[发明专利]基于遥感影像的特征函数空间滤值回归模型并行化方法

权利要求书

1.一种基于遥感影像的特征函数空间滤值回归模型并行化方法，其特征在于，包括以下步骤：

步骤1：遥感影像分块，确定最小分割单元N×N并计算空间邻接矩阵W；

步骤2：空间邻接矩阵W中心化得到矩阵C，计算矩阵C的特征值和特征向量Eigenvectors；

步骤3：创建并行任务，将分块的影像和特征向量Eigenvectors加入任务队列，并分发至各个计算节点；

步骤4：各计算节点中，将分块的遥感影像进行中心化处理得到中心化后的自变量X_cent和因变量Y_cent，计算自变量模型中每加入Eigenvectors中的一个特征向量后残差e的莫仑指数Moran’s I，得到莫仑指数数组I_m，利用前向选择法选取其中最小值所对应的特征向量E_i；

步骤5：各计算节点中，对步骤4得到的I_m中最小的Moran’s I进行显著性检验；

若结果显著，则将最小I值所对应的特征向量E_i从Eigenvectors中提取出来，加入到自变量X_cent中，再利用后向消除法将最小I值所对应的特征向量E_i从Eigenvectors中剔除；并回转执行上述步骤4；

结果不显著，则执行下述步骤6；

步骤6：则汇总各分块提取出的所有特征向量；

步骤7：返回各分块影像特征向量提取结果到主节点，构建基于遥感影像数据的特征函数空间滤值回归模型。

2.根据权利要求1所述的基于遥感影像的特征函数空间滤值回归模型并行化方法，其特征在于：步骤1中，根据实验需要确定合适的最小分割单元N×N，采用影像分块方法将遥感影像切分成相同大小的分块；由分割单元大小N×N创建空间邻接矩阵W，空间相邻关系以“象”相邻方式定义，即像元相邻的上下左右和对角线方向的八个像元之间的关系为邻接，其余为不邻接。

3.根据权利要求1所述的基于遥感影像的特征函数空间滤值回归模型并行化方法，其特征在于：步骤2中，利用QR分解法计算矩阵C的特征值和特征向量Eigenvectors。

4.根据权利要求1所述的基于遥感影像的特征函数空间滤值回归模型并行化方法，其特征在于：步骤7中，根据具体应用环境选择回归模型，将步骤6提取出的特征向量加入到回归模型的自变量模型中；最后将各分块影像通过并行计算提取得到的特征向量返回到主节点，以分段函数的形式的汇总得到基于遥感影像的特征函数空间滤值回归模型。