遥感图像K-Means并行算法研究

K-Means算法是对遥感图像在没有先验知识情况下进行无监督分类的重要算法之一,在遥感影像的分析中得到了广泛的应用。针对K-Means算法复杂,处理过程中计算时间长的缺点,人们试图寻求快速的并行处理方式。在这种并行化的探索过程中,由于K-Means算法独特的流程结构,使其并行化处理方式难以顺利进行。本文在分析K-Means算法特点的基础上,对其并行化方式进行了深入的研究。针对K-Means算法并行化在处理速度和分类精度方面存在的问题,提出了一种基于分块逼近的算法并行模型,可兼顾并行效率和分类精度之间的综合要求,实现某种精度可控的并行处理。最后,根据实验结果讨论并提出了迭代算法并行化的有效途径。