遥感影像数据管理方案探索与实现

遥感影像数据在军用和民用领域都有着重要的应用,如何有效地管理日益庞大的遥感影像数据既有理论价值,又有实际意义。以传统关系型数据库为基础,从关系型数据库管理系统空间扩展和空间数据引擎中间件两条技术路线出发,分别探索并设计实现了遥感影像数据管理原型系统。     

基于瓦片技术的遥感影像库设计与实现

由于对海量遥感影像数据存储管理的迫切需求,研究了基础影像库组建过程、应用和关键技术。对遥感影像库管理应用系统的开发进行了论述,重点介绍了影像库的创建过程,包括数据库设计、类操作设计和软件模块设计;研究了影像数据批量导入图幅算法、影像数据更新策略、按范围导出策略和浏览策略;实现了标准的影像数据按库、层和图幅方式导出。对采用瓦片技术与采用不分块的遥感影像库中影像入库时间和读取时间进行了试验和比较。     

影像数据库管理系统功能设计

随着现代遥感技术和航空摄影技术的不断完善和发展,影像的获取和处理能力不断增强。如何对现有的海量遥感和航天影像数据进行有效的自动化管理和快速的服务应用,已成为一个亟需解决的问题。本文以数据库技术为核心,对如何实现多遥感平台和多传感器影像数据的一体化管理和应用进行了设计。     

栅格数据结构及数据获取方法

遥感影像数据地理信息系统的重要数据来源，本文介绍了遥感影像数据在ＧＩＳ中的应用，描述了栅格数据的获取和数据精度分析，并在遥感影像数据的数据存储及信息提取方面做了深入细致的分析与说明。     

栅格数据结构及数据获取方法

遥感影像数据作为地理信息系统的重要数据来源，本文介绍了遥感影像数据在GIS中的应用，描述了栅格数据的获取和数据精度分析，并在遥感影像数据的数据存储及信息提取方面做了深入细致的分析与说明。     

遥感影像快速浏览技术的实现

随着遥感技术的发展,高分辨率遥感影像数据急剧增加,如何能够从海量的遥感影像数据中获取到用户感兴趣的信息成为了当前的主要研究目标。对于大数据量遥感影像数据的快速浏览问题,本文提出基于IDL实现分块读取数据,构建影像金字塔结构,存储到Geo Tiff格式影像文件中。利用IDL函数获取当前窗体范围的影像分块信息,实现快速加载显示影像数据。     

地理信息系统支持下Spot/vegetation NDVI影像的大尺度神经网络分类

以内蒙古地区Spot/vegetation归一化植被指数（NDVI）影像为基本信息源,综合应用地理信息系统（GIS）技术进行了大尺度神经网络分类实验研究.建立多年份高分辨影像数据库,通过GIS软件集成与遥感影像目视解译方法,在全区范围选取了“纯净”样本数据,并辅助应用DTM数据和影像化多年气像观测数据,完成土地覆盖类型的BP人工神经网络分类.结果表明,GIS技术支持下,大面积区域尺度上spot/vegetation NDVI影像的BP神经网络分类可达到较高的分类精度.     

基于小波变换的机载雷达测绘遥感影像信息数据融合方法

在融合机载雷达测绘遥感影像信息数据的过程中,由于原始机载雷达测绘遥感影像反馈信号在频域分布上具有多元化的属性,导致融合后影像的质量相对较低。为此,文章提出基于小波变换的机载雷达测绘遥感影像信息数据融合方法。该方法通过在小波变换设置了以频率为基准的窗口函数,并结合遥感影像反馈信号所处频域与频率函数状态之间的关系,建立了待分析遥感影像信号与频率窗内的高频频域分布参数之间的乘积关系,从而得到所需的信号频谱特性,在进行机载雷达测绘遥感影像信息数据融合阶段,结合遥感影像反馈信号与有限区域范围之间的关系,对其进行适应性融合。测试结果表明,融合后影像在完整度、清晰度以及综合质量方面均处于较高水平。     

云计算与区块链平台的遥感影像安全检索方案

遥感影像外包到半可信的云平台进行存储和检索时,可能导致影像数据的泄露和返回不完整的检索结果。加密可以保护影像数据的安全,但无法保证云平台提供真实、完整的存储和检索服务。区块链技术能有效保证存储和检索服务的真实性和完整性,但区块链的计算和存储能力有限,如何实现遥感影像的安全存储和检索仍是一个具有挑战性的问题。该文提出一种结合云平台和区块链的遥感影像安全检索方法,将影像哈希等轻量级数据存储于区块链,云平台存储海量加密影像数据,确保云存储影像的真实性;区块链执行基于遥感影像属性的检索,在此基础上由云平台执行复杂度较高的基于内容的安全检索,保证了检索结果的完整性;利用区块链技术设计遥感影像检索交易机制。实验表明方案可以实现安全、真实、完整和高效的遥感影像检索,并构建一个双方信任的公平交易环境。     

遥感影像区域覆盖最优数据集的筛选模型

随着遥感影像数据越来越多,面向指定区域的遥感数据查询,往往出现查询结果数据量大、数据重叠且数据质量良莠不齐的问题。针对传统查询方法的问题,提出一种遥感影像区域覆盖最优数据集的筛选模型。该模型基于成像时间、云量和分辨率等参数建立归一化数学计算模型,完成指定时空范围内覆盖最优的遥感影像数据集筛选。试验结果表明,使用区域覆盖最优数据集筛选模型,能够有效剔除遥感数据中较早时相、重复覆盖和多云量的数据,有效地缩减用户数据筛选时间。     

CFFT最优信噪比的星载高光谱影像噪声抑制方法

高光谱遥感影像独特的"图谱"特征为定量遥感等遥感监测提供了重要的技术支撑,但由于大气、地形材料等因素影响和限制,易受到各种噪声污染。基于光谱学领域的光谱统处理理论,结合信息时域分析领域的快速傅里叶变换,实现频域内噪声与光谱有效信息的分离,同时在最优信噪比约束条件下选择最优滤波阈值,设计噪声滤波器,实现了卫星高光谱遥感影像的噪声滤除。以中国北京城区和中国新疆谢米斯台上戈壁区的两景Hyperion高光谱遥感影像为例,进行了该滤波算法的定性和定量评价。结果表明:文中提出的高光谱遥感影像噪声滤波算法,有效地滤除了高光谱影像数据光谱维高斯白噪声和空间维的条带噪声、波段差噪声,提高了影像的清晰度,影像的信噪比提高5 dB以上,为后续定量分析等遥感监测研究提供了较高质量的数据保障。     

遥感影像暗原色统计先验分析

遥感影像的成像过程容易受到雾霾的影响,同时雾霾天气日益增多,使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用,而该方法对于遥感影像的适用性还有待评估。以“高分一号”卫星遥感影像为例,讨论了遥感影像的暗原色值特性。结果表明,基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。     

融合MODIS与Landsat数据生成高时间分辨率Landsat数据

遥感数据时空融合技术是一种低空间分辨率影像与中空间分辨率影像在时间域和空间域的融合技术,利用遥感数据时空融合技术获得的融合影像既具备低空间分辨率影像的高时间分辨率特征,又具备中空间分辨率影像的高空间分辨率特征.提出了一种新的遥感数据时空融合方法(STDFA).该方法从时序MODIS数据中提取地物的时间变化信息,结合早期Landsat-TM影像的纹理信息,融合出具有MODIS时间分辨率和TM空间分辨率的影像.以江苏省南京市江宁区为研究区,以Landsat红波段和近红外波段为融合波段,对该方法进行了测试.结果显示,该方法能够产生高精度的中空间分辨率影像,融合影像与真实影像间的相关系数达到0.939.融合影像计算的NDVI与真实中空间分辨率影像计算的NDVI间的相关性达到0.938.     

基于核的多尺度纹理特征遥感影像SVM分类

遥感影像的分类精度受到多方面的影响,如遥感影像的质量,所选的分类方法和有效的辅助数据等。为了得到更好的分类结果,很多科研人员提出了各种各样的方法。文中针对遥感影像分类问题,提出一种结合核主成分分析和多尺度纹理的高分辨率遥感影像支持向量机分类方法。实验结果表明,该方法能有效地提取地物类型,提高分类精度。     

基于云计算的多源遥感数据服务系统研究

在分析了遥感影像数据及数据使用现状的基础上,综合考虑了云计算技术在遥感应用领域使用的必要性和可行性,设计了基于云计算的多源遥感数据服务系统。阐述了基于云计算的多源遥感数据服务系统体系结构及关键业务流程,包括遥感数据云存储、遥感数据云处理、遥感数据应用服务及遥感业务注册组装等。最后,通过原型系统的实现验证了系统设计既能保护原始数据的安全,又能降低数据使用的成本,同时还能够提高数据的共享率和用户使用率。     

基于有理函数模型多源遥感数据网络服务设计

针对不同遥感数据校正方法不一致以及不同时相、载荷数据源间易失配等问题,提出了基于小波变换的快速匹配结果,解算卫星影像有理函数模型以自动建立一致成像几何模型的策略。进一步使用Oracle空间数据库进行数据层设计。根据遥感数据源数据量大、细节恢复度要求高的特点,且为兼顾传输效率,基于可缩放矢量图形格式进行栅格数据的压缩、传输及展示。经验证基于文中策略、多源遥感数据均能获得优于两个像素的高精度定位信息,可作为通用网络服务数据来源;Web服务客户端实现了实时对多源遥感数据的无缝浏览缩放、更新及缓存,保证了服务的实用性。     

基于集群和GPU的高光谱遥感影像并行处理

以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标,分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法,以及基于GPU设计并实现了SCM并行算法,并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明,高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果,是高光谱遥感工程化应用快速处理重要的技术手段。     

基于投影网络的遥感影像超分辨率重建方法

针对遥感影像数据量大、地形起伏大、覆盖范围 广的特点,本文提出了一种基于卷积神经网络的遥感影像超分辨重建 方法,该方法联合密集网络和深度反投影网络,组成了密集投影单元,形成深度密集投影网 络,解决了传统算法在遥感影像超分 辨率重建中存在的纹理表征不够,细节提取不足、训练困难等问题。实验结果表明,在多个 遥感影像数据集上,本文与其他对比 方法相比,PSNR和SSIM有明显提升,重建出的遥感影像纹理标征和细节特征更加丰富。     

遥感、遥测、遥控

TP7 2004011512气象卫星遥感探测海面大气温度垂直廓线/李万彪,吴龙涛,张呈祥,余嘉裕(或晾大学)”北京大学学报(自然科学版)一2 003,39(5).一656一665采用物理统计反演法,对1998年7月台湾、中国南海等热带海域进行了研究.通过大气温度垂直廓线反演试验的结果表明,该反演结果稳定,精度也比较高,可望投入业务使用.图6表5参13(午)TP75,TP392 2004011513遥感影像数据库研究/李军,李琦,毛东军,郭玲玲(北京大学)“计算机工程与应用一2003,39(27)一32一35该文首先对目前国内外遥感影像数据库方面的研究工作做了介绍,并对一些重要遥感影像数据库…     

基于深度学习的云参量反演方法研究

有效的云检测与云相态判识对于农业、气候及人类生活具有重要意义, 而这些数据的获取离不开卫星遥感。 卫星遥感数据在当今社会的生产和生活中都扮演着至关重要的角色, 众多领域的发展都离不开卫星遥感数据的支持。 随着高精度传感器的发展, 传统研究方法无法满足大规模、高维度数据的高效挖掘与处理, 因此深度学习技术在遥感 领域得到了快速的发展。基于深度学习技术提出了一种结合多波段遥感影像的云检测及云相态判识的方法。该方法 采用 MODIS 云产品影像作为样本, 将不同波段信息作为特征值, 分别建立针对云检测与云相态判识研究任务的多个 数据库, 并采用 DeepLab V3+ 模型进行训练并预测, 从而完成高精度的云检测及云相态判识任务。与传统方法相比, 该方法高效便捷、特征提取能力较强, 将多波段作为特征值输入模型进行预测时, 该方法展现了良好的结果。