基于HBase的遥感数据分布式存储与查询方法研究

遥感影像的存储与查询是地理信息处理中重要的内容,在海量遥感影像的实时处理中发挥着重要作用。针对传统的遥感影像处理中存在单节点故障、扩展性低和处理效率低等问题,提出了一种基于HBase的遥感数据分布式存储与查询方案。该方法首先采用均匀网格对遥感影像进行划分,并根据划分结果设计了一种基于网格ID和Hilbert曲线相结合的索引方案。然后,通过利用HBase的过滤机制设计了过滤列族,达到了在查询时筛选数据的目的。另外,采用MapReduce的并行处理方法对影像数据进行并行写入和查询。实验结果表明,与MySQL和MapFile相比,该方法可以有效地提高数据的写入和查询速度,且具有较好的可扩展性。     

海量遥感影像数据存储技术研究

介绍现有海量遥感影像数据的存储管理方式及其存在的不足,研究基于分布式文件系统的海量遥感影像数据存储技术,通过研制的D—MaRISS系统,说明所采用的分布式文件系统的结构和影像数据的组织方式。实验表明,该技术能高效地实现对海量遥感影像数据的存储管理。     

一种格网补偿的遥感影像数据检索方法

随着遥感技术的快速发展,当前遥感影像数据的数据总量急剧增加。面对海量遥感影像数据的应用需求,如何快速、准确的获取全覆盖特定区域的无云遥感影像数据至关重要。因此,笔者提出了一种格网补偿的遥感数据全覆盖检索方法。首先,利用五层十五级格网切分模型对特定区域切分成较小的格网。其次,对海量遥感有云影像数据集进行预处理,采用基于快视图的云检测方法判断快视图局部是否无云,取出无云的部分对每个格网进行像素补偿。最后得出一张全覆盖特定区域的无云遥感图像,并筛选出所需的遥感影像数据。通过实验对比,该方法在海量遥感影像数据情况下,能快速、准确的获取全覆盖特定区域的无云遥感影像数据,具有很好的可行性和实用性。     

面向Spark的遥感影像金字塔模型的并行构建方法

随着遥感技术和摄影测绘的发展,遥感影像的分辨率不断提高,数据量日益增长,这对快速、高效地处理海量遥感影像数据提出了更高的要求,如何有效、智能地存储和处理海量遥感数据成为研究的热点。在分析现有金字塔模型的并行构建的基础上,设计一种面向Spark计算框架的影像金字塔模型。模型给出了影像金字塔构建算法及影像数据的分布式存储组织结构,实现了海量遥感影像数据在Spark中的并行处理,为Spark增加了计算处理空间数据格式的能力。实验结果表明,利用该方法能够在Spark云平台上实现快速、高效的解决海量遥感影像金字塔的并行构建,特别是在面对海量遥感影像数据时,无论从金字塔构建性能上还是遥感影像的计算效率上,Spark都更具优势。     

基于语义单元的遥感影像判读理论初探

为了从遥感数据中有效地获得所需要的信息和充分发挥目视判读与计算机自动处理的优势,以探索扩展遥感图象智能化判读与影像理解的理论与方法的新途径,在分析和总结目前遥感影像判读方法的基础上,尝试从城市遥感影像的语义单元的角度,分析不同级别的语义单元特征,给出了一些基本概念的定义,并初步探讨了基于语义单元的遥感影像判读理论的研究内容及其方法.     

基于NASA World Wind的遥感影像处理方案研究

该文主要研究海量遥感数据的可视化,针对NASA World Wind在遥感影像数据处理应用中面临的多景遥感影像之间存在拼接问题,设计基于NASA World Wind的遥感影像处理方案。本方案着眼于单景遥感影像处理,对NASA World Wind多分辨率图层技术进行改进,提出基于单景遥感影像的多分辨率图层技术,从而避免了多景遥感影像处理中的拼接问题。该处理方案有效的避免了多景遥感影像之间的拼接问题,实验证明处理后的遥感影像显示效果良好。     

土地复垦工程的遥感评价

现阶段,我国土地复垦及其评价工作越来越受到重视。结合课题研究工作介绍了土地开发整理遥感评价方法。通过实验区域的选取、实验区相关实地数据的收集、遥感影像选择、试验区遥感影像的处理和解译、影像信息分类等研究工作,提取了土地复垦开发整理项目的工程量指标,建立了土地复垦项目的工程量评价体系,分析提取的成果与实地数据一致,证明遥感评价方法有效可行。     

基于分布式的RS影像快速分发机理及应用

提出利用分布式技术来建立遥感数据个性化快速分发服务体系的整体策略,研究了Web服务构建影像处理平台的相关技术,开发了适应于遥感影像快速发布的遥感影像压缩及地理编码信息处理模块,实现了适应于当前网络环境下遥感影像个性化,实时分发方式。实验结果表明,遥感影像发布效率有很大提高,个性化需求得到满足。     

结合简化PCNN和Zernike矩的遥感影像边缘检测方法

遥感影像边缘信息可以提高信息提取精度。但随着空间分辨率的提高,地物内部细节丰富,地物光谱异质性增强,导致边缘检测效果难以满足实际需求。针对现有传统方法对高空间遥感影像进行边缘检测易产生伪轮廓边缘的复杂问题,本文提出了一种简化脉冲耦合神经网络(Simplified Pulse Coupled NeuralNetwork,SPCNN)结合Zernike矩的边缘检测方法。该方法首先采用L0方法对遥感影像进行平滑滤波处理;然后采用SPCNN对滤波后的数据进行阈值分割;最后采用Zernike矩对分割后的影像进行边缘检测并对结果进行精度评价。为验证提出方法,选取两景遥感影像作为实验数据。实验结果表明,提出的方法与传统Canny算子相比有效提高了遥感影像边缘检测精度。     

面向遥感影像的深度语义哈希检索

目的 哈希检索旨在将海量数据空间中的高维数据映射为紧凑的二进制哈希码,并通过位运算和异或运算快速计算任意两个二进制哈希码之间的汉明距离,从而能够在保持相似性的条件下,有效实现对大数据保持相似性的检索。但是,遥感影像数据除了具有影像特征之外,还具有丰富的语义信息,传统哈希提取影像特征并生成哈希码的方法不能有效利用遥感影像包含的语义信息,从而限制了遥感影像检索的精度。针对遥感影像中的语义信息,提出了一种基于深度语义哈希的遥感影像检索方法。方法 首先在具有多语义标签的遥感影像数据训练集的基础上,利用两个不同配置参数的深度卷积网络分别提取遥感影像的影像特征和语义特征,然后利用后向传播算法针对提取的两类特征学习出深度网络中的各项参数并生成遥感影像的二进制哈希码。生成的二进制哈希码之间能够有效保持原始高维遥感影像的相似性。结果 在高分二号与谷歌地球遥感影像数据集、CIFAR-10数据集及FLICKR-25K数据集上进行实验,并与多种方法进行比较和分析。当编码位数为64时,相对于DPSH（deep supervised Hashing with pairwise labels）方法,在高分二号与谷歌地球遥感影像数据集、CIFAR-10数据集、FLICKR-25K数据集上,mAP（mean average precision）指标分别提高了约2%、6%7%、0.6%。结论 本文提出的端对端的深度学习框架,对于带有一个或多个语义标签的遥感影像,能够利用语义特征有效提高对数据集的检索性能。     

基于改进的自组织映射网络的遥感影像融合研究

多源遥感影像融合是富集遥感海量数据的最有价值的技术手段。本文给出了一种新的基于改进的自组织映射网络的遥感影像融合模型。选择浙江绍兴为典型研究区，以Landsat TM(10m)与SPOT-4 Pan(10m)融合数据为例，进行了融合实验与分析。实验结果表明，应用基于改进的自组织映射网络模型进行融合，分类融合结果较好，较基于基本自组织映射网络的影像融合分类精度提高约8％。     

基于MNF和SVM的高光谱遥感影像分类研究

通过分析高光谱遥感影像分类的现状及遇到的困难,以OMIS1高光谱数据为实验数据,提出了基于最小噪声分离(Minimum Noise Fraction-MNF)变换和支持向量机(Support Vector Machine-SVM)的高光谱遥感影像分类方法。分类实验结果表明:与传统的最大似然分类法(Maxi mum Likelihood Classification-MLC)比较,该方法克服了Hughes现象,分类速度得以提高,总体分类精度达到94.85%,从而表明了该方法用于高光谱遥感影像分类的实用性和优越性。     

遥感影像元数据多维可视化方法的设计与实现

遥感影像元数据的可视化表达对遥感影像的管理和有效利用有非常重要的意义。针对以往遥感影像元数据多维可视化方法存在当数据量较大时无法对信息进行有效的分辨以及不同数据维度之间联系不紧密的问题,该文以遥感影像元数据为对象,通过比较遥感影像元数据经典型多维信息可视化的不同方法,提出了基于改进的平行坐标多维可视化方法及基于圆形平行坐标和球极坐标多维可视化方法,并以GeoGlobe作为实验平台及数据载体,对上述方法予以了实现。结果表明,与其他方法相比,这两种方法在表现力和动态交互性方面都有更好的效果。     

无人机可见光遥感影像地物目标提取技术研究

无人机可见光遥感影像中地物目标边界清晰度较低,容易导致地物目标与背景之间的区分度降低,进而难以提取地物目标。为此,提出无人机可见光遥感影像地物目标提取方法。从光谱特征、纹理特征和边缘特征三个方面分析无人机可见光遥感影像特征。结合三种影像特征对无人机可见光遥感影像数据集实行增广处理。对完成增广后的数据集定义影像编码标签,以此确定地物目标增强权重,通过参量化处理地物目标光谱特征,计算光谱吸收指数,获取地物目标提取表达式,从而实现无人机可见光遥感影像地物目标提取。实验结果表明,所提方法能够保证地物目标边界的清晰度,具有较强的地物目标提取能力。     

数据融合中支持隐私保护的完整性动态验证算法

为了解决云计算环境下海量遥感影像数据的存储问题,研究了一种支持云计算的遥感影像数据组织模型(RSC-DOM)。在深入分析目前遥感影像数据管理现状的基础上,详细剖析了云计算环境下遥感影像数据组织模型的关键性要素,其涉及到支持扩展的分布式存储模式、存储站点结构以及虚拟磁盘空间结构等问题;构建了基于云计算的分布式存储模型架构。实验结果表明,所提出的存储模型在实际应用中比传统依赖Oracle的数据管理方式具有一定的优势。     

基于AutoCAD数据构建DEM的应用研究

基于AutoCAD格式的数据在数字测图系统中非常普遍,它来源广泛,资料丰富,而DEM数据相对来说比较珍贵,高精度的DEM数据更加稀少,而DEM是纠正单张遥感影像所必须的数据。针对以上问题,本文提出基于AutoCAD格式数据,利用遥感影像处理软件EDRAS构建DEM,并将得到的DEM数据应用于实践制作正射影像,经实验证明此方法可行、实用,尤其适合大范围遥感影像DEM的制作。     

分布式环境下的遥感影像组织与调度

通过研究遥感影像数据特点和分析应用现状,结合细节层次技术思想与影像金字塔模型,以优化的碎片式影像划分算法对影像进行分级分块的处理。按照共享文件目录的方式组织碎片文件,建立基于Web的分布式遥感影像数据发布框架,实现对遥感影像的快速组织与实时发布,为解决当前遥感影像数据共享问题提供了较好的解决思路。     

遥感影像数据云存储平台的安全防护机制研究

针对基于Hadoop的遥感影像数据云存储平台存在的认证机制不完善、访问控制过于简单等安全问题,采用Kerberos认证结合令牌认证的身份认证机制,提出了基于用户属性与遥感影像数据属性的多维细粒度访问控制策略,达到了完善平台认证机制和增强平台访问控制的目的.实验结果证明,提出的身份认证机制和访问控制策略能有效增强遥感影像数据云存储平台的安全防护能力,且对平台性能影响很小.     

高光谱遥感蚀变填图SCM并行算法设计与实现

由于空间和波谱分辨率的不断提高,高光谱遥感影像的海量数据特性导致高光谱遥感影像并行处理成为遥感影像处理技术的发展趋势。本文基于CUDA和GPU环境,设计并实现了高光谱遥感蚀变填图的SCM并行算法。实验结果表明,并行加速比可达到25,SCM并行算法能有效改善算法性能。     

多核CPU下的K-means遥感影像分类并行方法

针对海量遥感影像快速分类的应用需求,提出一种基于K-means算法的遥感影像并行分类方法.该方法结合CPU下进程级与线程级模式的并行特征,设计融合进程级与线程级并行的两阶段数据粒度划分方法和任务调度方法,在保证精度的基础上实现并行加速.利用大数据量的多尺度遥感影像进行实验,结果表明:所提并行方法可大大减少遥感影像的分类时间,取得了良好的加速比(13.83),并可达到负载均衡,从而解决了大区域遥感影像快速分类的问题.