[發(fā)明專利]一種Hadoop下的剖分遙感影像并行處理方法

在審

• 申請?zhí)枺?/td>: 201710157165.3
• 申請日: 2017-03-16
• 公開（公告）號: CN107071858A
• 公開（公告）日: 2017-08-18
• 發(fā)明（設計）人: 杜根遠;姚丹丹;邱穎豫;盧涵宇;袁雅婧;胡濤
• 申請（專利權(quán)）人: 許昌學院
• 主分類號: H04W40/32
• 分類號: H04W40/32;H04L9/08;H04L9/30;G06K9/00;G06K9/32;G06K9/34;G06K9/46
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務所(普通合伙)11350
• 代理人: 湯東鳳

1.一種Hadoop下的剖分遙感影像并行處理方法，其特征在于，所述Hadoop下的剖分遙感影像并行處理方法包括以下步驟：

步驟一、部署無線傳感器：在面積為S＝W×L的檢測區(qū)域內(nèi)，將無線傳感器部署在檢測區(qū)域；

步驟二、選擇簇頭：將整個檢測區(qū)域按網(wǎng)格進行均勻劃分，使每個網(wǎng)格的大小形狀相同，在每個網(wǎng)格中選擇位置距離網(wǎng)格中心最近的傳感器節(jié)點作為簇頭；

步驟三、分簇：簇頭選擇完成后，簇頭廣播Cluster{ID，N，Hop}信息，其中，ID為節(jié)點的編號，N為Cluster信息轉(zhuǎn)發(fā)的跳數(shù)，且N的初值為0，Hop為系統(tǒng)設定的跳數(shù)；處于簇頭附近的鄰居節(jié)點收到Cluster信息后N增加1再轉(zhuǎn)發(fā)這一信息，直到N＝Hop就不再轉(zhuǎn)發(fā)Cluster信息；簇頭的鄰居節(jié)點轉(zhuǎn)發(fā)Cluster信息后再向?qū)luster信息轉(zhuǎn)發(fā)給自己的鄰居節(jié)點，然后發(fā)送一個反饋信息Join{ID，N，E_ir，d_ij，k_i}給將Cluster信息轉(zhuǎn)發(fā)給自己的節(jié)點，最終將Join信息轉(zhuǎn)發(fā)給簇頭表示自己加入該簇，其中，E_ir表示該節(jié)點此時的剩余能量，d_ij表示兩節(jié)點間的距離，k_i表示該節(jié)點能夠監(jiān)測得到的數(shù)據(jù)包的大小；如果一個節(jié)點收到了多個Cluster信息，節(jié)點就選擇N值小的加入該簇，若N相等節(jié)點就隨便選擇一個簇并加入到該簇；如果節(jié)點沒有收到Cluster信息，則節(jié)點發(fā)送Help信息，加入離自己最近的一個簇；

步驟四、簇內(nèi)節(jié)點構(gòu)成簡單圖模型：通過步驟三得到簇內(nèi)所有節(jié)點在簇內(nèi)所處的位置，將每個節(jié)點當做圖的一個頂點，每兩個相鄰節(jié)點間用邊相連接；

所述簡單圖模型為圖像的顯著性模型，建立圖像的顯著性模型中，利用預定過分割算法對所述圖像進行過分割，得到至少一個區(qū)域，同一個所述區(qū)域中各個像素點的顏色值相同；

確定每個所述區(qū)域的顏色值和質(zhì)心；

根據(jù)各個區(qū)域所對應的顏色值以及各個區(qū)域的質(zhì)心，建立所述顯著性模型；

所述顯著性模型為：

其中，S_i1為區(qū)域R_i中任一像素點的顯著性值，w(R_j)為區(qū)域R_j中的像素點的個數(shù)，D_S(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間空間位置差異的度量值，D_C(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間顏色差異的度量值，N為對所述圖像進行過分割后得到的區(qū)域的總個數(shù)，D_S(R_i,R_j)為：Center(R_i)為所述區(qū)域R_i的質(zhì)心，Center(R_j)為所述區(qū)域R_j的質(zhì)心，當所述圖像中各個像素點的坐標均歸一化到[0,1]時；

或按照各個像素點的顏色值，對所述圖像中各個像素點進行歸類，將相同顏色值的像素點歸類為同一種顏色類型；

根據(jù)每種顏色類型的顏色值，建立所述顯著性模型；

步驟五、簇內(nèi)權(quán)值的計算：通過所述步驟三，簇頭獲取簇內(nèi)成員節(jié)點的E_ir、d_ij和k_i，計算相鄰兩節(jié)點i，j之間的權(quán)值，權(quán)值的計算公式為：

W_ij＝a₁(E_ir+E_jr)+a₂d_ij+a₃(k_i+k_j)；

其中，E_jr、k_j分別表示節(jié)點j的剩余能量和節(jié)點j能夠監(jiān)測得的數(shù)據(jù)的大小，且a₁+a₂+a₃＝1，這樣系統(tǒng)就可以根據(jù)系統(tǒng)對E_ir、d_ij或k_i所要求的比重不同調(diào)整a_i的值而得到滿足不同需要的權(quán)值；

步驟六，簇內(nèi)權(quán)值的計算后進行網(wǎng)絡數(shù)據(jù)認證：所網(wǎng)絡數(shù)據(jù)認證方法包括：

生成隨機數(shù)rkey_id，利用橢圓曲線密碼算法計算相應的公鑰rPK_id，rPK_id＝rkey_id×G，G為橢圓曲線的基點，將rPK_id和用戶標識UID對外發(fā)送，網(wǎng)絡數(shù)據(jù)認證模塊的密鑰生成系統(tǒng)生成隨機數(shù)rkey_KMC，利用橢圓曲線密碼算法計算其相應的公鑰rPK_KMC，其中，rPK_KMC＝rkey_KMC×G，并記γ_id＝rPK_id+rPK_KMC；

利用用戶標識UID及人臉識別數(shù)據(jù)庫的數(shù)據(jù)計算標識私鑰key_id和標識公鑰R_id，具體為：

生成私鑰矩陣和公鑰矩陣，私鑰矩陣和公鑰矩陣的大小均為m×h，m和h均為正整數(shù)；

利用用戶標識UID及人臉識別數(shù)據(jù)庫的數(shù)據(jù)使用散列算法計算用戶標識UID的散列值，將所述散列值分為m段，作為私鑰矩陣和公鑰矩陣的列映射值map[i]，i＝0,1,2......m-1；

計算：

r_i,map[i]為私鑰矩陣中的一個元素；

X_i,map[i]為公鑰矩陣中的一個元素；

n為橢圓曲線的階；

步驟七，網(wǎng)絡數(shù)據(jù)認證后進行數(shù)據(jù)庫的緩存管理，數(shù)據(jù)庫的緩存管理方法包括：

預先為數(shù)據(jù)庫中的數(shù)據(jù)表建立記錄緩存，所述記錄緩存以數(shù)據(jù)行為單位進行數(shù)據(jù)讀寫；

當接收到客戶端的數(shù)據(jù)查詢請求時，在所述記錄緩存中查找所請求的數(shù)據(jù)；

若查找失敗，則在所述數(shù)據(jù)庫的頁緩存中查找所請求的數(shù)據(jù)，所述頁緩存以頁為基本單位進行數(shù)據(jù)讀寫；

將在所述記錄緩存或所述頁緩存中查找到的數(shù)據(jù)返回至客戶端；

向所述記錄緩存中添加數(shù)據(jù)，具體的，將在頁緩存中查找到的數(shù)據(jù)添加至記錄緩存中。