高性能大气校正算法中遥感数据切分策略研究

J4 ›› 2016, Vol. 38 ›› Issue (5): 857-862.

高性能大气校正算法中遥感数据切分策略研究

白连红1,2，徐澍1,2，司一丹1,李莘莘1

(1.中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101;2.信阳职业技术学院数学与计算机学院，河南信阳 464000)

收稿日期:2015-05-05 修回日期:2015-08-21 出版日期:2016-05-25 发布日期:2016-05-25
基金资助:
国家自然科学基金(41471367,41571417)

A remote sensing data division strategy in
a high-performance atmospheric correction algorithm

BAI Lianhong1,2,XU Shu1,2,SI Yidan1,LI Shenshen1

(1.State Key Laboratory of Remote Sensing Science,Institute of Remote Sensing and Digital Earth,
Chinese Academy of Sciences,Beijing 100101;
2.The School of Mathematics and Computer Science,Xinyang Vocational and Technical College,Xinyang 464000,China)

Received:2015-05-05 Revised:2015-08-21 Online:2016-05-25 Published:2016-05-25

摘要/Abstract

摘要：

高分辨率卫星遥感数据在地物识别等方面具有明显优势,然而其定量化应用中需要精确的大气校正，该过程通常相当耗时。分别研究了大气校正算法串行处理方法及基于通用计算机集群系统的并行处理过程。通过对2012年7月我国华北地区的环境卫星CCD数据进行大气校正，并分析了串、并行过程各个步骤运行时间，表明了对大气校正并行处理的高可行性。针对并行过程中负载不均衡和通讯频繁等问题，设计了基于卫星像元特征的数据切分策略，并对不同并行算法进行了性能分析，表明了本文反演结果的可靠性，以及提出的切分策略能达到更高的加速比。

关键词: 遥感, 大气校正, 气溶胶光学厚度, 数据切分, 负载均衡

Abstract:

Highresolution satellite data is of powerful potentiality in applications such as surface object identification. However, the related quantitative remote sensing usually requires an accurate atmospheric correction, which is quite timeconsuming. The serial and parallel processing of atmospheric correction in the PCbased cluster system is studied. The atmospheric corrections of HJsatellite CCD data over North China Plain in July 2012 are shown in this paper, and the execution time of each step in the serial and parallel processing is also analyzed, which proves the high feasibility of atmospheric correction parallelization. To avoid unbalanced loads and frequent communications, we design a data division strategy based on pixel features and compare the performance of three different division strategies, which indicates that the proposed strategy has higher reliability and can achieve a higher speedup ratio.

Key words: remote sensing;atmospheric correction;aerosol optical depth;data division;balanced loads

白连红1,2，徐澍1,2，司一丹1,李莘莘1. 高性能大气校正算法中遥感数据切分策略研究[J]. J4, 2016, 38(5): 857-862.

BAI Lianhong1,2,XU Shu1,2,SI Yidan1,LI Shenshen1. A remote sensing data division strategy in
a high-performance atmospheric correction algorithm [J]. J4, 2016, 38(5): 857-862.

[1]	林毅1, 2, 3, 宋慧慧1, 2, 3. 用于全色锐化的金字塔特征解耦提取融合网络[J]. 计算机工程与科学, 2025, 47(7): 1262-1273.
[2]	于致远, 宋慧慧, . 用于遥感图像时空融合的多尺度全聚合网络[J]. 计算机工程与科学, 2025, 47(5): 864-874.
[3]	齐然然, 帕力旦·吐尔逊, 汤泊川, 钱育蓉, . 基于残差注意力编-解码网络的道路提取方法[J]. 计算机工程与科学, 2025, 47(1): 119-129.
[4]	薛梅婷, 俞万刚, 张纪林, 曾艳, 袁俊峰, 周丽. 一种基于动态空间划分和压缩布隆过滤器相结合的分布式元数据负载均衡算法#br#[J]. 计算机工程与科学, 2024, 46(8): 1381-1389.
[5]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(6): 1063-1071.
[6]	陈海永, 吕承杰, 杜春, 陈鹏. 孪生注意力门控融合的遥感图像变化检测编解码网络[J]. 计算机工程与科学, 2023, 45(9): 1593-1601.
[7]	马征, 褚钧正, 武鹏飞. 一种基于对抗学习的仿真遥感图像生成方法[J]. 计算机工程与科学, 2023, 45(3): 489-494.
[8]	厍向阳, 马亦骏. 改进的遥感图像语义分割算法[J]. 计算机工程与科学, 2023, 45(3): 504-511.
[9]	李文佳, 史岚, 季航旭, 罗意彭. 面向Flink的负载均衡任务调度算法的研究与实现[J]. 计算机工程与科学, 2022, 44(7): 1141-1151.
[10]	徐浩桐, 黄山, 孙国璋, 贺菲莉, 段晓东, . 面向云环境的Flink负载均衡策略[J]. 计算机工程与科学, 2022, 44(5): 779-787.
[11]	罗晓霞, 王佳, 罗香玉, 李嘉楠 . 一种基于GN算法的动态图划分方法[J]. 计算机工程与科学, 2022, 44(2): 306-311.
[12]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[13]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[14]	李力, 汪硕, 黄韬, 刘韵洁, . 数据中心网络四层负载均衡技术综述[J]. 计算机工程与科学, 2022, 44(1): 48-59.
[15]	黄山, 房六一, 徐浩桐, 段晓东, . 面向容器环境的Flink的任务调度优化研究[J]. 计算机工程与科学, 2021, 43(7): 1173-1184.