矢量瓦片支持下的在线交互可视化工具设计与实现

针对在线地图制图过程中不仅注重成图速度,而且兼顾可视化效果的特点,本文提出了一种面向用户的网络地图在线交互可视化方法。该方法基于矢量瓦片技术,通过WFS发布GeoJSON格式矢量数据,将数据以渐进传输的方式缓存在客户端,用户在浏览器端编辑地图符号,确定地图符号与图层参数,将矢量数据转换成地图表达。基于该方法设计的在线交互可视化工具,充分利用WebGIS系统中客户端的CPU和GPU计算资源,通过脚本语言解析用户设置的样式信息,采用WebGL技术将内存中的矢量数据渲染成图并进行动态展示,降低了数据渲染对服务器的依赖,丰富了地图表达方式。     

在线制图矢量数据组织模型

为了实现交互性强的实时按需在线制图,该文提出了一个基于矢量瓦片的矢量数据组织模型。依据矢量瓦片格式规范组织已有的矢量数据并生成配置文件,然后按照配置文件生成矢量瓦片并存储,为在线制图提供数据服务。实验表明,运用该模型可以实现实时按需在线制图,且渲染速度较快,渲染效果良好。     

利用ArcGIS Server和GeoGlobe软件实现天地图瓦片数据的切割

瓦片电子地图技术在目前的互联网地图服务应用中得到了比较普遍的应用,本文对瓦片电子地图技术的原理、"天地图"瓦片电子地图数据的组织结构等进行了详细的解释,结合国家"天地图"瓦片电子地图数据建设应用的实际情况,利用Arc GIS Server和Geo Globe软件实现了瓦片电子地图数据切图工作,取得了比较好的效果。     

一种基于四叉树的大规模影像数据库构建方法

为了能流畅地漫游大范围的影像数据,必须使用影像金字塔技术,将影像的切片数据存入数据库系统,建立全区域的多分辨率影像数据库。使用数据库索引机制结合四叉索引树模型,可以完美地实现影像切片数据的高效检索,进而实现全区域影像的流畅漫游。     

基于云存储的地理空间框架数据服务

针对部门和行业对地理空间框架服务的普遍需求,提出了一种基于云存储的地理空间框架数据服务解决方案。通过建立验证系统,验证了地理空间框架数据服务的可行性和有效性,对瓦片数据云存储提出了优化组织方法。遵循面向服务体系架构解决了地理空间框架数据发布分发和基于浏览器环境的数字地球构建难题。     

一种基于MPPQT的空间对象标识编码方法

空间对象标识是地理空间数据组织的关键,是空间数据存储和检索的基础。鉴于传统标识的局限性和Mercator投影金字塔四叉树MPPQT(Mercator Projection Pyramid QuadTree)层次剖分模型的全球连续性、多层次性以及剖分面片编码的全球唯一性,本文设计了一种基于MPPQT层次剖分标识的空间对象字符串编码方法。该编码由剖分面片编码、Hilbert的Base16编码和顺序码构成,编码长度最长36个字节,并具有一定的聚集特性。最后,以矢量数据组织为例进行了试验验证。结果表明,该模型能大大加快空间数据的查询与检索速度,为全球的空间对象分布式存储和并行处理提供支持。     

面向多尺度影像的瓦片金字塔技术研究与实现

面向多尺度影像研究了基于不规则切片的多尺度影像金字塔构建算法,利用多种分辨率的遥感影像统一构建影像金字塔,同时支持任意长宽比例的影像切片,使得影像金字塔的构建具有更强的自适应性,并在.NET4以及VS2008的开发环境中对多尺度影像金字塔的构建算法进行了程序实现,算法中的各项参数都可以根据实际情况自主选择。最后对算法进行了实验,对比分析了规则与不规则2种切片方式,并对算法在效果、效率等方面进行了实验和分析。     

遥感影像管理分发研究

近年来,遥感影像获取技术的不断革新,影像分辨率不断提高,其数据量呈现几何级数增长。面对海量的遥感影像数据,如何将其加以有效的管理分发,成为实际应用中迫切需要解决的问题。本文介绍了目前国内外遥感影像管理系统的研究现状,整理分析了各种研究成果,最后文章给出了作者自己的见解。     

“天地图”服务聚合技术研究

"天地图"建设形成了丰富的地图服务资源。本文从"天地图"服务应用出发,结合服务聚合的思想,提出一种镶嵌式服务聚合方法,研究、实现了不同服务之间的聚合相关关键技术,在"天地图"建设和应用中具有一定的应用前景。     

融合多尺度特征注意力的遥感影像变化检测方法EI北大核心CSCD

深度学习技术已经成为遥感影像变化检测研究的主流方法,现有的基于深度学习的变化检测方法主要是获取单一尺度的变化特征,而在现实场景中,变化区域的尺度具有多样性。为此,本文提出了融合多尺度特征注意力的遥感影像变化检测方法,通过关注多尺度融合策略来解决变化检测存在的多尺度问题。首先,利用特征金字塔网络自身的多尺度特性,使网络学习到不同尺度的变化特征,为了提升网络感受野和利用全局特征信息,在特征提取网络末端引入扩张卷积空间金字塔模块;然后,在不同变化特征融合时,使用变化特征融合模块来控制信息传播以减少特征融合时的差异性;最后,使用门控机制,将不同尺度预测的变化特征图进行加权求和,最终产生具有高精度的变化特征图。本文方法不仅能获取多尺度变化特征,还能利用全局信息和精确的空间细节来提升预测特征图的空间精度。对比试验表明,本文方法在变化检测基准数据集CDD和LEVIR-CD上取得了较好的结果,召回率分别提高了6.58%和5.26%。