遥感云服务平台技术研究与实验

遥感云服务是基于云计算技术,整合各种遥感信息和技术资源,通过互联网以按需共享的方式提供的遥感应用服务.本文在分析遥感云服务的基本模式和技术特点的基础上,阐述了遥感云服务的技术体系及关键技术,包括遥感数据云存储、遥感数据云处理、遥感应用云服务以及遥感数据云安全技术等,设计了遥感云服务平台总体架构和功能模块,并介绍了作者团队基于云计算技术研发的遥感云服务平台原型系统.该系统支持用户根据业务选择遥感数据和应用软件,在云服务平台自动部署的虚拟机上进行在线使用.实验表明,遥感云服务平台可以汇聚来自不同服务商的遥感信息、应用软件和计算资源,为用户提供一体化的按需应用服务,对于遥感技术的普及应用和产业化发展具有重要意义.     

遥感影像并行服务系统设计与实现

实现海量遥感影像快速处理的重要基础是高速影像数据服务。基于影像瓦片模型、分布式并行存储体系结构,设计和实现遥感影像并行服务系统——瓦片服务系统,用于快速存储和访问以瓦片方式组织的遥感影像,为高速影像处理、实景城市等提供高吞吐数据服务。实验结果表明:瓦片服务系统具有快速存储和访问海量遥感影像的能力,在高速影像处理与影像服务等领域具有广阔应用前景。     

遥感大数据智能监测平台研究及应用

如何融合云计算、大数据、人工智能等先进技术手段,开展对遥感大数据的研究,进行遥感影像智能化处理,为空间智能应用提供更加精准、高效的数据支撑已成为必然,并具有广泛的应用前景。本文介绍了遥感大数据基本特征及研究现状,并运用深度神经网络等算法进行特征提取和目标识别,提出一种基于遥感大数据的智能监测方法,该方法结合了遥感技术和人工智能算法,通过对地表和大气信息的获取、分类和分析,实现了对城市环境、自然资源和生态系统的全面监测和管理。此外,开发了一套基于云计算和分布式处理的智能监测平台,该平台支持灵活的数据集成、可视化展示和实时预警功能,并已成功应用于城市的监测和管理任务中。     

遥感云计算平台发展及地球科学应用

人类已有半个多世纪的全球历史遥感数据积累,这些不断涌现的海量遥感数据形成的遥感大数据为地球科学研究提供了丰富的数据支持;对遥感大数据快速处理、分析和挖掘是一个新的挑战。遥感云计算平台的出现为遥感大数据挖掘提供了前所未有的机遇,并彻底改变了传统遥感数据处理和分析的模式,使得全球尺度的长时间序列快速分析和应用成为可能。本文系统梳理了国内外遥感云计算平台发展现状,归纳了截止目前遥感云计算平台在地球科学领域应用的主要方向。在此基础上讨论了目前遥感云计算平台的局限性,并展望了未来需要解决的关键技术和核心问题,提出了中国遥感云计算平台发展的建议。随着人类对地球的认识需求提升,遥感云计算平台将会在地学研究中发挥更大的作用,服务于地学知识的深入及人类社会可持续发展。     

基于主题模型的高分影像人工地物在线检索

传统遥感影像检索系统主要是基于遥感影像的元数据、底层视觉特征或语义标注来实现检索功能,面对海量的高分辨率遥感影像时,会因为计算量大或人力标注工作量大而无法兼顾时效性和准确性。提出了基于高性能云计算的海量高分辨率遥感影像的存储组织、底层视觉特征提取和基于主题模型的遥感影像及人工地物检索总体框架,并进一步实现了原型系统,为高分辨率遥感影像中人工地物在线检索研究进行了有益尝试。     

福建省多源遥感影像云服务平台设计与实现

基于云计算、大数据、对象存储、免切片等技术,依托数字福建云计算中心政务云环境搭建多源遥感影像云服务平台。在分析用户需求和云平台研究现状的基础上,结合福建省陆海卫星遥感影像统筹业务需求,设计了平台总体架构、数据架构和功能模块,探讨了平台关键技术。平台构建了多源遥感影像自动识别、实时处理、动态发布、主动推送等一体化在线服务链路,实现了遥感影像数据“即收、即处、即发布”的一站式服务,对福建省卫星影像数据和遥感技术的应用和推广具有重要意义。     

时空遥感云计算平台PIE-Engine Studio的研究与应用

随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE（Pixel Information Expert）-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI（Normalized Difference Vegetation Index）的计算为例,对比了本平台与GEE（Google Earth Engine）的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在（0.48,0.77）,且二者差值的95.33%集中在（-0.13,0.13）,结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。     

贝叶斯原理在遥感影像恢复中的应用

总结了遥感影像数据获取、传输和存储过程中引起影像退化的原因。根据信号处理中的概率统计理论,推导出了一种可以不依赖目标成像模型的遥感影像去模糊算法。实验结果表明,该算法具有较强的影像恢复能力和抗噪能力,对于缺乏点扩散函数先验知识的模糊遥感影像更加适用。     

贝叶斯原理在遥感影像恢复中的应用

总结了遥感影像数据获取、传输和存储过程中引起影像退化的原因.根据信号处理中的概率统计理论,推导出了一种可以不依赖目标成像模型的遥感影像去模糊算法.实验结果表明,该算法具有较强的影像恢复能力和抗噪能力,对于缺乏点扩散函数先验知识的模糊遥感影像更加适用.     

基于MongoDB云计算下GML分布式集群环境搭建研究

虽然大容量服务器可以解决普通的GIS数据存储问题,但随着数据量的增大,管理存储操作越来越难。在开源MongoDB分布式文件数据库支撑下,根据MongoDB对GML海量数据的存储理论,搭建海量GML数据集群环境,构成GML分布式云计算平台,为GML在服务器集群中实现存储查询索引管理提供性能支持。     

面向海量数据的快速处理模型设计研究

基于多年从事遥感数据处理的相关工作经验,以面向海量数据的快速处理模型设计为研究对象,首先分析了云计算模型构建的需求,其次进行了云计算模型的架构,在此基础上,探讨了云计算处理模型的运行机制和具体的模型实现。     

海量遥感影像数据存储管理技术研究与实现

针对遥感卫星影像数据存储管理的迫切需求,研究了海量影像数据组织管理中存在的主要技术问题,提出了一种基于线性四叉树技术的影像金字塔模型快速索引机制,并运用关系型数据库技术实现了遥感影像数据与元数据的一体化管理。最后讨论了海量影像数据管理系统实现技术,并通过试验数据验证了技术方法的实用性。     

基于机群的并行匹配算法

随着卫星遥感技术的发展,需要快速地将卫星遥感图像数据转化为用户需要的信息,并行图像处理技术是解决“快速”的重要途径。并行程序的性能与计算机体系结构密切相关,不但取决于CPU,还与系统架构、指令结构、存储部件的存取速度等因素有关。一般意义上,提高并行程序的性能采用粗粒度并行,指令级优化(ILP)和存储优化等技术。作为尝试,本文讨论了在工业标准化机群上采用软件式共享存储系统做的并行影像匹配方法,以影像匹配算法为例子,讨论了如何在粗粒度并行、指令级优化(ILP)和存储优化三个方面提高图像处理的计算速度。     

基于云计算的智慧唐山时空信息平台数据库构建

随着云计算技术的不断发展,大数据与信息化时代的优势越来越突出,应用越来越广泛。时空信息平台作为智慧城市建设的重要内容,管理海量基础地理信息数据,是智慧城市建设的基础。因此,海量数据的管理成为时空信息平台设计的关键。以智慧唐山建设为例,结合云计算技术,探讨时空信息平台数据库的构建,针对云平台基础地理信息数据体系、云平台数据库体系架构以及云平台数据库管理系统等方面进行设计,明确基于云计算时空信息平台数据库建设内容,探讨适用于智慧城市建设的时空信息云平台解决方案。     

基于GPGPU的并行影像匹配算法

提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。     

基于云平台的遥感信息公共服务研究

云平台作为云计算服务的基础架构,在计算机网络的基础上提供各种计算资源的统一管理和动态分配。文章提出的基于云平台的遥感信息公共服务,就是借助云平台先进的基础架构和管理方式,构建快速有效的遥感信息公共服务,推进遥感信息的应用和遥感信息事业的进步。文章在引进云平台技术的基础上,分析遥感信息公共服务平台的架构和关键技术,并对服务平台的应用前景和进一步研究进行展望。     

基于多级信息网格的海量遥感数据存储管理研究

随着遥感探测技术的高速发展,空间信息呈爆炸式增长。针对目前现有遥感数据存储管理系统数据量大、数据来源丰富、查询检索慢等问题,本文提出了一种基于GeoSOT网格的遥感数据组织方案,并首次在关系型数据库中增加数组数据类型的剖分网格编码列,来存储遥感影像元数据中空间信息,对数据进行逻辑剖分索引,从而实现影像数据的统一存储与空间区域检索。试验选择Kingbase关系型数据库作为测试平台,通过模拟全球范围的影像数据,与Oracle平台进行对比试验。结果表明本文的检索效率具有明显优势,可有效提高遥感数据整合、检索效率,为现有遥感数据存储中心或管理系统提供了一种高效、可行的方案。     

Computationally Efficient Mean-Shift Parallel Segmentation Algorithm for High-Resolution Remote Sensing Images

In high-resolution remote sensing image processing, segmentation is a crucial step that extracts information within the object-based image analysis framework. Because of its robustness, mean-shift segmentation algorithms are widely used in the field of image segmentation. However, the traditional implementation of these methods cannot process large volumes of images rapidly under limited computing resources. Currently, parallel computing models are generally employed for segmentation tasks with massive remote sensing images. This paper presents a parallel implementation of the mean-shift segmentation algorithm based on an analysis of the principle and characteristics of this technique. To avoid the inconsistency on the boundaries of adjacent data chunks, we propose a novel buffer-zone-based data-partitioning strategy. Employing the proposed data-partitioning strategy, two intensively computation steps are performed in parallel on different data chunks. The experimental results show that the proposed algorithm effectively improves the computing efficiency of image segmentation in a parallel computing environment. Furthermore, they demonstrate the practicality of massive image segmentation when computer resources are limited.     

基于高性能计算平台的天宫一号遥感数据地面预处理系统

针对天宫一号传感器特点,设计并实现了基于高性能并行集群环境的遥感数据地面预处理系统,可完成对高并发、海量遥感数据处理任务的快速、高效处理.该系统可通过传感器的星上定标参数完成系统辐射校正、系统几何校正等处理过程,生产出高光谱热红外谱段和高光谱数据的1级、2级遥感产品.同时,在数据产品封装与输出分系统中,采用了较为通用的GeoTiff与HDF作为产品的主要输出格式,可满足领域内多种用户的需求.