دانلود مقاله ترجمه شده پردازش سریع تصاویر دریافت از راه دور بر اساس محاسبات ابری


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2007117 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
765,000 ریال
شناسه محصول :
2007117
سال انتشار:
2013
حجم فایل انگلیسی :
928 Kb
حجم فایل فارسی :
475 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

پردازش سریع تصاویر دریافت از راه دور بر اساس محاسبات ابری

عنوان انگليسي

Rapid processing of remote sensing images based on cloud computing

نویسنده/ناشر/نام مجله

Future Generation Computer Systems

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 6 صفحه انگلیسی به صورت پی دی اف و 14 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

پردازش سریع تصاویر دریافت از راه دور (RS) در بسیاری از نظارت های بلادرنگ مقیاس بزرگ ضروری است، مانند نظارت هواشناسی و هشدار فاجعه طبیعی. با این حال، هزینه محاسبه RS اغلب گران است، روش­های پردازش RS سنتی نمی توانند زمان مورد نیاز نظارت پویا را تامین کنند. خوشبختانه، محاسبات ابری نه تنها سرویس موثر برای مدیریت داده ها فراهم می­کند، بلکه یک راه مناسب برای اجرای محاسبات RS ارائه می دهد. لازم است تا سرویس پردازش RS سریع  را در یک معماری محاسبات ابری یکپارچه ادغام کنیم. معماری می تواند به کاربران سرویس پردازش تصویر RS سریع یکپارچه از طریق مدیریت موثر داده های بزرگ و پردازش موازی توزیع شده ارائه کند. این مقاله به بررسی روش های پردازش سریع و استراتژی برای تصاویر RS بر اساس محاسبات ابری می­پردازد. به منظور مقایسه با دیگر نمونه ­های محاسباتی، ما طبقه بندی حداکثر احتمال (MLC) را به عنوان الگوریتم آزمایش و خوشه فاصله ماهالانوبیس (MDC) را به عنوان الگوریتم تایید برای اجرای مقایسه انتخاب کرده ایم. در این آزمایشات، ما هزینه محاسبات پردازش RS را در سه پارادایم محاسبات (مستقل، MPI، و MapReduce) مقایسه کردیم. از نتایج آزمایشی فشرده، پی بردیم که پردازش RS بر اساس محاسبات ابری بهترین عملکرد را از جنبه های راحتی برنامه نویسی، مدیریت داده ها و بهره وری محاسباتی به طور همزمان، به ویژه هنگامی که مقدار زیادی از داده ها را پردازش می­کند، ایفا می­کند.

1- مقدمه

پردازش تصویر RS نقش مهمی در بسیاری از کاربردها ایفا می کند. یک موضوع عملی پردازش تصویر RS بهنگام بودن است. به عنوان مثال، اصلاح یک تصویر RS (30000*30000پیکسل) شامل تقریبأ ده ها میلیارد عملیات ممیز شناور است که تحت معماری محاسبات فعلی نیاز به چند ساعت حتی چند روز دارد که به پایان برسد. زمان پردازش نمی تواند الزامات این برنامه های خاص را تأمین کند [1]. محاسبات مستقل غیر ممکن است که قدرت چنین وظایف بهنگام را فراهم کند....

پردازش تصاویر دریافت از راه دور محاسبات ابری :کلمات کلیدی

چکیده انگلیسی


Abstract

The rapid processing of remote sensing (RS) images is essential in many large-scale real-time monitoring, such as meteorological monitoring and natural disaster warning. However, the computation cost of RS is often expensive, traditional RS processing methods cannot satisfy the time requirement of dynamic monitoring. Fortunately, cloud computing not only provides an effective service for data management, but also offers a convenient way to execute RS computing. It is necessary to integrate the rapid RS processing services in a unified cloud computing architecture. The architecture can provide users with integrated rapid RS image processing service through effective huge data management and distributed parallel processing. This paper explores rapid processing methods and strategies for RS images based on cloud computing. In order to compare with other computing paradigms, we choose the maximum likelihood classification (MLC) as our experimental algorithm and Mahalanobis distance clustering (MDC) as our verifying algorithm to execute comparing. In these experiments, we compare the computation cost of RS processing in three computing paradigms (stand-alone, MPI, and MapReduce). From the intensive experimental results, we find that the RS processing based on cloud computing performs best from the aspects of programming convenience, data management and computational efficiency simultaneously, especially when processing huge amount of data

Keywords: Remote sensing image processing Cloud computing Timeliness
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید