[发明专利]一种基于Hadoop的StaMPS算法并行化处理方法

权利要求书

1.一种基于Hadoop的StaMPS算法并行化处理方法，所述Hadoop包括HDFS和MapReduce，其特征在于，包括：

精配准，运行于Hadoop云平台上，实现影像的配准，把配准单机串行处理改造为多机并行；

PS分析，运行于Hadoop云平台上，实现PS点的选择、精简，把单机串行顺序处理改造为多机并行。

2. 根据权利要求1所述的基于Hadoop的StaMPS算法并行化处理方法，其特征在于，所述精配准包括：

辅影像到主影像的精配准，用于将所有与主影像的基线小于n米的辅影像直接配准到主影像空间，n的数值根据情况设定；

辅影像到辅影像的精配准，用于将与主影像的基线大于n米的影像配准到与之最近的m个辅影像的空间，n、m的数值根据情况设定。

3. 根据权利要求2所述的基于Hadoop的StaMPS算法并行化处理方法，其特征在于：所述辅影像到主影像的精配准，改造for循环，即把之前的循环迭代目录处理改造为MapReduce并行，每个Map处理一个互不影响的目录数据。

4. 根据权利要求2所述的基于Hadoop的StaMPS算法并行化处理方法，其特征在于：所述辅影像到辅影像的精配准，改造双重for循环，即把之前的循环迭代目录处理改造为MapReduce并行，每个Map处理一个互不影响的目录数据。

5. 根据权利要求1所述的基于Hadoop的StaMPS算法并行化处理方法，其特征在于，所述PS分析由模块组成，所述模块包括：

数据加载模块，用于将数据转化为PS分析需要的格式，并将数据存储到matlab空间；

计算时间相干系数模块，用于迭代计算干涉图中每个候选点的时间相干系数；

PS点选择模块，根据设定的非PS点像元在总像元中所占比例的最大值自适应地求得时间相干系数阈值，从而选择PS点；

PS点精简模块，用于剔除由于受到邻域影响使得干涉相位噪声大于预设阈值的点；

空间非相干误差改正模块，用于对缠绕的相位进行空间非相干误差改正，包括空间非相干的视线角误差和与主影像有关的空间非相干误差。

6. 根据权利要求1～5中任一项所述的基于Hadoop的StaMPS算法并行化处理方法，其特征在于，包括如下步骤：

精配准：

步骤101.把辅影像目录进行分块，一个Map对应一个辅影像目录，进行辅影像到主影像的配准；

步骤102.在Reduce端生成需要配准的辅影像对记录，所述辅影像对由配准的辅影像和被配准的辅影像构成； 

步骤103.把Reduce生成的n个辅影像按照要求选取作为下一个MapReduce的输入，n的数值根据情况设定；

步骤104.每个Map处理一个辅影像到辅影像的配准；

PS分析：

步骤201.进行数据分块，提取PS候选点，每个Map处理一块数据；

步骤202.数据加载,将数据转化为PS分析需要的格式，并将数据存储到matlab空间； 

步骤203.计算时间相干系数，迭代计算干涉图中每个候选点的时间相干系数；

步骤204.PS点选择，根据设定的非PS点像元在总像元中所占比例的最大值自适应地求得时间相干系数阈值，从而选择PS点；

步骤205.PS点精简, 剔除由于受到邻域影响使得干涉相位噪声大于预设阈值的点； 

步骤206.空间非相干误差改正，对缠绕的相位进行空间非相干误差改正，包括空间非相干的视线角误差和与主影像有关的空间非相干误差；

步骤207.调用matlab进行合并；

步骤208.进行相位解缠、空间相干误差改正、去噪声相位操作。