机器学习猪

--------一只帅气潇洒略带才气的猪

  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

一、前言

  学习的第一个设计模式!不知道理解的对不对,期望大家一起多交流~

  Strategy模式:策略模式,定义了算法族,分别封装起来,此模式可以让算法的变化独立于使用算法的客户。Strategy模式将逻辑算法封装到一个类中,通过组合的方式将具体的算法实现在组合对象中,再通过委托的方式将抽象的接口的实现委托给组合对象实现。其模型结构图如下:

 二、Strategy策略实例

  最近在写遥感影像融合相关算法,PCA、Brovey和SFIM算法,正好可以用于这次学习Strategy策略。

  关于这三个融合算法都属于替换类算法,大概思路就是用一个替换另外一个。然后获得高分辨的高频信息和地分辨的光谱信息。

  依据Strategy策略的思想,我们首先定义一个CContextFusion类,里面有一个DoFusionAction()方法,主要用于实现算法逻辑抽象接口,其头文件如下:

#pragma once
#include "StrategyFusion.h"

class CStrategyFusion;

class CContextFusion
{
public:
	CContextFusion(CStrategyFusion *stg);
	~CContextFusion(void);

	bool DoFusionAction();

private:
	CStrategyFusion *m_stg;
};

  cpp文件如下:

#include "ContextFusion.h"

CContextFusion::CContextFusion( CStrategyFusion *stg )
{
	m_stg = stg;
}
CContextFusion::~CContextFusion(void)
{
	if(!m_stg)
		delete m_stg;
}

bool CContextFusion::DoFusionAction()
{
	return m_stg->runFusion();
}

  

完成这个类后,我们首先定义一个融合算法超类CStrategyFusion,考虑到以上三种算法都要实现影像的重采样和增益系数的计算。为此,我们把这两个方法的实现放在超类中,对于其他与融合算法相关的方法,放到具体的算法类中。其类结构关系如下所示:

头文件分别如下:

#pragma once
#include <iostream>
#include <string>
#include <omp.h>
#include <gdal_alg_priv.h>


class CStrategyFusion
{
public:
	CStrategyFusion(void);
	virtual ~CStrategyFusion(void);
	virtual bool runFusion() = 0;

protected:
	int ReSampleMSSToPAN();
	void getGAIN();

	std::string m_panFileName;
	std::string m_mssFileName;
	std::string m_resampleFileName;
	std::string m_FusionFileName;
	GDALDataType m_dt;
	int m_resampleModel;

	int m_gainX;  // X方向增益像元个数
	int m_gainY;  // Y方向增益像元个数
	int m_FusionWidth;  // 融合后影像宽
	int m_FusionHeight; // 融合后影像高
	double m_FusionGeoTransform[6];

//private:

};

  

#pragma once
#include "strategyfusion.h"

class CStrategyFusionByPCA :
	public CStrategyFusion
{
public:
	CStrategyFusionByPCA(void);
	~CStrategyFusionByPCA(void);

	bool runFusion();

private:
	double *calMSSMean();
	double *calCovMaxtrix(double *bandMean);
	bool eejcb(double a[],int n,double v[],double eps,int jt);
	void sortEigenVector( int iBandCount,double * eigenVector,double * covAfterEejcb);
	void PCATransform(double *eigenVector);
	double* cdf(int *h,int length);
	void matchHistogram();
	void inverseMatrix( double *matrix, int n );
	void invertPCA(double * eigenVector);

	std::string m_PCAFileName;
	std::string m_PanNewFileName;
};

  

#pragma once
#include "strategyfusion.h"

class CStrategyFusionByBrovey :
	public CStrategyFusion
{
public:
	CStrategyFusionByBrovey(void);
	~CStrategyFusionByBrovey(void);

	bool runFusion();

private:
	bool CNByBrovery();
};

  

#pragma once
#include "strategyfusion.h"

class CStrategyFusionBySFIM :
	public CStrategyFusion
{
public:
	CStrategyFusionBySFIM(void);
	~CStrategyFusionBySFIM(void);

	bool runFusion();

private:
	bool FilterMeanByPan();
	bool SFIM();
};

  

总结:通过Strategy策略,我们可以自由、方便的补充新的基于替换类的融合算法,甚至其他所有的融合算法,换句话说就是可以自由定制自己的融合算法类,这种基于接口的实现不会因为继承而导致不可预计的危险。

posted on 2016-08-29 21:13  机器学习猪  阅读(925)  评论(1编辑  收藏  举报