随着无人机技术的不断发展,无人机遥感的应用越来越广泛逐渐地深入到了各行各业,随之产生的无人机遥感图像也越来越多。面对海量的无人机遥感图像,怎样快速有效地进行图像分割,提取有效的图像信息,已经成为无人机遥感应用各领域研究的关键性问题。针对当前图像分割方法对于无人机遥感图像分割速度慢、实效性差的问题,本文利用开源云计算平台Hadoop对无人机遥感图像分割方法进行研究,并设计了基于Hadoop云平台的无人机遥感图像分割的MeanShift算法。本文首先对Hadoop中的图像处理模型进行了设计,自定义设计MapReduce图像处理的编程模型,以及Hadoop平台读入图像的方式,以实现快速有效的图像读取,对图像的序列化方式、文件分割方式、文件输出类型进行设计,对Hadoop集群进行搭建,并测试集群运行的稳定性;然后对适用于Hadoop平台的MeanShift算法进行设计,运用Hadoop平台调用图像预处理算法对图像进行预处理,并在OpenCV中对基于Hadoop平台的MeanShift图像分割算法进行实现。实验结果表明,在保证分割参数以及处理条件一致性的前提下,基于Hadoop平台的无人机图像分割,图像处理效率有了极大的提升,与单机MATLAB图像分割处理相比,并发度、实效性、计算及存储能力都大大增强。