CN101576994A - 遥感图像处理方法及装置 - Google Patents
遥感图像处理方法及装置 Download PDFInfo
- Publication number
- CN101576994A CN101576994A CNA2009100877582A CN200910087758A CN101576994A CN 101576994 A CN101576994 A CN 101576994A CN A2009100877582 A CNA2009100877582 A CN A2009100877582A CN 200910087758 A CN200910087758 A CN 200910087758A CN 101576994 A CN101576994 A CN 101576994A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- subimages
- grid
- child nodes
- treatment capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种遥感图像处理方法及装置,其中方法包括:获取网格中的多个子节点的最大数据处理量;根据所述最大数据处理量将遥感图像分割成多个遥感子图像;将所述多个遥感子图像发送给所述多个子节点,使所述多个子节点分别处理接收到的所述多个遥感子图像。本发明提供的遥感图像处理方法及装置,根据网格中的子节点的最大数据处理量将遥感图像分割成多个遥感子图像,从而使网格中的子节点根据子节点的处理能力实现并行处理遥感子图像,从而提高了遥感图像的处理速度。
Description
技术领域
本发明涉及遥感技术,尤其是一种基于分布式协同方式的遥感图像处理方法及装置。
背景技术
目前,遥感技术已经得到广泛应用,例如:在气象预报、国土普查、作物估产、森林调查、地质找矿、海洋预报、环境保护、灾害监测、城市规划和地图测绘等方面,而加快遥感数据的处理可以使遥感技术得到更好的应用,可以实现提前预测自然灾害,从而使损失降到最低;也可以实现及时地预报天气;还可以对重大工程进行及时地监控,因此提高遥感数据处理的速度已成为日益突出的问题。
随着信息技术和传感器技术的发展,遥感图像的空间分辨率、光谱分辨率和时间分辨率均大幅提高,对遥感图像进行处理的运算量也随之大幅增加,从而造成遥感图像的处理速度无法满足实际需要。
发明内容
本发明的目的在于提供一种遥感图像处理方法及装置,通过分布式协同方式处理遥感图像数据,提高遥感图像数据处理速度。
为实现上述目的,本发明提供了一种遥感图像处理方法,包括:
获取网格中的多个子节点的最大数据处理量;
根据所述最大数据处理量将遥感图像分割成多个遥感子图像;
将所述多个遥感子图像发送给所述多个子节点,使所述多个子节点分别处理接收到的所述多个遥感子图像。
上述遥感图像处理方法,根据网格中的子节点的最大数据处理量将遥感图像分割成多个遥感子图像,从而使网格中的子节点根据子节点的处理能力实现并行处理遥感子图像,从而提高了遥感图像的处理速度。
为实现上述目的,本发明还提供了一种遥感图像处理装置,包括:
获取模块,用于获取网格中的多个子节点的最大数据处理量;
分割模块,用于根据所述最大数据处理量将遥感图像分割成多个遥感子图像;
发送模块,用于将所述多个遥感子图像发送给所述多个子节点,使所述多个子节点分别处理接收到的所述多个遥感子图像。
上述遥感图像处理装置,根据获取模块获取到的最大数据处理量将遥感图像分割成多个遥感子图像,发送模块将多个遥感子图像发送给多个子节点,从而使网格中的子节点根据子节点的处理能力实现并行处理遥感子图像,从而提高了遥感图像的处理速度。
附图说明
图1为本发明遥感图像处理方法一个实施例的流程示意图;
图2为本发明遥感图像处理方法又一个实施例的流程示意图;
图3为本发明遥感图像处理装置一个实施例的结构示意图;
图4为本发明遥感图像处理装置又一个实施例的结构示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
网格计算是将广域网上的计算资源、数据资源和其他设备等互连,形成一个大的可以相互利用的、相互合作的高性能计算网,以解决资源分配和资源利用的不均衡。随着计算机技术的发展,将计算资源、存储资源、信息资源、通信资源等完全共享,以提高现有计算机处理大量数据的能力,同时减少数据存储冗余。
图1为本发明遥感图像处理方法一个实施例的流程示意图,如图1所示,本实施例包括如下步骤:
步骤101、获取网格中的多个子节点的最大数据处理量;
步骤102、根据最大数据处理量将遥感图像分割成多个遥感子图像;
步骤103、将多个遥感子图像发送给多个子节点,使多个子节点分别处理接收到的多个遥感子图像。
本发明实施例中的子节点,是指网格中的分布于不同位置的互联网上的具有强大数据处理能力的计算机,也可以为网格中的其它计算设备。
本发明实施例提供的遥感图像处理方法,根据网格中的子节点的最大数据处理量将遥感图像分割成多个遥感子图像,从而使网格中的子节点根据子节点的处理能力实现分布式协同处理遥感子图像,从而提高了遥感图像的处理速度。
图2为本发明遥感图像处理方法又一个实施例的流程示意图,如图2所示,本实施例包括如下步骤:
步骤201、获取网格中不同类型的子节点的资源信息;
步骤202、根据资源信息预测多个子节点的数据处理时间;
步骤203、根据数据处理时间获取网格中不同类型的多个子节点的最大数据处理量;
步骤204、以图形化的方式显示多个子节点的最大数据处理量;
步骤205、根据最大数据处理量将遥感图像分割成多个遥感子图像;
步骤206、将多个遥感子图像发送给多个子节点,使多个子节点分别处理接收到的多个遥感子图像;
步骤207、通知多个子节点对多个遥感子图像进行处理;
步骤208、接收多个子节点处返回的处理后的多个遥感子图像;
步骤209、将多个遥感子图像合并形成处理后的遥感图像。
本发明实施例中的子节点,是指网格中的分布于不同位置的互联网上的具有强大数据处理能力的计算机,也可以为网格中的其它计算资源;本发明实施例中的主节点,是指网格中能够控制其它节点进行数据处理的计算机或者网格中的其它计算资源。
上述步骤201和步骤202中,由于网格中的子节点的类型不同,各个子节点的数据处理能力也不相同,通过获取到各子节点的资源信息,使主节点根据资源信息获取不同类型的子节点能够处理的数据处理时间。其中,资源信息具体可以包括:各子节点的CPU信息、各子节点的内存信息以及系统吞吐量信息。
上述步骤203中,主节点根据各个子节点的最大数据处理量,可以选择计算能力强的网格中的子节点参与遥感图像的处理,从而可以提高遥感图像处理的速度,使遥感图像处理的时间最短。
上述步骤204中,通过将各个子节点的最大数据处理量以图形化的方式显示,图形化的显示方式更加人性化,并且图形化的显示可以让研究人员方便地获知网格中的子节点的数据处理能力。
上述步骤205中,主节点根据最大数据处理量将遥感图像分割成多个遥感子图像,从而可以使网格中的子节点处理与其数据处理能力相适应的遥感子图像,使网格中的各个子节点能够在同一时间完成遥感子图像的处理,从而达到多个子节点对遥感子图像的并行处理。
上述步骤206中,主节点将多个遥感子图像发送给多个子节点,主节点通过子节点返回的子节点的因特网协议(Internet Protocol,简称:IP)地址通过网格文件传输协议(GRID File Transfer Protocol,简称:GRID-FTP)自动传输给网格中的各个子节点,从而使多个子节点根据自身的数据处理能力分别处理接收到的多个遥感子图像。
上述步骤207中,可以通过可扩展标记语言(Extensible Markup Language,简称:XML)的形式通知各个子节点采用相应的图像处理方法对各个遥感子图像进行处理。由于在遥感图像的数据处理过程中,图像的几何校正非常耗时,若采用单台计算进行遥感图像的几何校正处理,则对单台计算机的运算配置要求较高,因此利用网格中的多个子节点对遥感子图像分别进行几何校正处理,可以大幅提高遥感图像处理的速度。此外,由于现有技术中已有较多的图像几何校正的处理方法,主节点也可以通过XML的形式通知子节点采用适合遥感子图像的几何校正方法进行几何校正处理,通过将遥感图像进行几何校正处理,可以使经过几何校正处理后的遥感图像改正原始的遥感图像的几何畸变,使经过几何校正处理后的遥感图像符合地图投影或图形表达要求的新的图像。
上述步骤208中,主节点接收到多个子节点返回的处理后的多个遥感子图像,该处理后的多个遥感子图像可以为经过几何校正后的遥感子图像。
上述步骤209中,主节点将多个遥感子图像合并处理,从而形成经过几何校正后的遥感图像。
本发明实施例提供的遥感图像处理方法,根据网格中的子节点的最大数据处理量选择计算能力强的子节点参与遥感图像的处理,从而提高遥感图像的处理速度;通过将遥感图像分割成多个遥感子图像,从而使网格中的子节点根据子节点的处理能力实现并行处理遥感子图像,通过以图形化的方式显示最大数据处理量,使操作更具人性化;多个子节点通过对遥感子图像进行分布式协同的几何校正处理,使经过几何校正处理后的遥感图像符合某种地图投影或图形表达要求的新的图像。
图3为本发明遥感图像处理装置一个实施例的结构示意图,如图3所示,本实施例包括:获取模块31、分割模块32、发送模块33。
其中,获取模块31获取网格中的多个子节点的资源信息,包括:各子节点的CPU信息、各子节点的内存信息、以及各子节点的系统吞吐量信息;分割模块32根据获取模块31获取到的最大数据处理量将遥感图像分割成多个遥感子图像;发送模块33将多个遥感子图像发送给多个子节点,使多个子节点分别处理接收到的多个遥感子图像。
本发明实施例提供的遥感图像处理装置,根据获取模块31获取到的最大数据处理量将遥感图像分割成多个遥感子图像,发送模块33将多个遥感子图像发送给多个子节点,从而使网格中的子节点根据子节点的处理能力实现分布式的协同处理遥感子图像,从而提高了遥感图像的处理速度。
图4为本发明遥感图像处理装置又一个实施例的结构示意图,如图4所示,本实施例中的遥感图像处理装置40包括:获取模块41、分割模块42、发送模块43、显示模块44、通知模块45、接收模块46、合并模块47。
其中,获取模块41获取网格中的多个子节点的资源信息;分割模块42根据获取模块41获取到的资源信息将遥感图像分割成多个遥感子图像;发送模块43将分割模块42分割形成的多个遥感子图像发送给多个子节点,使多个子节点分别处理接收到的多个遥感子图像;显示模块44以图形化的方式显示获取模块41获取到的多个子节点的最大数据处理量;通知模块45通知多个子节点对分割模块42分割形成的多个遥感子图像进行处理;接收模块46接收多个子节点处返回的处理后的多个遥感子图像;合并模块47将接收模块46接收到的多个遥感子图像合并形成处理后的遥感图像。
进一步地,获取模块41还可以包括:第一获取单元411、第二获取单元412、以及第三获取单元413。其中,第一获取单元411获取网格中不同类型的子节点的资源信息;第二获取单元412根据第一获取单元411获取到的资源信息获取多个子节点的数据处理时间;第三获取单元根据第二获取单元获取到的数据处理时间获取网格中不同类型的多个子节点的最大数据处理量。
本发明实施例提供的遥感图像处理装置,根据获取模块41获取到的网格中的子节点的最大数据处理量选择计算能力强的子节点参与遥感图像的处理,从而提高遥感图像的处理速度;通过分割模块42将遥感图像分割成多个遥感子图像,从而使网格中的子节点根据子节点的处理能力实现分布式的协同处理遥感子图像,显示模块44通过以图形化的方式显示最大数据处理量,使操作更具人性化;合并模块47通过将处理后的多个遥感子图像进行合并处理,使经过几何校正处理后的遥感图像符合地图投影或图形表达要求的新的图像。
上述本发明实施例中,将分布在不同地理位置的位于网格中的计算资源包括CPU、存储器、数据库等通过高速的互联网组成充分共享的资源集成,提供一个高性能计算、管理及服务的环境,实现多个不同计算子节点对同一遥感图像进行协同处理,有效提高了遥感海量数据处理的速度,同时避免了花费巨资购买超级计算机所造成的众多不便,促进遥感技术在各个行业的应用。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1、一种遥感图像处理方法,其特征在于,包括:
获取网格中的多个子节点的最大数据处理量;
根据所述最大数据处理量将遥感图像分割成多个遥感子图像;
将所述多个遥感子图像发送给所述多个子节点,使所述多个子节点分别处理接收到的所述多个遥感子图像。
2、根据权利要求1所述的方法,其特征在于,所述获取网格中的多个子节点的最大数据处理量包括:
获取网格中不同类型的子节点的资源信息;
根据所述资源信息获取所述多个子节点的数据处理时间;
根据所述数据处理时间获取网格中不同类型的多个子节点的最大数据处理量。
3、根据权利要求2所述的方法,其特征在于,所述根据所述数据处理时间获取网格中不同类型的多个子节点的最大数据处理量之后还包括:
以图形化的方式显示所述多个子节点的最大数据处理量。
4、根据权利要求1~3任一所述的方法,其特征在于,所述将所述多个遥感子图像发送给所述多个子节点之后还包括:
通知所述多个子节点对所述多个遥感子图像进行处理。
5、根据权利要求4所述的方法,其特征在于,所述通知所述多个子节点对所述多个遥感子图像进行处理之后还包括:
接收所述多个子节点处返回的处理后的多个遥感子图像;
将所述多个遥感子图像合并形成处理后的遥感图像。
6、一种遥感图像处理装置,其特征在于,包括:
获取模块,用于获取网格中的多个子节点的最大数据处理量;
分割模块,用于根据所述最大数据处理量将遥感图像分割成多个遥感子图像;
发送模块,用于将所述多个遥感子图像发送给所述多个子节点,使所述多个子节点分别处理接收到的所述多个遥感子图像。
7、根据权利要求6所述的装置,其特征在于,所述获取模块包括:
第一获取单元,用于获取网格中不同类型的子节点的资源信息;
第二获取单元,用于根据所述资源信息获取所述多个子节点的数据处理时间;
第三获取单元,用于根据所述数据处理时间获取网格中不同类型的多个子节点的最大数据处理量。
8、根据权利要求7所述的装置,其特征在于,还包括:
显示模块,用于以图形化的方式显示所述多个子节点的最大数据处理量。
9、根据权利要求6~8任一所述的装置,其特征在于,还包括:
通知模块,用于通知所述多个子节点对所述多个遥感子图像进行处理。
10、根据权利要求9所述的装置,其特征在于,还包括:
接收模块,用于接收所述多个子节点处返回的处理后的多个遥感子图像;
合并模块,用于将所述多个遥感子图像合并形成处理后的遥感图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100877582A CN101576994B (zh) | 2009-06-22 | 2009-06-22 | 遥感图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100877582A CN101576994B (zh) | 2009-06-22 | 2009-06-22 | 遥感图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101576994A true CN101576994A (zh) | 2009-11-11 |
CN101576994B CN101576994B (zh) | 2012-01-25 |
Family
ID=41271927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100877582A Expired - Fee Related CN101576994B (zh) | 2009-06-22 | 2009-06-22 | 遥感图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101576994B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800072A (zh) * | 2012-06-20 | 2012-11-28 | 无锡祥生医学影像有限责任公司 | 超声诊断仪扫描图像质量优化处理方法及其装置 |
CN102841816A (zh) * | 2012-07-16 | 2012-12-26 | 北京市遥感信息研究所 | 遥感图像数据并行处理的方法 |
CN102882910A (zh) * | 2011-07-15 | 2013-01-16 | 中华电信股份有限公司 | 应用于影像监控平台的分布式运算系统 |
CN103557881A (zh) * | 2013-11-11 | 2014-02-05 | 北京林业大学 | 一种大尺度森林观测梯形网格法 |
CN103716381A (zh) * | 2013-12-12 | 2014-04-09 | 华为技术有限公司 | 一种分布式系统的控制方法,及管理节点 |
WO2014085979A1 (en) * | 2012-12-04 | 2014-06-12 | Intel Corporation | Distributed graphics processing |
CN103942253A (zh) * | 2014-03-18 | 2014-07-23 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理方法和系统 |
CN103984669A (zh) * | 2013-02-07 | 2014-08-13 | 辉达公司 | 一种用于图像处理的系统和方法 |
CN103996044A (zh) * | 2014-05-29 | 2014-08-20 | 天津航天中为数据系统科技有限公司 | 利用遥感图像提取目标的方法和装置 |
CN104142921A (zh) * | 2013-05-06 | 2014-11-12 | 苏州普达新信息技术有限公司 | 一种基于云计算的图像特征优化组合方法 |
CN105427254A (zh) * | 2015-11-10 | 2016-03-23 | 吉林大学 | 一种基于网格环境的图像并行平滑处理方法 |
CN106557284A (zh) * | 2016-12-08 | 2017-04-05 | 天津汉铭科技发展有限公司 | 遥感图像处理方法及装置 |
CN111460966A (zh) * | 2020-03-27 | 2020-07-28 | 中国地质大学(武汉) | 基于度量学习和近邻增强的高光谱遥感图像分类方法 |
CN114048610A (zh) * | 2021-11-15 | 2022-02-15 | 中科三清科技有限公司 | 数据输出方法和装置 |
CN114286127A (zh) * | 2022-03-08 | 2022-04-05 | 浙江微能科技有限公司 | 一种分布式人工智能分析方法及装置 |
CN114895459A (zh) * | 2022-05-17 | 2022-08-12 | 中国科学院光电技术研究所 | 一种地表层自适应光学波前实时控制器 |
CN117036701A (zh) * | 2023-08-04 | 2023-11-10 | 北京透彻未来科技有限公司 | 一种基于客户端切割数字病理图像的处理系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4335516B2 (ja) * | 2001-12-04 | 2009-09-30 | パナソニック株式会社 | 複数のプロセッサを用いた動画像符号化装置およびその方法 |
CN1674047A (zh) * | 2004-03-25 | 2005-09-28 | 上海大学 | 基于微机并行处理结构的六自由度视觉跟踪方法及系统 |
CN101282478A (zh) * | 2008-04-24 | 2008-10-08 | 上海华平信息技术股份有限公司 | 实现高清视频并行编码的方法及系统 |
-
2009
- 2009-06-22 CN CN2009100877582A patent/CN101576994B/zh not_active Expired - Fee Related
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102882910A (zh) * | 2011-07-15 | 2013-01-16 | 中华电信股份有限公司 | 应用于影像监控平台的分布式运算系统 |
CN102800072A (zh) * | 2012-06-20 | 2012-11-28 | 无锡祥生医学影像有限责任公司 | 超声诊断仪扫描图像质量优化处理方法及其装置 |
CN102800072B (zh) * | 2012-06-20 | 2015-07-29 | 无锡祥生医学影像有限责任公司 | 超声诊断仪扫描图像质量优化处理方法及其装置 |
CN102841816A (zh) * | 2012-07-16 | 2012-12-26 | 北京市遥感信息研究所 | 遥感图像数据并行处理的方法 |
GB2525766A (en) * | 2012-12-04 | 2015-11-04 | Intel Corp | Distributed graphics processing |
GB2525766B (en) * | 2012-12-04 | 2019-09-18 | Intel Corp | Distributed graphics processing |
WO2014085979A1 (en) * | 2012-12-04 | 2014-06-12 | Intel Corporation | Distributed graphics processing |
US20150022535A1 (en) * | 2012-12-04 | 2015-01-22 | Chengming Zhao | Distributed Graphics Processing |
US9704212B2 (en) | 2013-02-07 | 2017-07-11 | Nvidia Corporation | System and method for image processing |
CN103984669A (zh) * | 2013-02-07 | 2014-08-13 | 辉达公司 | 一种用于图像处理的系统和方法 |
CN104142921A (zh) * | 2013-05-06 | 2014-11-12 | 苏州普达新信息技术有限公司 | 一种基于云计算的图像特征优化组合方法 |
CN103557881A (zh) * | 2013-11-11 | 2014-02-05 | 北京林业大学 | 一种大尺度森林观测梯形网格法 |
CN103716381A (zh) * | 2013-12-12 | 2014-04-09 | 华为技术有限公司 | 一种分布式系统的控制方法,及管理节点 |
CN103716381B (zh) * | 2013-12-12 | 2017-04-12 | 华为技术有限公司 | 一种分布式系统的控制方法,及管理节点 |
CN103942253A (zh) * | 2014-03-18 | 2014-07-23 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理方法和系统 |
CN103942253B (zh) * | 2014-03-18 | 2017-07-14 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理系统 |
CN103996044A (zh) * | 2014-05-29 | 2014-08-20 | 天津航天中为数据系统科技有限公司 | 利用遥感图像提取目标的方法和装置 |
CN103996044B (zh) * | 2014-05-29 | 2017-10-10 | 天津航天中为数据系统科技有限公司 | 利用遥感图像提取目标的方法和装置 |
CN105427254A (zh) * | 2015-11-10 | 2016-03-23 | 吉林大学 | 一种基于网格环境的图像并行平滑处理方法 |
CN106557284A (zh) * | 2016-12-08 | 2017-04-05 | 天津汉铭科技发展有限公司 | 遥感图像处理方法及装置 |
CN111460966A (zh) * | 2020-03-27 | 2020-07-28 | 中国地质大学(武汉) | 基于度量学习和近邻增强的高光谱遥感图像分类方法 |
CN111460966B (zh) * | 2020-03-27 | 2024-02-02 | 中国地质大学(武汉) | 基于度量学习和近邻增强的高光谱遥感图像分类方法 |
CN114048610A (zh) * | 2021-11-15 | 2022-02-15 | 中科三清科技有限公司 | 数据输出方法和装置 |
CN114286127A (zh) * | 2022-03-08 | 2022-04-05 | 浙江微能科技有限公司 | 一种分布式人工智能分析方法及装置 |
CN114895459A (zh) * | 2022-05-17 | 2022-08-12 | 中国科学院光电技术研究所 | 一种地表层自适应光学波前实时控制器 |
CN114895459B (zh) * | 2022-05-17 | 2023-10-03 | 中国科学院光电技术研究所 | 一种地表层自适应光学波前实时控制器 |
CN117036701A (zh) * | 2023-08-04 | 2023-11-10 | 北京透彻未来科技有限公司 | 一种基于客户端切割数字病理图像的处理系统 |
CN117036701B (zh) * | 2023-08-04 | 2024-04-30 | 北京透彻未来科技有限公司 | 一种基于客户端切割数字病理图像的处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101576994B (zh) | 2012-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101576994B (zh) | 遥感图像处理方法及装置 | |
Xu et al. | Intelligent offloading for collaborative smart city services in edge computing | |
CN103761309B (zh) | 一种运营数据处理方法及系统 | |
Wu et al. | Sensor communication area and node extend routing algorithm in opportunistic networks | |
CN101998629A (zh) | 搜索虚拟资源的位置的方法、装置和系统 | |
CN104318349A (zh) | 基于Silverlight和ArcGIS的海籍监测管理方法 | |
Wu et al. | Vision and challenges for knowledge centric networking | |
US20180270605A1 (en) | System and method for providing location data over a messaging system | |
JP2020129794A (ja) | 低電力ワイドエリアネットワークのための方法およびシステム | |
Ahmed et al. | Benefits and challenges of internet of things for telecommunication networks | |
Li et al. | Integrating NFV and ICN for advanced driver-assistance systems | |
KR101818936B1 (ko) | 딥러닝 수행 시스템 및 방법 | |
Khan et al. | Envisioning internet of things using fog computing | |
CN116684418A (zh) | 基于算力服务网关的算力编排调度方法、算力网络及装置 | |
Vo et al. | Edge, fog, and cloud computing: An overview on challenges and applications | |
Wang et al. | C3Meta: A Context-Aware Cloud-Edge-End Collaboration Framework Toward Green Metaverse | |
CN106557284A (zh) | 遥感图像处理方法及装置 | |
Zeng et al. | Research on internet of things of environment monitoring based on cloud computing | |
Filip et al. | EdgeMQ: Towards a message queuing processing system for cloud-edge computing:(Use cases on water and forest monitoring) | |
IT202000023833A1 (it) | Location-based publication over a cellular network | |
CN111314874B (zh) | 面向物联网应用的高并发海量数据采集方法 | |
Hong et al. | Victim detection platform in IoT paradigm | |
Nejad et al. | Software defined fog platform | |
CN111930700B (zh) | 一种分布式日志处理方法、服务器、系统和计算设备 | |
Chouhan et al. | Data Integration in IoT Using Edge Gateway |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120125 Termination date: 20180622 |