CN103595791B - 一种海量遥感数据的云存取方法 - Google Patents
一种海量遥感数据的云存取方法 Download PDFInfo
- Publication number
- CN103595791B CN103595791B CN201310567835.0A CN201310567835A CN103595791B CN 103595791 B CN103595791 B CN 103595791B CN 201310567835 A CN201310567835 A CN 201310567835A CN 103595791 B CN103595791 B CN 103595791B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- remotely
- hdfs
- sensed data
- cloud
- 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
- Image Processing (AREA)
- Facsimiles In General (AREA)
Abstract
本发明提供的海量遥感数据的云存取方法,基于Hadoop构建所述遥感数据云计算平台,再根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔,按所述遥感图像金字塔,将所述遥感图像分割成若干切片,合成上述所有切片以形成完整影像,并写入新建的HDFS中,再采用金字塔影像存储结构的方式构建遥感数据云存储模块,构建遥感数据云读取模块。本发明提供的海量遥感数据的云存取方法,通过将云计算引入其中,基于云计算平台,进行海量遥感影像的切片及合并,并构建海量遥感数据云存储模块以及海量遥感数据读取模块,能够实现对海量遥感数据进行快速有效的存储与读取。
Description
【技术领域】
本发明涉及数据处理技术领域,特别涉及一种海量遥感数据的云存取方法。
【背景技术】
随着遥感技术的飞速发展,产生了海量的遥感影像数据,海量影像数据的存储和读取对计算机硬件和软件提出了更高要求。目前,通常是将影像数据全部读入到内存,使用时再从内存中读取相关数据,这种方法对小数据量的影像速度比较快。但是受限于计算机内存资源难以读入足够大的影像数据。因此,传统的遥感影像存取技术已经很难适应快速膨胀的遥感影像数据量。
中国专利CN103093413A公开了一种遥感影像数据写入及读取的方法和装置,采用的是按预设大小对原始遥感影像数据划分固定块,获取固定块中象素单元的颜色分量值,再对颜色分量值分配标识的方法,虽然能够降低遥感影像数据的使用成本,节省栅格数据的存储空间,但是只能处理有限量的遥感影像数据,无法快速有效的处理海量遥感影像数据。
【发明内容】
本发明目的是:提供一种海量遥感数据的云存取方法,该方法能够对海量遥感数据进行快速存取。
为实现上述目的,本发明采用下述技术方案:
一种海量遥感数据的云存取方法,包括下述步骤:
步骤S110:基于Hadoop构建遥感数据云计算平台,所述Hadoop包括HDFS和HBase,所述HDFS中存放所述遥感数据,所述HBase中存储所述遥感数据相应的元数据,所述HDFS包括NameNode和DataNode,所述NameNode中存储文件的路径信息和复制信息,所述DataNode中存储分区的文件块,所述文件块可根据所述NameNode中设置的复制数在所述DataNode间进行复制。
步骤S120:根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔;
步骤S130:按所述遥感图像金字塔,将所述遥感图像分割成若干切片,所述切片存储于所述HDFS的NameNode节点上;
步骤S140:合成上述所有切片以形成完整影像,并写入新建的HDFS中;
步骤S150:采用金字塔影像存储结构的方式构建遥感数据云存储模块;及
步骤S160:构建遥感数据云读取模块。
优选地,步骤S120中,根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔,包括下述步骤:
步骤S121:根据所述遥感数据的分辨率计算金字塔分级数;
步骤S122:建立所述金字塔并重采样;
步骤S123:计算所述金字塔各层的仿射变换参数;
步骤S124:设置切片的坐标系统,完成所述遥感数据的遥感图像金字塔的构建。
优选地,其中,根据所述遥感数据的分辨率计算金字塔分级数,具体为,按照所述遥感数据的分辨率大小,将所述遥感数据分成不同的级别,每一级别对应特定的图像分辨率大小,且级别越高对应的图像分辨率越大,级别越低对应的图像分辨率越小,第一级对应于所述金字塔的最顶层。
优选地,步骤S140中,合成上述所有切片以形成完整影像,并写入新建的HDFS中,包括下述步骤:
步骤S141:从所述NameNode的切片目录下的文件中读取完整影像的尺寸信息;
步骤S142:根据所述完整影像的尺寸信息创建新的栅格文件;
步骤S143:读取所述栅格文件的空间参考和仿射变换信息;
步骤S144:创建新的HDFS文件系统,并给其设置空间参考和仿射变换信息;
步骤S145:遍历读取原HDFS中所有需要合并的切片,写入新建的HDFS中并保存。
优选地,步骤S160中,构建遥感数据云读取模块,具体包括下述步骤:
步骤S161:从所述HBase的变更表中获取HDFS中实际存储文件名;
步骤S162:所述NameNode节点得到此文件的所有文件块路径信息和复制信息;
步骤S163:通过所述HDFS的访问接口从对应的所述DataNode中读取所有文件块;
步骤S164:在读取完成后关闭与所述HDFS的连接,实现对所述遥感数据云读取模块的构建。
采用上述技术方案,本发明的有益效果在于:
本发明上述实施例提供的海量遥感数据的云存取方法,基于Hadoop构建所述遥感数据云计算平台,再根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔,按所述遥感图像金字塔,将所述遥感图像分割成若干切片,合成上述所有切片以形成完整影像,并写入新建的HDFS中,再采用金字塔影像存储结构的方式构建遥感数据云存储模块,构建遥感数据云读取模块。本发明提供的海量遥感数据的云存取方法,通过将云计算引入其中,基于云计算平台,进行海量遥感影像的切片及合并,并构建海量遥感数据云存储模块以及海量遥感数据读取模块,能够实现对海量遥感数据进行快速有效的存储与读取。
【附图说明】
图1为本发明实施例提供的海量遥感数据的云存取方法的步骤流程图;
图2为本发明实施例提供的根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔的步骤流程图;
图3为本发明实施例提供的合成所有切片以形成完整影像,并写入新建的HDFS中的步骤流程图;
图4为本发明实施例提供的构建遥感数据云读取模块的步骤流程图。
【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,以下结合附图及具体实施例,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仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1为本发明实施例提供的海量遥感数据的云存取方法的步骤流程图100,包括下述步骤S110~步骤S160:
步骤S110:基于Hadoop构建遥感数据云计算平台;
其中,所述Hadoop包括HDFS和HBase,所述HDFS中存放所述遥感影像数据,所述HBase中存储所述遥感影像数据相应的元数据,所述HDFS至少包括一个NameNode和多个DataNode,所述NameNode中存储文件的路径信息和复制信息,所述DataNode中存储分区的文件块,所述文件块可根据所述NameNode中设置的复制数在所述DataNode间进行复制。
可以理解,上述云计算平台可以通过自我复制支持,允许硬件失败,采用流数据访问大数据集,具有一次写多次读的简单一致模型,支持异构硬件和软件平台。
步骤S120:根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔;
请参阅图2,图2为本发明实施例提供的根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔的步骤流程图200,包括下述步骤:
步骤S121:根据所述遥感数据的分辨率计算金字塔分级数;
优选地,按照所述遥感数据的分辨率大小,将所述遥感数据分成不同的级别,每一级别对应特定的图像分辨率大小,且级别越高对应的图像分辨率越大,级别越低对应的图像分辨率越小,第一级对应于所述金字塔的最顶层。
可以理解,对切片遥感数据的等级的划分需要与地图的标准相匹配,使用划分好的全球经纬网格进行裁切,不同的分辨率采用不同大小的格网,如影像分辨率为2.5米时,采用的是10°*10°大小的网格切片,而当影像分辨率为0.1米时,采用的是1°*1°大小的网格切片。当然,这只是举个例,在实际操作中,可以根据实际情况,选择合适的单元网格切片,则整个遥感影像被切分成了大小相同的N个网格切片。
步骤S122:建立所述金字塔并重采样;
步骤S123:计算所述金字塔各层的仿射变换参数;
步骤S124:设置切片的坐标系统,完成所述遥感数据的遥感图像金字塔的构建。
可以理解,通过计算金字塔分级数,建立金字塔并重采样,计算金字塔各层的仿射变换参数,设置切片的坐标系统等信息后作为对影像进行切分的依据。
步骤S130:按所述遥感图像金字塔,将所述遥感图像分割成若干切片,所述切片存储于所述HDFS的NameNode节点上;
可以理解,将整幅遥感影像按照其金字塔分层的级别分割成若干小的图片,每个切片单独存储为一个文件,并按照预先规定的规则存储在HDFS文件系统的DataNode节点上。同时,在影像切分时,需要预定义一组以切片为单位显示或处理时坐标映射、影像显示的标准切分参数,保证影像切分过程的一致性和切片信息描述的完整性。
步骤S140:合成上述所有切片以形成完整影像,并写入新建的HDFS中;
请参阅图3,图3为本发明实施例提供的合成所有切片以形成完整影像,并写入新建的HDFS中的步骤流程图300,包括下述步骤:
步骤S141:从所述NameNode的切片目录下的文件中读取完整影像的尺寸信息;
步骤S142:根据所述完整影像的尺寸信息创建新的栅格文件;
步骤S143:读取所述栅格文件的空间参考和仿射变换信息;
步骤S144:创建新的HDFS文件系统,并给其设置空间参考和仿射变换信息;
步骤S145:遍历读取原HDFS中所有需要合并的切片,写入新建的HDFS中并保存。
可以理解,遥感影像切分后,要将切片目录中的所有切片合成在一起,形成一幅完整的影像,且该完整影像需要复制存储在HBase中切片的空间参考、仿射变换等信息。从NameNode的切片目录下的文件中读取完整影像的尺寸信息,读取得到影像的宽度和高度;再创建用户指定格式的数据类型的驱动以用来创建新的栅格文件;读取空间参考、仿射变换等信息;创建新的HDFS文件系统,并给其设置空间参考、仿射变换等信息;遍历读取原HDFS中所有需要合并的切片,写入新建的HDFS中并保存,从而合成所有切片以形成完整影像。
步骤S150:采用金字塔影像存储结构的方式构建遥感数据云存储模块;
可以理解,所有的遥感影像切片都存储在HDFS中,而HBase中则存储相应的元数据,这种方式在Hadoop环境下可以获得较稳定的数据存储效率。NameNode中存储所有文件的路径信息、复制信息等,而切分后的每个遥感影像文件都将合并后存储在Block中,每个Block存储在DataNode节点上,在建立影像金字塔模型时影像数据自底向上逐渐缩小,因此有的影像层数据大于Block大小,而有些层的影像数据则小于Block大小。采用分级、分块的金字塔影像存储结构的方式,解决大数据量遥感影像快速读取、存储的技术问题。
步骤S160:构建遥感数据云读取模块;
请参阅图4,图4为本发明实施例提供的构建遥感数据云读取模块的步骤流程400,包括下述步骤:
步骤S161:从所述HBase的变更表中获取HDFS中实际存储文件名;
步骤S162:所述NameNode节点得到此文件的所有文件块路径信息和复制信息;
步骤S163:通过所述HDFS的访问接口从对应的所述DataNode中读取所有文件块;
步骤S164:在读取完成后关闭与所述HDFS的连接,实现对所述遥感数据云读取模块的构建。
可以理解,当客户端发送一个读取遥感影像文件请求时,首先从HBase的变更表中获取HDFS中实际存储文件名,再从NameNode节点得到此文件的所有文件块路径信息、复制信息等,然后通过HDFS的访问接口从对应的DataNode中读取所有文件块,最后在读取完成后关闭与HDFS文件系统的连接。
可以理解,当客户端在发起一个数据读取请求时,必须通过NameNode得到数据在HDFS中实际存储位置,默认存取数据的方式对于用户来说是透明的,即用户只需要知道存储时的文件名,而无需关心具体有多少副本,以及如果存储文件的某个节点失败时,HDFS将读取请求转移到另外一个DataNode是如何实现的。
本发明上述实施例提供的海量遥感数据的云存取方法,基于Hadoop构建所述遥感数据云计算平台,再根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔,按所述遥感图像金字塔,将所述遥感图像分割成若干切片,合成上述所有切片以形成完整影像,并写入新建的HDFS中,再采用金字塔影像存储结构的方式构建遥感数据云存储模块,构建遥感数据云读取模块。本发明提供的海量遥感数据的云存取方法,通过将云计算引入其中,基于云计算平台,进行海量遥感影像的切片及合并,并构建海量遥感数据云存储模块以及海量遥感数据读取模块,能够实现对海量遥感数据进行快速有效的存储与读取。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (4)
1.一种海量遥感数据的云存取方法,其特征在于,包括下述步骤:
步骤S110:基于Hadoop构建遥感数据云计算平台,所述Hadoop包括HDFS和HBase,所述HDFS中存放所述遥感数据,所述HBase中存储所述遥感数据相应的元数据,所述HDFS包括NameNode和DataNode,所述NameNode中存储文件的路径信息和复制信息,所述DataNode中存储分区的文件块,所述文件块可根据所述NameNode中设置的复制数在所述DataNode间进行复制;
步骤S120:根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔;
步骤S130:按所述遥感图像金字塔,将所述遥感图像分割成若干切片,所述切片存储于所述HDFS的NameNode节点上;
步骤S140:合成上述所有切片以形成完整影像,并写入新建的HDFS中;
步骤S150:采用金字塔影像存储结构的方式构建遥感数据云存储模块;及
步骤S160:构建遥感数据云读取模块;
步骤S140中,合成上述所有切片以形成完整影像,并写入新建的HDFS中,包括下述步骤:
步骤S141:从所述NameNode的切片目录下的文件中读取完整影像的尺寸信息;
步骤S142:根据所述完整影像的尺寸信息创建新的栅格文件;
步骤S143:读取所述栅格文件的空间参考和仿射变换信息;
步骤S144:创建新的HDFS文件系统,并给其设置空间参考和仿射变换信息;
步骤S145:遍历读取原HDFS中所有需要合并的切片,写入新建的HDFS中并保存。
2.根据权利要求1所述的海量遥感数据的云存取方法,其特征在于,步骤S120中,根据所述遥感数据的分辨率构建所述遥感数据的遥感图像金字塔,包括下述步骤:
步骤S121:根据所述遥感数据的分辨率计算金字塔分级数;
步骤S122:建立所述金字塔并重采样;
步骤S123:计算所述金字塔各层的仿射变换参数;
步骤S124:设置切片的坐标系统,完成所述遥感数据的遥感图像金字塔的构建。
3.根据权利要求2所述的海量遥感数据的云存取方法,其特征在于,其中,根据所述遥感数据的分辨率计算金字塔分级数,具体为,按照所述遥感数据的分辨率大小,将所述遥感数据分成不同的级别,每一级别对应特定的图像分辨率大小,且级别越高对应的图像分辨率越大,级别越低对应的图像分辨率越小,第一级对应于所述金字塔的最顶层。
4.根据权利要求1所述的海量遥感数据的云存取方法,其特征在于,步骤S160中,构建遥感数据云读取模块,具体包括下述步骤:
步骤S161:从所述HBase的变更表中获取HDFS中实际存储文件名;
步骤S162:所述NameNode节点得到此文件的所有文件块路径信息和复制信息;
步骤S163:通过所述HDFS的访问接口从对应的所述DataNode中读取所有文件块;
步骤S164:在读取完成后关闭与所述HDFS的连接,实现对所述遥感数据云读取模块的构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310567835.0A CN103595791B (zh) | 2013-11-14 | 2013-11-14 | 一种海量遥感数据的云存取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310567835.0A CN103595791B (zh) | 2013-11-14 | 2013-11-14 | 一种海量遥感数据的云存取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103595791A CN103595791A (zh) | 2014-02-19 |
CN103595791B true CN103595791B (zh) | 2017-02-08 |
Family
ID=50085771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310567835.0A Expired - Fee Related CN103595791B (zh) | 2013-11-14 | 2013-11-14 | 一种海量遥感数据的云存取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103595791B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205082A (zh) | 2014-06-27 | 2015-12-30 | 国际商业机器公司 | 用于处理hdfs中的文件存储的方法和系统 |
CN104408202B (zh) * | 2014-12-17 | 2017-08-08 | 武汉大学 | 面向关系数据库扩展的自适应影像金字塔切片方法 |
CN105045856B (zh) * | 2015-07-09 | 2018-08-10 | 中国资源卫星应用中心 | 一种基于Hadoop的大数据遥感卫星数据处理系统 |
CN105786942B (zh) * | 2015-11-27 | 2019-11-26 | 武汉大学 | 一种基于云平台的地理信息存储系统 |
CN105824867A (zh) * | 2015-12-14 | 2016-08-03 | 广东亿迅科技有限公司 | 一种基于多级分布化元数据的海量文件管理系统 |
CN105589951B (zh) * | 2015-12-18 | 2019-03-26 | 中国科学院计算机网络信息中心 | 一种海量遥感影像元数据分布式存储方法及并行查询方法 |
CN105654137B (zh) * | 2015-12-31 | 2019-01-11 | 中国科学院电子学研究所 | 一种海量遥感数据分类组织方法 |
CN105893620A (zh) * | 2016-04-28 | 2016-08-24 | 江苏物联网研究发展中心 | 基于分布式数据库的海量超大影像存取方法 |
CN106503093B (zh) * | 2016-10-13 | 2019-06-11 | 华东师范大学 | 一种适用于分布式计算环境的大型遥感影像重构方法 |
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 |
CN106845075B (zh) * | 2016-12-20 | 2021-07-20 | 杭州联众医疗科技股份有限公司 | 一种集中诊断报告系统 |
CN106909644B (zh) * | 2017-02-21 | 2019-03-26 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
CN107240130B (zh) * | 2017-06-06 | 2020-12-04 | 苍穹数码技术股份有限公司 | 遥感影像配准方法、装置及系统 |
CN107423431A (zh) * | 2017-08-03 | 2017-12-01 | 东北林业大学 | 一种基于分布式文件系统的遥感数据存储方法及系统 |
CN108563674B (zh) * | 2018-02-11 | 2019-11-08 | 中国水产科学研究院南海水产研究所 | 基于rs和gis的海域地理要素测量方法、系统及装置 |
CN109783665B (zh) * | 2018-12-29 | 2022-10-14 | 武汉大学 | 基于Google S2实现Hbase数据库遥感大数据入库模型的设计方法 |
CN110427446B (zh) * | 2019-08-02 | 2023-05-16 | 武汉中地数码科技有限公司 | 一种海量影像服务快速发布与浏览方法及系统 |
CN112966134B (zh) * | 2021-03-26 | 2022-06-28 | 北京亿耘科技有限公司 | 一种遥感影像数据处理方法、系统和存储介质 |
CN112991475A (zh) * | 2021-05-17 | 2021-06-18 | 航天宏图信息技术股份有限公司 | 一种遥感图像的获取方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339570A (zh) * | 2008-08-12 | 2009-01-07 | 北京航空航天大学 | 一种高效的海量遥感数据分布式组织管理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7570158B2 (en) * | 2006-08-17 | 2009-08-04 | At&T Intellectual Property I, L.P. | Collaborative incident media recording system and related methods |
-
2013
- 2013-11-14 CN CN201310567835.0A patent/CN103595791B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339570A (zh) * | 2008-08-12 | 2009-01-07 | 北京航空航天大学 | 一种高效的海量遥感数据分布式组织管理方法 |
Non-Patent Citations (2)
Title |
---|
云计算环境下高分辨率遥感影像存储与高校管理技术研究;康俊锋;《中国博士学位论文全文数据库基础科技辑》;20111215(第12期);第1-47页 * |
面向海量遥感影像数据的分布式文件系统管理技术研究;王旭东;《中国优秀硕士学位论文全文数据库基础科技辑》;20130215(第2期);第1-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103595791A (zh) | 2014-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103595791B (zh) | 一种海量遥感数据的云存取方法 | |
US10089331B2 (en) | System and method for storing a dataset of image tiles | |
CN109544683B (zh) | 基于倾斜摄影数据的城市建筑群地震反应动态可视化方法 | |
CN106599025B (zh) | 一种基于数据交换格式的矢量数据切片方法及系统 | |
CN103995861A (zh) | 一种基于空间关联的分布式数据装置、方法及系统 | |
CN101364310A (zh) | 一种三维模型图形的生成方法和装置 | |
CN111291016A (zh) | 一种海量遥感影像数据分层混合存储与索引方法 | |
CN111125392B (zh) | 一种基于矩阵对象存储机制的遥感影像存储、查询方法 | |
CN113628331B (zh) | 一种虚幻引擎中摄影测量模型的数据组织和调度方法 | |
CN113066157A (zh) | 基于cim平台的数据分级请求渲染方法及系统 | |
Arundel et al. | Preparing The National Map for the 3D Elevation Program–products, process and research | |
CN105045930A (zh) | 一种栅格数据切片生成的方法及系统 | |
US10013474B2 (en) | System and method for hierarchical synchronization of a dataset of image tiles | |
Minto et al. | Online access and sharing of reality-based 3D models | |
Li et al. | An improved distributed storage model of remote sensing images based on the HDFS and pyramid structure | |
CN110634184B (zh) | 一种海量倾斜摄影数据的加载方法 | |
Skála et al. | Dynamic hierarchical triangulation of a clustered data stream | |
CN116797747A (zh) | 水下检测数据可视化方法、装置、计算机设备和存储介质 | |
Nguyen et al. | Progressive streaming and massive rendering of 3D city models on web-based virtual globe | |
Kang et al. | Developing a tile-based rendering method to improve rendering speed of 3d geospatial data with html5 and webgl | |
Pacina et al. | Pre‐dam valley reconstruction based on archival spatial data sources: Methods, accuracy, and 3D printing possibilities | |
CN113495935A (zh) | 一种基于不规则三角化网格剖分的地形切片方法和系统 | |
KR20220085369A (ko) | 의미론적 객체 매칭을 통한 파노라마 텍스처 매핑 방법 및 시스템 | |
Brůha et al. | A procedural footprint enhancement of global topographic surface with multiple levels of detail | |
Hu et al. | Geospatial web service for remote sensing data visualization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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 |
Granted publication date: 20170208 Termination date: 20171114 |
|
CF01 | Termination of patent right due to non-payment of annual fee |