新工科背景下研究生教育创新培养基地建设实践与思考

针对我国研究生教育中存在培养模式单一、学生动手实践能力提升不明显的问题,提出高校与企业共建研究生教育创新培养基地的新模式,以河南大学—中科空间信息(廊坊)研究院研究生教育创新培养基地为例进行探索,结果表明共建研究生教育创新培养基地可以有效提高工科研究生的创新能力和解决实际问题的能力。     

数据密集型计算的遥感图像预处理方法

针对大数据时代,数据密集型计算已经成为国内外的一个研究热点. 遥感数据具有多源化、海量化特点,是名副其实的大数据. 研究适用于遥感影像自动化、业务化处理的数据密集型计算方法,是目前遥感应用技术面临的挑战所面临的挑战,本文提出了一种基于数据密集型计算的遥感图像处理方法. 在文中,首先围绕遥感数据自动化、业务化预处理等问题,深入调查和分析了国内外研究现状,进而介绍了系统体系结构,通过工作流灵活组织多种算法模型协同工作,设计以“5并行1加速”的计算体系解决数据密集型的遥感图像预处理,并通过产品生产实例对其性能进行测试. 结果表明,该系统在保证处理精度的前提下,大大提高了遥感大数据预处理的效率.     

一种适用于GPU图像处理算法的合并存储结构

大多数图像处理算法都可利用GPU进行加速以达到更好的执行性能,但数据传输操作与核函数执行之间的调度策略问题仍是桎梏加速性能进一步提升的主要瓶颈。为了解决这个问题,通常采用GPU任务流将核函数执行与数据传输操作进行重叠,以隐藏部分数据传输与核函数执行耗时。但是,由于CUDA编程模型的特性以及GPU硬件资源的限制,在某些情况下,即使创建较多的任务流用于任务重叠,每个流上仍会存在串行执行的任务,导致加速效果无法进一步提升。因此,考虑利用CSS将待处理图像进行合并从而将单个流中的算子核函数及数据传输操作进行合并,以减少数据传输操作和核函数执行的固定代价及调用间隙。通过实验结果可知,提出的CSS结构不仅能在单流的情况下提高GPU图像处理算法执行性能,在多流的情况下其加速性能也得到了进一步提升,具有较好的实用性及可扩展性,适用于包含较多算子操作或较小尺寸图像批量处理的情况。此外,提出的方法对图像处理算法的GPU加速提供了新的研究思路。     

土地利用变更调查中"3S"技术的应用研究

土地资源是人类生存的重要基础,摸清土地资源现状及时掌握土地变化信息是进行土地利用总体规划和国土资源宏观决策的依据.目前广泛采用的调查方法受很多因素影响,很难获取变化图斑的准确空间位置.RS,GIS和GPS技术集成应用近年来得到了迅速发展,3S技术在土地资源管理的应用是一个重要的研究方向.在研究传统土地利用变更调查方法中存在问题的基础上,结合3S技术特点和土地利用现状探讨了基于3S技术的土地利用变更调查的技术路线.     

#br# 基于多维数据模型的卫星质量评价模块组织方法研究

卫星质量评价模块的组织结构影响到用户能否有效地查找遥感产品信息,是挖掘和利用卫星数据资源的关键。针对现有卫星质量评价模块组织结构单一,检索效率低下问题,设计基于“星型”模式的在轨卫星质量评价模块信息多维数据模型,有利于多角度地展示卫星质量评价模块的动态信息,提高检索速度。将该模型应用于在轨自主卫星综合质量评价(ZGZHLPJ)系统组织结构的设计中,结果表明,系统组织结构更加有序和立体,用户使用更加方便快捷,验证了该模型的实用性。     

边缘计算:新型计算范式综述与应用研究

科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算(EC)应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。     

一种XML驱动的遥感产品生产并发数据流模型

通过分析现有遥感产品生产平台的并行策略与处理流程,结合现有的数据流模型,提出了一种XML驱动的遥感产品生产并发数据流模型,并给出该模型的文法以及并发性驱动原理。该模型通过适配XML驱动文件,有很好的拓展性。通过对模型并发性的分析,认为该模型在提高遥感产品生产效率、优化并行策略和可视化信息展示上有一定的优势。     

一种面向海量遥感数据分类应用的并行解决方案

目前,遥感数据量呈海量增长趋势。如何在大数据环境下进行快速影像分类及信息挖掘,提升处理的业务化水平,是一个重要的研究方向。鉴于此,实现了一种高效的解决方案。首先,基于"五层十五级"数据结构,对以景为单位的影像进行离散化处理,建立以切片为单元的数据组织体系。其次,借助大数据云存储技术实现切片的集群分布式存储。其次采用了基于像元和对象的高效监督分类算法,并依据计算处理需求对集群环境下的并行架构和驱动机制进行适应性设计。最终,实现了该解决方案并以高分2号多光谱切片进行实验。结果表明:该方案在保证精度的前提下提高了分类处理的效率。