基于自定义RDD的海量遥感图像并行镶嵌方法

图像镶嵌是遥感图像处理中的重要内容,在跨区域遥感图像分析中发挥重要作用。为了解决传统遥感图像并行算法中存在的计算节点利用率低、频繁数据I/O等问题,本文根据Spark分布式内存计算框架,充分利用Spark利于迭代数据处理的优势,提出了一种基于Spark自定义RDD（弹性分布式数据集）的并行镶嵌方法。该方法首先在集群的多个节点上通过相位相关法执行图像重叠区域估计操作,从而提高了图像重叠区域估计的多节点并行计算;然后,通过重写Spark中RDD的compute和getPartitions方法,自定义针对遥感图像处理的RDD,并将图像镶嵌中的重叠区域估计、图像配准和图像融合3个关键步骤作为自定义RDD的Transformation类型的操作算子;最后,通过隐式转换创建自定义RDD,并调用自定义RDD的操作算子实现图像镶嵌的并行处理。实验结果表明,与传统基于MPI的并行镶嵌算法相比,该方法在保证图像镶嵌效果的基础上,能够有效提高大数据量的图像镶嵌效率。     

基于RTP的矢量数据流式传输研究

针对WebGIS中大规模矢量数据的网络传输问题,提出采用流式传输方式分批次向客户端传输所需数据,从而达到矢量数据在线实时应用的目的。通过研究流式传输机制,建立了适应于矢量数据流式传输的服务框架;按照流式传输的要求,对矢量数据进行分块组织,保证每个批次的要素作为独立的单元传输并在客户端处理;在传输过程中,实时传输协议实现了矢量数据流式传输机制,并参照流媒体文件“边传边播”的模式,设计了矢量数据的封包和解包算法。该方法实现了矢量数据的发送和接收,达到了多次往复传输的目标,且能通过差错控制和压缩加密等手段提高数据传输效率、保证数据传输质量和安全。实验证明,矢量数据的流式传输能降低约一半的数据传输量,有效地提高了传输效率,降低了系统响应时间。     

利用卫星遥感影像对多尺度专题图形数据库更新

利用PCI遥感图像处理软件,对QUICKBIRD和SPOT5遥感影像进行纠正、数据融合、线性增强,在MapINFO软件支持下,进行遥感图像与矢量数据同名点的配准,矢栅叠加,输出更新变化部分,进行外业调绘,根据调绘信息进行数据更新。     

利用卫星遥感影像对多尺度专题图形数据库更新

利用PCI遥感图像处理软件,对QUICKBIRD和SPOT5遥感影像进行纠正、数据融合、线性增强,在MapINFO软件支持下,进行遥感图像与矢量数据同名点的配准,矢栅叠加,输出更新变化部分,进行外业调绘,根据调绘信息进行数据更新.     

基于提升型小波变换的矢量数据渐进式传输的研究

根据网络环境下矢量数据的存储及显示特点和人们由粗到细、由总体到局部的空间信息认知规律,利用小波分析的特性,对原数据采用小波变换的方法进行分层、分块处理,然后根据用户需求,按顺序进行分块传输、分块显示,提高用户的作业响应时间,同时使用户在不增加网络流量的前提下,得到多尺度的空间矢量数据。实现空间矢量数据的渐进式网络传输。     

利用卫星遥感影像对多尺度专题图形数据库更新

利用PCI遥感图像处理软件，对QUICKBIRD和SPOT5遥感影像进行纠正、数据融合、线性增强，在MapINFO软件支持下，进行遥感图像与矢量数据同名点的配准，矢栅叠加，输出更新变化部分，进行外业调绘，根据调绘信息进行数据更新。     

基于NoSQL的海量空间数据云存储与服务方法

近年来,实现海量空间数据高效地存储管理和在线服务,成为地学信息科学领域日益关注的热点问题。本文根据矢量和栅格空间数据的不同特点,提出并实现了矢量栅格数据一体化的海量空间数据分布式云存储管理与访问服务方案,在海量矢量数据存储和处理中创新性引入分布式图数据库Neo4J和并行图计算框架。在三层式空间数据云存储架构基础上,给出NoSQL数据库技术的栅格和矢量数据云存储的实现策略与方法,并开展了通用数据访问接口的设计。采用分布式文件系统HDFS存储栅格数据,并使用列族数据库HBase对其建立分布式空间索引,及采用满足ACID约束的分布式图数据库Neo4J来存储矢量数据,并使用R树建立空间索引。在自主研发的地理知识云平台GeoKSCloud框架下,初步实现了核心组件-空间数据聚合中心(GeoDAC)软件,可为各类用户提供空间数据分布式存储管理和访问服务。通过搭建试验床,开展GeoDAC与开源GIS软件PostGIS在矢量数据读写访问性能方面的对比测试。结果表明,虽然GeoDAC没有获得写入性能的加速作用,但其具有PostGIS无法比拟的强大读取性能。GeoDAC将海量数据经过空间分割后分布在集群上,能够并行处理查询请求,极大地提高空间查询速度,具有广阔的应用前景。     

海量遥感数据的高性能地学计算应用与发展分析

航空及航天遥感器的快速发展,使得多源、多时空分辨率的遥感数据成TB级增长,对海量遥感数据的高性能计算与处理提出了更高的要求。据此,当前的遥感应用已经吸收了新型硬件架构计算、集群计算和分布式计算等高性能计算领域的最新技术。本文针对高性能计算处理海量遥感数据的效率问题,分别从分布式并行遥感文件系统和高性能遥感地学计算模式两个方面来论述该问题的研究进展;在此基础上,列举了当前具有代表性的集群和分布式遥感计算平台/系统,并结合具体实验工作,详细阐述了遥感高性能计算平台gDos-IPM(Geospatial Data Operation System-Image Processing Machine)的设计思路;最后总结了高性能遥感地学计算的发展趋势。     

可扩展的分布式矢量空间数据库集群原型系统研究

空间数据获取手段呈现多样化,其数据集每天以PB级的速度在增长,如何高性能地存储、高效处理海量空间数据成为重点问题。基于空间数据库集群系统,提出了Geohash的矢量空间数据分片存储方法,通过该分片方法实现了空间数据的并行导入、分布式矢量空间数据查询。通过实验分析了分布式矢量空间数据库在真实数据集以及虚拟数据集下的读写性能。实验表明:考虑空间分布特征的分布式空间数据库集群在空间查询性能和并发访问性能方面具有更好的扩展性。     

基于MongoDB的矢量空间数据云存储与处理系统

近年来,海量空间数据存储与处理日益成为地理信息科学领域的研究热点。其中,矢量空间数据更因其较高的复杂性,成为该类研究的重点问题。本文基于文档数据库,探究了多用户数据存储、矢量空间数据存储、海量矢量空间数据并行处理等问题,给出了存储和处理矢量空间数据的方法。在三层式云存储架构基础上,设计并实现了矢量空间数据云存储与处理系统VectorDB,达到了海量矢量空间数据的高效存储与处理要求。系统采用文档数据库MongoDB存储矢量空间数据,使用OGR库实现不同格式矢量空间数据的转换与存储,并用Hadoop对数据库中的数据进行并行计算,以及用mongo-hadoop作为MongoDB与Hadoop之间的连接器。通过实验对比了VectorDB与PostGIS的矢量空间数据读写性能,并分析了VectorDB与MongoDB在海量数据并行处理性能方面的差异。结果表明:VectorDB具有更好的读取性能和海量数据处理性能,适合多用户不同格式、不同属性矢量空间数据存储,对海量矢量数据存储与处理问题具有参考价值。     

生态环境遥感分类数据矢量化方法与应用

遥感分类数据矢量化建库是生态环境遥感制图及其应用分析过程中主要的处理内容和基础工作。以福建省海岸带生态环境遥感分类数据为例 ,在分析遥感图像处理系统对遥感分类和专题信息提取后处理中矢量化能力不足和结果存在严重缺陷的基础上 ,综合应用遥感和地理信息基础软件平台 ,提供的系列数据管理、分析和数据转换功能模块 ,开展基于生态环境遥感影像分类数据的矢量化建库技术探讨 ,提出一个生态环境遥感分类数据矢量化建库的通用技术方法和流程 ,并对矢量化结果做了一个简要的评价和分析 ,以满足大面积生态环境遥感调查、分析和制图的实际需要。     

一种基于Harris角点检测的SVG转换可视化效果评价方法

SVG作为移动互联时代获得各种丰富图形信息的有效表达方法,已成为LBS中空间信息表达与描述的热点应用之一,但目前的研究大多没有考虑多源数据格式向SVG格式转换后的图像质量评价问题。针对多源空间数据向SVG格式转换方法和转换效果评价技术,本文设计了栅格数据和矢量数据向SVG格式转换的表达方法,分别利用直接载入栅格图像和编程实现矢量数据转换的方法实现了多源空间数据向SVG格式的有效转换;从定性与定量相结合的角度分析了转换前后的图像质量,设计了角点检测评价指标和流程,提出了基于Harris角点检测的SVG转换前后图形几何质量的评价方法。实验证明:SVG格式比较适用于位置服务中对空间数据尤其是矢量数据的表达,经过SVG转换后的图像,无论是栅格数据还是矢量数据都具有较高的图像质量,且栅格数据的转换效果相对略差于矢量数据;验证了一种基于SVG的移动位置空间服务信息表达和组织模式,对普及和强化SVG在位置服务系统中的应用具有一定的推动作用。     

遥感数据的高斯金字塔尺度上推方法研究

尺度转换是遥感信息科学领域的研究热点,其传统研究方法大多局限于统计模型,对数据的空间结构信息考虑较少,很难满足遥感数据的多尺度表达要求。基于此,针对遥感数据的尺度不一致问题,本文提出了一种利用高斯金字塔的图像模糊特性进行遥感数据尺度上推的方法,在对金字塔每一层的数据高斯模糊的基础上,通过多次连续的降采样,得到一系列不同尺度的数据,从而满足实际应用的空间分辨率要求。为了验证本文所提方法的有效性,本文选择Landsat7 ETM影像和ASTER GDEM为研究数据进行尺度上推,并与传统的最邻近、双线性以及立方卷积等方法进行了实验对比,采用均值、方差、均方根误差、平均绝对误差等评价指标,以及相同分辨率的ASTER GDEM和SRTM DEM的等高线套合结果来衡量高斯金字塔方法的性能。实验结果表明,本文使用的高斯金字塔尺度上推方法能够有效地实现连续遥感数据的尺度转换,在保持遥感数据局部细节特征的基础上,较好地保持了原始遥感数据的信息量以及空间结构特征。     

小波变换与FCM聚类的QuickBird影像特征空间识别分析

遥感影像分类是应用遥感影像进行地学分析等其他应用的重要准备工作,它的精度将直接影响到后续的分析工作。纹理特征对于提高高分辨率遥感影像的分类精度具有重要意义,小波变换的"时-频"分析方法在遥感影像纹理分析方面有着独特的优势。本文采用QuickBird影像,利用小波分解得到影像的纹理特征,结合光谱响应值组成特征空间,再利用模糊C均值聚类方法对影像进行分类。实验结果显示:加入了纹理特征的影像分类精度有所提高,同时,同一类地物的内部均一性有所改善。小波分析对于细微纹理特征的提取效果比粗纹理要好。     

遥感信息与知识交换共享元数据系统设计

随着遥感技术的飞速发展,遥感数据成为城市规划、地球科学研究、数字地球等重大科学研究和工程建设的重要数据源。但随着遥感数据量的不断增加和应用领域的扩大,如何科学有效地管理、存储、更新和重用已有的遥感数据资源,已成为当前空间信息元数据研究的热点。因此,有必要制订专门用于描述遥感数据及其相关资源的元数据系统,满足用户正确了解和使用遥感数据的需要,推动遥感数据共享。本文在研究和参考现有国家和国际地理信息元数据标准的基础上,设计了针对遥感信息与知识交换共享的元数据系统,该系统实现了遥感数据、相关辅助测量数据、应用方法模型以及传感器、平台等相关知识等信息的统一、规范表示,为遥感信息与知识交换共享搭建了元数据层次上的平台。     

遥感影像上线状目标自动提取研究现状与思考

自动识别遥感影像上的目标，快速、准确地获取所需信息是遥感数据处理的主要发展方向。从分析遥感影像上道路的基本特征出发，探讨了道路提取的基本思想，总结了国内外关于道路半自动提取的现状，综述了常用的提取算法，提出了对该问题的思考和进一步研究的设想。     

Review of Remotely Sensed Imagery Classification Patterns Based on Object-oriented Image Analysis

1 Introduction With the rapid development of remotely sensed (RS) information collection, transfer and storage in the last two decades, the limitation of RS application is becom- ing weaker because of availability of multiple RS data sources of increasingly finer spatial, temporal, spectral and radiant dimensions. In the high spatial-resolution RS imagery, characteristics of land-cover are fairly clear such as spatial shape, structure, texture, etc., so the mixture of different land covers …     

光谱、形状特征结合的多精度图像分割算法与应用

由于高分辨率遥感图像的数据量和计算复杂性骤增,影像噪声、光谱混淆现象更为突出,这对传统主要依据于像元光谱特征的图像处理与分析方法提出了极大挑战。为此,特征更为丰富、在噪声处理和知识融合上,更具优势的面向对象的图像分析方法,逐步成为高分辨率遥感图像应用的研究热点。面向对象图像分析的第一步,以及关键一步是图像分割。本文设计了多精度图像分割算法:(1)采用降水分水岭变换进行初步分割获取图像次一级斑块,即分割亚基元;(2)设计一种可重复合并的快速图斑合并方法,进行亚基元的层次归并获得最后分割斑块,完成图像分割。在合并过程中,斑块之间的差异指标是其光谱合并代价、形状合并代价的加权和,合并结束的标志是斑块间两两合并代价超过尺度参数的平方。设置不同的尺度参数,则可实现多精度图像分割过程。实验证明,方法分割效果较好,并在算法效率上满足实际应用需求,可以开展后续图像分类、专题信息提取等工作。     

基于MAEU-CNN的高分辨率遥感影像建筑物提取

从高空间分辨率图像（HSRI）中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN（Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint）。首先,在设计的网络编码部分加入多尺度特征融合（MFF）模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块（MFEF）,以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络中以优化提取的建筑物边界,最终获得精确边界的建筑物信息。MAEU-CNN在ISPRS Vaihingen语义标记数据集和WHU航空影像数据集2种不同尺度建筑物数据集上进行了试验分析,在ISPRS Vaihingen语义标记数据集上,MAEU-CNN在精度、F1分数和IoU指标中获得了最高精度,分别达到了93.4%、93.62%和88.01%;在WHU航空影像数据集上,召回率、F1分数和IoU指标中也获得了最高精度,分别达到了95.45%、95.58%和91.54%。结果表明,本文所提出的MAEU-CNN从遥感图像中提取建筑物信息精度较高,并且对于不同尺度具有较强的鲁棒性。     

基于Gabor滤波方法的居民地识别分析

图像纹理对于高分辨率遥感图像的信息提取与目标识别具有重要意义。针对"北京一号"小卫星全色遥感图像非城市区域居民地块往往呈现出比较明显的方向性纹理的特点,扩充改进Gabor滤波方法进行提取。方法主要利用Gabor滤波器的多尺度、多方向滤波的性质,提取多尺度纹理特征集,并进行特征;而后利用多特征聚类实现图像的初步分割。由于分割是对特征进行聚类完成的,其结果可能存在一个居民地块由若干个相互间存在间隔的子区域组成、存在无用小斑块、居民地内部存在大量小孔洞等缺陷。针对上述不足,利用形态学尺度空间融合方法,对居民地块通过结构元素不断增大的闭运算进行迭代融合,并选择一个具备"最长生存期限"的类别个数作为最佳类数,选择首次出现该类别数的分割结果作为最后的识别结果。对延庆地区的小卫星影像进行了居民地提取,并与共生矩阵纹理分析方法进行了实验对比。结果表明方法是有效的,并在提取精度上具有优势。