,还可以方便的实现非并行程序的分布式运行。通过串行和并行运行证明了处理平台的可用性,通过48小时、CPU平均占用率82%的连续高负载测试证明了处理平台的可靠性。并行性能数据则显示,与串行运行相比,当节点数为8时图像处理时间减少了86%,证明此平台可以显着提高医学图像处理的效率。(本文来源于《哈尔滨理工大学》期刊2011-03-01）
李君[9]（2009）在《基于Web的分布式图像处理技术研究与系统实现》一文中研究指出数字图像以其存储方便、保存长久、易于网络传输、信息包含量巨大等特点,在科学研究、工程应用以及现代生活中占据了重要地位。同时,随着数字图像获取技术的进步和图像应用需求的快速增加,对数字图像处理技术提出了新的、更高的要求。一方面,获取的图像数据越来越来多,需要及时有效的处理;另一方面,应用领域的不断扩大,需要新的图像处理方法和技术,尤其是在大数据量、异地数据的共享和处理上,目前单机的、集中式的图像处理已经无法满足图像处理发展的需要;其次从图像数据和算法本身的分布性,从图像处理算法和处理技术的复杂性,都迫切需要一种分布式的处理系统,因此,采用分布式计算、网络技术等的分布式图像处理技术是解决问题的关键。本文主要研究基于Web计算模式的分布式图像处理技术。详细的阐述了与分布式图像处理相关的内容包括分布式计算理论、Web计算技术、Java高级图像处理技术等。在Web计算应用框架的指导下,结合图像处理的特点,提出了基于Web的叁种图像处理体系结构。根据实际研究工作,利用JAI高级图像处理技术实现了一个基于中型模式的分布式图像处理系统WebImaging,并对客户端数据模型、图像处理功能、数据通讯和传输等关键技术进行深入探讨。最后,利用MPICH微机集群计算技术,对服务器端比较复杂的图像处理算法进行计算优化,获取实验数据。从系统运行来看,基于Web的分布式图像处理系统具有异地处理、实时性、跨平台性、系统开放容易扩展等特点。复杂算法经过并行计算优化后,能够较好的提高计算速度,充分利用网络闲散计算资源。(本文来源于《浙江工业大学》期刊2009-04-10）
石岩,毛海岑,张天序,曹治国[10]（2005）在《面向并行图像处理的实时分布式操作系统的设计与实现》一文中研究指出针对多片TMS320C64 DSP构成的多计算机体系结构的实时图像识别系统,设计并实现了面向并行图像处理的实时 分布式操作系统PIPORTDOS(Parallel image processing-oriented real-time distributed operating system)．PIPORTDOS基于徽 内核体系结构,包括硬件抽象层、系统核心层、分布式消息通信机制和系统服务层四个层次．其多任务内核实现了基于优先级的 抢先式调度、任务间的同步和通信原语、实时的中断处理以及面向应用的缓存管理机制．为了实现对分布式并行图像处理的支 持．PIPORTDOS采用了基于消息传递(Message Passing)的方式,并在实现中充分考虑了上层图像处理算法的应用需求以及 DSP的硬件功能．相关性能指标表明,本文设计实现的PIPORTDOS完全可以满足系统的强实时性要求,在功能上也能适应算 法对不同并行结构的需求．(本文来源于《小型微型计算机系统》期刊2005年10期）
分布式图像处理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
信息技术在不断普及的过程中,分布式并行遥感图像处理技术被应用到各个领域。本文主要针对分布式并行遥感图像处理中数据划分问题进行分析,内容如下。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式图像处理论文参考文献
[1].曾贤灏.分布式遥感图像处理中的若干关键技术[J].电子技术与软件工程.2019
[2].王玉坤.分布式并行遥感图像处理中的数据划分[J].电子技术与软件工程.2019
[3].霍磊,葛广乾,赵洪涛.基于分布式图像处理技术钢卷尺检定系统的研制[J].精密制造与自动化.2018
[4].侯玉峰.卫星群分布式系统设计与图像处理算法实现[D].中国电子科技集团公司电子科学研究院.2018
[5].周蓉.基于云平台的分布式PCA算法在煤炭图像处理中的研究与实现[J].福建电脑.2015
[6].殷兵.基于Hadoop的分布式遥感图像处理研究[D].华东师范大学.2015
[7].沈雁.基于消息队列的分布式图像处理系统的设计与实现[D].浙江大学.2013
[8].朱非甲.分布式环境下的医学图像处理平台研究[D].哈尔滨理工大学.2011
[9].李君.基于Web的分布式图像处理技术研究与系统实现[D].浙江工业大学.2009
[10].石岩,毛海岑,张天序,曹治国.面向并行图像处理的实时分布式操作系统的设计与实现[J].小型微型计算机系统.2005