CN103281351B - 一种高效能遥感数据处理与分析的云服务平台 - Google Patents
一种高效能遥感数据处理与分析的云服务平台 Download PDFInfo
- Publication number
- CN103281351B CN103281351B CN201310137326.4A CN201310137326A CN103281351B CN 103281351 B CN103281351 B CN 103281351B CN 201310137326 A CN201310137326 A CN 201310137326A CN 103281351 B CN103281351 B CN 103281351B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- cloud
- data
- remotely
- service
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种高效能遥感数据处理与分析的云服务平台架构，包括云遥感数据存储与计算中心，用于遥感数据的存储和计算；云遥感中间服务平台公共中间件，用于遥感数据的处理和分析；轻量型云遥感信息服务客户端，用于配置远程云计算资源、创建与管理遥感信息服务链、用户信息管理与访问控制、数据与服务管理和地图可视化。本发明提供了一种低成本、高度灵活可伸缩的高效能遥感影像数据处理与应用服务解决策略。通过发挥云计算的优势，可以对海量遥感数据进行快速处理、分析，可广泛应用于应急测绘等时效性要求较高的领域。
Description
技术领域
本发明涉及大规模并行计算与地理信息系统应用技术领域，尤其涉及一种高效能遥感数据处理与分析的云服务平台。
背景技术
地球空间信息产业是具备极大发展潜力的新兴产业，据估算，2010年该产业的市场规模已经达到1000亿元人民币，同时年增长率也达到25%以上。高分辨率遥感卫星影像作为地球空间信息的重要数据来源，其采集、处理、数据产品以及信息服务产品长期以来是地球空间信息产业的重要组成。随着近年来各种高分辨率遥感卫星的发射和投入运营，如美国GeoEye公司的IKONOS、 GeoEye-1、GeoEye -2、美国DigitalGlobe公司的QuickBird、WorldView-1、WorldView-2，我国的资源卫星CBERS-2B等，现势遥感影像的获取资源变得越来越充裕。在遥感数据获取产业方兴未艾之时，遥感数据的生产也处于快速发展阶段，出现了商业上成熟的软件如ERDAS IMAGE和ENVI等。目前遥感影像处理分析和服务行业发展的前沿是海量空间信息的快速获取，如大规模三维城市模型的自动生成、高分辨率遥感信息智能提取、在线智能遥感信息检索等。在后PC时代，云计算技术正在得到政府、IT业界乃至各种普通用户的广泛关注，基于云计算技术的地理信息服务成为市场热点。遥感和地理信息业界领先公司也开始结合云计算技术，提出高度可扩展的地理信息服务，如近期ESRI 公司发布了Living maps云智能网络地图，ERDAS公司发布了按需收费的Apollo云遥感信息服务。
《国家中长期科学和技术发展规划纲要（2006－2020）》已将“高分辨率对地观测系统”列入重大专项，旨在从根本上提高我国高分辨率遥感影像的自给率，建成空间信息产业链。高分辨率对地观测系统具备巨大的市场潜力，十二五期间，包括深空探测、西部测图、资源普查（水利、农业、林业、矿产）等重大工程都需要采集获取海量的遥感影像数据，同时减灾防灾、城市规划、土地管理等都需要对遥感影像数据进行快速处理和分析，提取各种空间信息，为各行各业的决策提供技术支持。公众信息服务方面，各级政府都逐步开始建立公众信息服务平台，如“天地图”公众版国家地理信息公共服务平台等都需要使用大量现势性较强的遥感数据。高分辨率遥感数据具备地面覆盖率高、数据量大的特点。以高分辨率遥感数据为代表的对地观测数据在各行各业正在和必将起到巨大的作用
然而目前遥感数据的使用无论在深度和广度上还很不足，严重影响了遥感影像使用的效率和空间决策的顺利进行。首先是海量遥感影像数据的快速处理能力严重不足，其次是遥感影像数据的使用效率不高，尤其是深层次的空间信息获取能力不够，基本停留在数据浏览的初级水平，最后是遥感影像的应用面还不够，目前基本是测绘和公众地理信息服务行业在使用。随着下一代互联网、宽带光纤接入等网络技术的快速发展以及云计算技术的普及，基于云计算技术开展海量遥感数据的高效存储、处理、分析和分发成为可能。在遥感和地理信息软件购置升级以及数据维护成本较高的情况下，云计算提供了一种高效能解决方案。在各种高分辨率遥感数据采集技术飞速发展，遥感数据急剧增加的情况下，如何从中对这些数据进行高效能的处理分析，包括质量和精度改善、时空信息提取和在线信息服务等，是决定对地观测数据是否能发挥应有作用的核心问题。海量遥感影像的高效能处理包括较高的处理性能和较高性价比两个部分。其中快速处理能力是当前遥感应用的瓶颈。如汶川地震后获取的各种遥感影像数据，受到处理和信息提取能力的制约，直到4天后才得到较为可靠的灾情信息，极大地阻碍了灾情的及时评估和救灾行动的快速展开。
云计算是信息技术产业的基础设施，是当前和未来信息技术产业发展的热点和趋势，随着网络技术的发展、网络用户的增加以及网络应用的丰富，云计算产业有着巨大的市场潜力。在地球空间信息产业，由于地球空间数据和信息服务的特殊性，云计算技术可极大地提高数据存储、处理和分析的效率，降低软硬件和维护培训的费用。因此在地球空间信息产业，结合云计算技术，立足高分辨率遥感数据的存储、处理与信息服务，具有良好的发展机遇。
本发明主要针对海量高分辨率遥感影像提供高效能在线处理及信息服务，主要包括原始遥感影像以及数据产品的云数据中心存储与维护服务、原始影像到初级产品的在线高性能处理、遥感影像数据中心的快速检索与在线空间信息服务等。针对基础测绘或涉及国家安全和保密的应用将提供全面的云计算解决方案和软硬件建设服务，对开放的应用市场将提供集中式的云遥感影像数据中心，包括影像数据存储、在线影像数据处理与空间信息服务。本发明将可以满足国家社会和经济发展对海量遥感数据快速处理和信息获取的需求，提供高性价比的云计算解决方案和在线服务。
发明内容
本发明要解决的技术问题在于提供一种高效能的遥感数据处理与分析云服务框架及其实施策略,是一种对海量高分辨率遥感数据进行高性价比处理分析的综合解决方案。
本发明解决其技术问题所采用的技术方案是：一种高效能遥感数据处理与分析的云服务平台架构，包括
云遥感数据存储与计算中心，用于遥感数据的存储和计算；
云遥感中间服务平台公共中间件，用于遥感数据的处理和分析；
轻量型云遥感信息服务客户端，用于配置远程云计算资源、创建与管理遥感信息服务链、用户信息管理与访问控制、数据与服务管理和地图可视化。
按上述方案，所述的云遥感数据存储与计算中心包括遥感信息计算云和遥感数据存储云；
遥感信息计算云，用于遥感数据的在线计算与分析；
遥感数据存储云，用于遥感数据的离线存储。
通过计算云与存储云的物理分离，有效降低数据在线计算的资源与能源耗费。这种分离方法符合目前国际主流云计算商业方案的普遍架构，因此有很好的兼容性能。
按上述方案，所述的遥感数据存储云，用于存储由遥感信息计算云在线计算得到的动态数据。由于采用了一种适合于轻型客户端访问的程序接口，可采用表象化状态传输（REST）和新技术文件系统（NTFS）的编程接口，可方便存储由遥感信息计算云在线计算得到的动态数据。
按上述方案，所述的云遥感服务平台公共组件服务包括面向海量遥感影像处理与分析的云安全策略，虚拟计算集群，并行遥感/栅格数据计算中间件以及面向专门应用的云遥感服务模块；
所述的并行遥感/栅格数据计算中间件，用于封装分布式内存并行计算环境中栅格数据的分解、分发和通讯操作；并负责与数据中心进行数据交换与服务调用。
按上述方案，所述的云遥感服务模块包括遥感影像变化检测模块、遥感数据匹配模块、遥感影像快速检索模块；
遥感数据匹配模块，用于多时想遥感影像的精确匹配和配准；
遥感影像快速检索模块，用于进行基于内容的遥感影像信息检索；；
遥感影像变化检测模块，用于进行遥感影像的快速变化检测。
按上述方案，所述的云遥感服务平台公共组件服务还包括用于用户二次开发的云服务应用编程接口。
按上述方案，所述的遥感影像快速检索模块的检索过程包括特征提取、特征索引、特征匹配、精炼和排序。
按上述方案，所述的轻量型云遥感信息服务客户端包括用户管理模块、工作流组建模块、地图可视化界面模块；
用户管理模块，用于特定用户自身的各种数据、服务管理与工作流作业管理；
工作流组建模块，用于复杂遥感影像处理与分析工作流的组件；
地图可视化模块，用于各种遥感影像数据与其他地理信息数据的集成可视化。
按上述方案，其特征在于，所述云遥感数据存储与计算中心采用浪潮NF5225机架式服务器，建立20个虚拟节点的虚拟集群和数据中心。
按上述方案，其特征在于，所述轻量型云遥感信息服务客户端采用公共开放的网络地图服务集成访问门户技术。
本发明主要技术指标如下：
1）由于采用了轻量化的云计算资源配置与管理技术，并充分采用成熟的虚拟化和数据备份技术，本发明可实现虚拟计算资源100个节点以上，物理网络连接千兆以上，并具备较强的容错能力，实现无故障运行时间占比99.9%以上，并具备简便的扩展能力，可扩充到10000个虚拟计算节点；
2）由于采用了计算与存储分离的云计算框架，采用面向遥感影像数据的并行计算中间件，存储数据总量可达30TB-50TB以上，实现分块副本3个，并可扩展到PB级，数据中心能效比达到1.8以下。支持快速虚拟集群构建与资源伸缩扩展，大部分遥感信息在线服务的资源伸缩请求可在5分钟内实现；
3）由于采用了插件式的公共组件开发架构平台经过简单扩展，可支持各种影像数据格式，如GeoTIFF、HDF、AUX、HDR等的计算和存储；
4）结合云存储技术及并行云计算技术，提供高效能的遥感数据处理与分析服务，对于大部分遥感数据处理及信息提取计算可实现平均不小于0.3的加速比。
本发明产生的有益效果是：
(1)本发明提供了一种低成本、高度灵活可伸缩的高效能遥感影像数据处理与应用服务解决策略。通过发挥云计算的优势，可以对海量遥感数据进行快速处理、分析，可广泛应用于应急测绘等时效性要求较高的领域；同时本发明提供按需租用的遥感信息服务，可帮助普通用户突破技术瓶颈，获得高性价比的遥感信息服务；
(2)本发明提供了一个多层次高度集中、稳定可靠、灵活可定制的遥感数据中心。通过低成本、高效能的数据中心建设与运维，方便不同层次的用户快速访问、部署与使用自己的遥感数据及数据处理、分析服务。云遥感数据中心可以快速添加、减少与定制不同的存储、计算与网络设备，迅速满足各种应用的资源需求。对于需要保密或自身建设数据中心的用户，可以提供建设固定或移动式数据中心软硬件解决方案，而对于一般用户，则可通过公司的数据中心提供各种数据与信息服用，极大地节约了普通用户购买、管理与处理数据的成本，提高应用服务开发、部署以及辅助决策的效率。
(3)一体化遥感数据处理、分析与应用公共服务平台。通过轻量化、用户界面友好的云计算配置与管理客户端，用户可以在IaaS、 SaaS、PaaS等层次上访问、管理、处理、分析各种遥感数据，并开发和部署应用服务，也可以直接使用项目提供的各高效能遥感数据处理服务。平台融合了海量时空数据存储、传输和可视化的先进技术。平台提供了较为完整的遥感数据处理、分析与应用平台框架，从原始数据管理、初级产品生产、基本数据处理到复杂数据处理、高级空间信息获取与决策应用服务都提供了可扩展可互操作的开发接口与服务接口。用户可以完全依赖该平台进行各种空间信息决策活动，体现了当前“一站式”信息服务解决方案的前沿思路。
附图说明
图1是本发明实施例的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种高效能遥感数据处理与分析的云服务平台架构，包括
云遥感数据存储与计算中心，用于遥感数据的存储和计算；
云遥感中间服务平台公共中间件，用于遥感数据的处理和分析；
轻量型云遥感信息服务客户端，用于配置远程云计算资源、创建与管理遥感信息服务链、用户信息管理与访问控制、数据与服务管理和地图可视化。
云遥感数据存储与计算中心包括遥感信息计算云101和遥感数据存储云102；
遥感信息计算云101，用于遥感数据的在线计算与分析；
遥感数据存储云102，用于遥感数据的离线存储。
通过计算云与存储云的物理分离，有效降低数据在线计算的资源与能源耗费。这种分离方法符合目前国际主流云计算商业方案的普遍架构，因此有很好的兼容性能。
遥感数据存储云102，用于存储由遥感信息计算云在线计算得到的动态数据。由于采用了一种适合于轻型客户端访问的程序接口，可采用表象化状态传输（REST）和新技术文件系统（NTFS）的编程接口，可方便存储由遥感信息计算云101在线计算得到的动态数据。
云遥感服务平台公共组件服务包括面向海量遥感影像处理与分析的云安全策略201，虚拟计算集群202，并行遥感/栅格数据计算中间件203以及面向专门应用的云遥感服务模块207；
并行遥感/栅格数据计算中间件203，用于封装分布式内存并行计算环境中栅格数据的分解、分发和通讯操作；并负责与数据中心进行数据交换与服务调用。
云遥感服务模块包括遥感影像变化检测模块204、遥感数据匹配模块205、遥感影像快速检索模块206；
遥感数据匹配模块205，用于多时想遥感影像的精确匹配和配准；
遥感影像快速检索模块206，用于进行基于内容的遥感影像信息检索；；
遥感影像变化检测模块204，用于进行遥感影像的快速变化检测。
云遥感服务平台公共组件服务还包括用于用户二次开发的云服务应用编程接口。
遥感影像快速检索模块的检索过程包括特征提取、特征索引、特征匹配、精炼和排序。
轻量型云遥感信息服务客户端包括用户管理模块301、工作流组建模块302、远程配置工具模块303、地图可视化界面模块303；
用户管理模块301，用于特定用户自身的各种数据、服务管理与工作流作业管理；
工作流组建模块302，用于复杂遥感影像处理与分析工作流的组件；
地图可视化模块303，用于各种遥感影像数据与其他地理信息数据的集成可视化。
云遥感数据存储与计算中心采用浪潮NF5225机架式服务器，建立20个虚拟节点的虚拟集群和数据中心。
轻量型云遥感信息服务客户端采用公共开放的网络地图服务集成访问门户技术。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种高效能遥感数据处理与分析的云服务系统，其特征在于，包括
云遥感数据存储与计算中心，用于遥感数据的存储和计算；
云遥感中间服务平台公共中间件，用于遥感数据的处理和分析；
轻量型云遥感信息服务客户端，用于配置远程云计算资源、创建与管理遥感信息服务链、用户信息管理与访问控制、数据与服务管理和地图可视化；
所述的云遥感数据存储与计算中心包括遥感信息计算云和遥感数据存储云；
遥感信息计算云，用于遥感数据的在线计算与分析；
遥感数据存储云，用于遥感数据的离线存储；
所述的云遥感中间服务平台公共中间件包括面向海量遥感影像处理与分析的云安全策略，虚拟计算集群，并行遥感/栅格数据计算中间件以及面向用户的云遥感服务模块；
所述的并行遥感/栅格数据计算中间件，用于封装分布式内存并行计算环境中栅格数据的分解、分发和通讯操作；并负责与数据中心进行数据交换与服务调用。
2.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述的遥感数据存储云，用于存储由遥感信息计算云在线计算得到的动态数据。
3.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述的云遥感服务模块包括遥感影像变化检测模块、遥感数据匹配模块、遥感影像快速检索模块；
遥感数据匹配模块，用于多时相遥感影像的精确匹配和配准；
遥感影像快速检索模块，用于进行基于内容的遥感影像信息检索；
遥感影像变化检测模块，用于进行遥感影像的快速变化检测。
4.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述的云遥感中间服务平台公共中间件还包括用于用户二次开发的云服务应用编程接口。
5.根据权利要求3所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述的遥感影像快速检索模块的检索过程包括特征提取、特征索引、特征匹配、精炼和排序。
6.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述的轻量型云遥感信息服务客户端包括用户管理模块、工作流组建模块、远程配置工具模块、地图可视化界面模块；
用户管理模块，用于特定用户自身的各种数据、服务管理与工作流作业管理；
工作流组建模块，用于复杂遥感影像处理与分析工作流的组件；
地图可视化模块，用于各种遥感影像数据与其他地理信息数据的集成可视化。
7.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述云遥感数据存储与计算中心采用浪潮NF5225机架式服务器，建立20个虚拟节点的虚拟集群和数据中心。
8.根据权利要求1所述的高效能遥感数据处理与分析的云服务系统，其特征在于，所述轻量型云遥感信息服务客户端采用公共开放的网络地图服务集成访问门户技术。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310137326.4A CN103281351B (zh) | 2013-04-19 | 2013-04-19 | 一种高效能遥感数据处理与分析的云服务平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310137326.4A CN103281351B (zh) | 2013-04-19 | 2013-04-19 | 一种高效能遥感数据处理与分析的云服务平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103281351A CN103281351A (zh) | 2013-09-04 |
| CN103281351B true CN103281351B (zh) | 2016-12-28 |
Family
ID=49063796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310137326.4A Expired - Fee Related CN103281351B (zh) | 2013-04-19 | 2013-04-19 | 一种高效能遥感数据处理与分析的云服务平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103281351B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103491185B (zh) * | 2013-09-25 | 2016-05-18 | 浙江大学 | 一种基于影像块组织的遥感数据云存储方法 |
| CN103903272B (zh) * | 2014-04-16 | 2016-09-07 | 广东中科遥感技术有限公司 | 一种基于Hadoop的StaMPS算法并行化处理方法 |
| CN103970904A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 一种快速响应式遥感大数据处理系统 |
| CN105160022A (zh) * | 2015-09-29 | 2015-12-16 | 北京全景天地科技有限公司 | 云影像挖掘解译系统 |
| CN105206173B (zh) * | 2015-10-23 | 2018-02-06 | 上海斐讯数据通信技术有限公司 | 一种基于云的地图切割系统和方法 |
| CN105491108A (zh) * | 2015-11-19 | 2016-04-13 | 浪潮集团有限公司 | 一种处理遥感影像的系统及方法 |
| CN106453618A (zh) * | 2016-11-15 | 2017-02-22 | 西安中科空间信息技术有限公司 | 基于G‑Cloud云计算的遥感图像处理服务云平台系统 |
| CN107273867A (zh) * | 2017-06-27 | 2017-10-20 | 航天星图科技（北京）有限公司 | 空天遥感数据处理一体机 |
| US20190068466A1 (en) * | 2017-08-30 | 2019-02-28 | Intel Corporation | Technologies for auto-discovery of fault domains |
| CN107453803B (zh) * | 2017-09-20 | 2018-08-10 | 中城泰信（苏州）科技发展股份有限公司 | 一种遥感云核的异常核查方法 |
| CN108234612B (zh) * | 2017-12-23 | 2021-07-06 | 北京卫星信息工程研究所 | 多终端模式的高分资源动态分配与按需服务发布系统 |
| CN108289091A (zh) * | 2017-12-25 | 2018-07-17 | 西安空间无线电技术研究所 | 基于机架式服务器的遥感卫星地面基带数据处理系统 |
| CN109189723A (zh) * | 2018-07-05 | 2019-01-11 | 中国科学院遥感与数字地球研究所 | 一种分布式卫星数据中心多源遥感数据处理方法 |
| CN110096668B (zh) * | 2019-05-06 | 2023-06-02 | 国家卫星气象中心 | 一种可见光遥感图像反射率获取方法 |
| CN110909098A (zh) * | 2019-11-14 | 2020-03-24 | 武汉一格空间科技有限公司 | 一种云端地理信息数据分析方法及系统 |
| CN113596074A (zh) * | 2021-06-08 | 2021-11-02 | 中绘云图信息科技有限公司 | 基于遥感云数据处理方法 |
| CN113435940B (zh) * | 2021-07-08 | 2022-03-18 | 重庆链图信息技术有限公司 | 矢量地理空间数据在线服务多因子运营计价系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102185927A (zh) * | 2011-05-31 | 2011-09-14 | 北京亿赞普网络技术有限公司 | 一种知识即服务云计算平台 |
| CN102609507A (zh) * | 2012-02-03 | 2012-07-25 | 浙江工业大学 | 基于Web的数据可视化系统 |
| CN102904944A (zh) * | 2012-09-29 | 2013-01-30 | 广东中科遥感技术有限公司 | 一种遥感数据远程云处理系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7546486B2 (en) * | 2006-08-28 | 2009-06-09 | Bycast Inc. | Scalable distributed object management in a distributed fixed content storage system |
-
2013
- 2013-04-19 CN CN201310137326.4A patent/CN103281351B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102185927A (zh) * | 2011-05-31 | 2011-09-14 | 北京亿赞普网络技术有限公司 | 一种知识即服务云计算平台 |
| CN102609507A (zh) * | 2012-02-03 | 2012-07-25 | 浙江工业大学 | 基于Web的数据可视化系统 |
| CN102904944A (zh) * | 2012-09-29 | 2013-01-30 | 广东中科遥感技术有限公司 | 一种遥感数据远程云处理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103281351A (zh) | 2013-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103281351B (zh) | 一种高效能遥感数据处理与分析的云服务平台 | |
| CN112115198B (zh) | 一种城市遥感智能服务平台 | |
| CN104021586A (zh) | 基于北斗定位的空地一体城市生态文明管理系统及方法 | |
| Lockwood et al. | Non-linear spectral subtraction (NSS) and hidden Markov models for robust speech recognition in car noise environments | |
| Li et al. | An automatic tree skeleton extracting method based on point cloud of terrestrial laser scanner | |
| WO2022166681A1 (zh) | 一种虚拟场景生成方法、装置、设备和存储介质 | |
| CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测系统 | |
| CN104216974A (zh) | 基于词汇树分块聚类的无人机航拍图像匹配的方法 | |
| CN110968636A (zh) | 面向地震预警的多维大数据分析与处理系统 | |
| Ding et al. | Time-series land cover mapping and urban expansion analysis using OpenStreetMap data and remote sensing big data: A case study of Guangdong-Hong Kong-Macao Greater Bay Area, China | |
| Pan et al. | TEC map completion using DCGAN and Poisson blending | |
| KR20230132350A (ko) | 연합 감지 모델 트레이닝, 연합 감지 방법, 장치, 설비 및 매체 | |
| Cao et al. | Urban land use classification based on aerial and ground images | |
| Li et al. | An aerial image segmentation approach based on enhanced multi-scale convolutional neural network | |
| Wang et al. | Processing methods for digital image data based on the geographic information system | |
| WO2019237840A1 (zh) | 数据集生成方法及装置 | |
| Zhang et al. | Hybrid feature CNN model for point cloud classification and segmentation | |
| CN104463962A (zh) | 基于gps信息视频的三维场景重建方法 | |
| Dong et al. | An adaptive image fusion method for sentinel-2 images and high-resolution images with long-time intervals | |
| Hui et al. | Automatic morphological filtering algorithm for airborne lidar data in urban areas | |
| Li et al. | FedDiff: Diffusion model driven federated learning for multi-modal and multi-clients | |
| Sahu et al. | Vector map generation from aerial imagery using deep learning | |
| Zhang et al. | Prototype-based clustered federated learning for semantic segmentation of aerial images | |
| CN102142155A (zh) | 面向网络交互可视化的地面三维模型数据组织方法 | |
| Heitzler et al. | Unlocking the geospatial past with deep learning–establishing a hub for historical map data in switzerland |
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: 20161228 Termination date: 20170419 |