技術特征：
1.一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，其特征在于，包括以下步驟：步驟1：遙感影像分塊，確定最小分割單元N×N并計算空間鄰接矩陣W；步驟2：空間鄰接矩陣W中心化得到矩陣C，計算矩陣C的特征值和特征向量Eigenvectors；步驟3：創(chuàng)建并行任務，將分塊的影像和特征向量Eigenvectors加入任務隊列，并分發(fā)至各個計算節(jié)點；步驟4：各計算節(jié)點中，將分塊的遙感影像進行中心化處理得到中心化后的自變量Xcent和因變量Ycent，計算自變量模型中每加入Eigenvectors中的一個特征向量后殘差e的莫侖指數(shù)Moran’sI，得到莫侖指數(shù)數(shù)組Im，利用前向選擇法選取其中最小值所對應的特征向量Ei；步驟5：各計算節(jié)點中，對步驟4得到的Im中最小的Moran’sI進行顯著性檢驗；若結果顯著，則將最小I值所對應的特征向量Ei從Eigenvectors中提取出來，加入到自變量Xcent中，再利用后向消除法將最小I值所對應的特征向量Ei從Eigenvectors中剔除；并回轉執(zhí)行上述步驟4；結果不顯著，則執(zhí)行下述步驟6；步驟6：則匯總各分塊提取出的所有特征向量；步驟7：返回各分塊影像特征向量提取結果到主節(jié)點，構建基于遙感影像數(shù)據(jù)的特征函數(shù)空間濾值回歸模型。2.根據(jù)權利要求1所述的基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，其特征在于：步驟1中，根據(jù)實驗需要確定合適的最小分割單元N×N，采用影像分塊方法將遙感影像切分成相同大小的分塊；由分割單元大小N×N創(chuàng)建空間鄰接矩陣W，空間相鄰關系以“象”相鄰方式定義，即像元相鄰的上下左右和對角線方向的八個像元之間的關系為鄰接，其余為不鄰接。3.根據(jù)權利要求1所述的基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，其特征在于：步驟2中，利用QR分解法計算矩陣C的特征值和特征向量Eigenvectors。4.根據(jù)權利要求1所述的基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，其特征在于：步驟7中，根據(jù)具體應用環(huán)境選擇回歸模型，將步驟6提取出的特征向量加入到回歸模型的自變量模型中；最后將各分塊影像通過并行計算提取得到的特征向量返回到主節(jié)點，以分段函數(shù)的形式的匯總得到基于遙感影像的特征函數(shù)空間濾值回歸模型。