CN104574265A - 卫星遥感图像数据的处理方法及装置 - Google Patents
卫星遥感图像数据的处理方法及装置 Download PDFInfo
- Publication number
- CN104574265A CN104574265A CN201410850797.4A CN201410850797A CN104574265A CN 104574265 A CN104574265 A CN 104574265A CN 201410850797 A CN201410850797 A CN 201410850797A CN 104574265 A CN104574265 A CN 104574265A
- Authority
- CN
- China
- Prior art keywords
- view data
- remote sensing
- data
- appointment view
- sensing images
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种卫星遥感图像数据的处理方法及装置,其中该方法包括:按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据;对于每个指定图像数据,生成与指定图像数据对应的图像处理任务;按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务,也就是说基于时分解码以遥感数据对应的时序为基础,将每个时间段所对应的遥感数据生成一项处理任务,进而实现多路并行,也就是执行不同的时间段处理不同任务目的。通过本发明,解决了相关技术中卫星遥感图像预处理系统的时效性差的问题,提升了卫星遥感图像的处理效率。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种卫星遥感图像数据的处理方法及装置。
背景技术
随着航空航天遥感技术的快速发展,国民经济生产过程中对遥感图像产品的需求也越来越多;特别是在国土防御、区域侦察等军事应用领域,灾害监测、应急救灾、防灾预警等民用领域都有着极其重要的作用。随着现代各种通讯方式及信息共享方式飞速发展,人们在应用遥感图像产品的同时,对产品的实效性要求也越来越高;尤其是在突发、紧急情况下,能否及时获取热点地区的监测信息,对制定下一步决策具有重大意义。
运行中的遥感卫星、地面数据接收系统、地面图像预处理系统和各种应用系统构成了卫星遥感数据从获取到应用的完整流程。地面图像预处理系统位于整个数据处理流程的中间环节,既是卫星遥感数据的归宿,又是应用系统卫星遥感数据的来源。图像预处理流程是预处理系统的核心,其一般由三部分功能组成,包括图像数据接收存档、系统级的图像预处理和标准产品生成与发布。图像数据接收存档是指接收经解密解压缩后的图像数据流,同时对不同电荷耦合器件(Charge Coupled Devices简称为CCD)原始数据归档、存储及管理的过程。系统级的图像预处理是指将卫星拍摄过程中的多片时间延迟积分(Time delayed In-tegrated简称为TDI)CCD图像经过图像匹配,拼接生成完整的影像图,并开展基于卫星姿态与轨道、传感器特性等系统参数的辐射校正、几何校正等相关处理。标准产品生成与发布是指系统根据制定的需求,完成各级标准产品的生产及产品的共享分发。图像预处理是生成可用的遥感图像产品的必要过程,在整个图像生产及应用中具有关键作用。
总体来看,国内外对地面图像预处理流程详细设计和实现介绍较少,目前相关技术中主要的技术途径为先接收存储、后处理生产的异步式处理模式,即先接收原始图像文件进行数据存储,存储完成后,再对图像进行系统级预处理,最后完成图像产品的生成及发布。
如:刘定生等(2008)(刘定生、陈元伟、李景山.遥感卫星地面预处理系统技术发展模式探讨[J].遥感信息:89-90.)提出了第三代地面预处理系统中,用户可以自定义处理流程中,系统支撑层采用并行计算、并行存储方式,从图像预处理整个流程来看,实质仍为先接收存储、后处理生产异步处理的模式;向彪等(2008)(向彪、李国庆、刘定生、李景山.高性能遥感卫星地面预处理系统中任务管理与设计技术研究[J].宇航学报.2008,29(4):1445-1446)提出为实现对卫星数据快速预处理的特性,GHIPS任务调度系统提供两种并行任务调度策略以实现最高的处理性能。对计算量不大的任务,系统采用任务级的并行调度策略;对于算法复杂或大数据量处等计算密集型任务,系统则采用算法级并行策略。该处理方法虽然采用了大量的并行处理,但仍然在任务级及算法级采用,未表明在整个处理流程中采用实时处理模式。图1是相关技术中图像预处理流程图,如图1所示;李景山等(2008)(李景山、陈元伟、李定生.基于工作流的新一代多卫星地面预处理系统设计与实现[J].遥感技术与应用.2008,23(4):64-69.)提出采用基于工作流的多卫星地面预处理系统,中心思想是采用基于工作流多个数据处理模块按需组合,来满足多卫星多传感器处理需求,未提及处理流程时效性。
可见,相关技术中的遥感图像预处理系统在流程设计上,对于图像数据接收存储、图像预处理(尤其是图像拼接)和标准产品生产三个主要的耗时环节上仍然是采用异步式、串行化的处理流程,即先完成图像接收存储,再对存储完成后的图像文件进行拼接处理,最后再进行标准产品生产及编目分发等工作,进而导致系统的时效性较差。
针对相关技术中卫星遥感图像预处理系统的时效性差的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种卫星遥感图像数据的处理方法及装置,至少解决相关技术中卫星遥感图像预处理系统的时效性差的问题。
根据本发明的一个方面,提供了一种卫星遥感图像数据的处理方法,包括:按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,所述多个指定图像数据组成所述卫星遥感图像数据;对于每个所述指定图像数据,生成与所述指定图像数据对应的图像处理任务,其中,所述图像处理任务与时间段是对应的;按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务。
进一步地,按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务包括:按照所述时间顺序对所述指定图像数据执行图像预处理操作,以及对预处理操作后的所述指定图像数据执行标准产品生成及发布操作。
进一步地,接收卫星遥感图像数据包括:通过由多个环形队列组成的缓冲区接收所述指定图像数据;将所述缓冲区中接收到的所述指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
进一步地,对所述指定图像数据执行图像预处理操作包括:对所述指定图像数据执行图像数据拼接,生成影像图;对所述影像图执行辐射校正和几何校正的操作。
进一步地,对所述指定图像数据执行图像数据拼接包括:对所述指定图像数据进行周期性的实时拼接,其中,将接收到的指定图像数据数量作为一个周期。
进一步地,对预处理后的所述指定图像数据执行标准产品生成及发布操作包括:对预处理后的所述指定图像数据执行实时的生成和归档。
根据本发明的另一个方面,提供了一种卫星遥感图像数据的处理装置,包括:分段模块,用于按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,所述多个指定图像数据组成所述卫星遥感图像数据;生成模块,用于对于每个所述指定图像数据,生成与所述指定图像数据对应的图像处理任务,其中,所述图像处理任务与时间段是对应的;执行模块,用于按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务。
进一步地,所述执行模块还用于,按照所述时间顺序对所述指定图像数据执行图像预处理操作,以及对预处理操作后的所述指定图像数据执行标准产品生成及发布操作。
进一步地,所述装置还包括:接收模块,用于通过由多个环形队列组成的缓冲区接收所述指定图像数据;存储模块,用于将所述缓冲区中接收到的所述指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
进一步地,所述执行模块包括:第一执行单元,用于对所述指定图像数据执行图像数据拼接,生成影像图;第二执行单元,用于对所述影像图执行辐射校正和几何校正的操作。
通过本发明,采用按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,多个指定图像数据组成卫星遥感图像数据;对于每个指定图像数据,生成与指定图像数据对应的图像处理任务,其中,图像处理任务与时间段是对应的;按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务的方式,解决了相关技术中卫星遥感图像预处理系统的时效性差的问题,提升了卫星遥感图像的处理效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是相关技术中图像数据预处理流程图;
图2是根据本发明实施例的卫星遥感图像数据的处理方法流程图;
图3是根据本发明实施例的卫星遥感图像数据的处理装置结构框图;
图4是根据本发明实施例的卫星遥感图像数据的处理装置可选结构框图一;
图5是根据本发明实施例的卫星遥感图像数据的处理装置可选结构框图二;
图6是根据本发明可选实施例的基于时分解码、多路并行的图像预处理流程示意图;
图7是根据本发明可选实施例的基于时分解码多路并行处理的图像预处理系统整体实现流程示意图;
图8是根据本发明可选实施例的基于时序图进行图像预处理的流程示意图;
图9是根据本发明可选实施例的环形队列结构结构图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本实施例提供了一种卫星遥感图像数据的处理方法,图2是根据本发明实施例的卫星遥感图像数据的处理方法流程图,如图2所示,该方法的步骤包括:
步骤S202:按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据;
其中,多个指定图像数据组成卫星遥感图像数据;
步骤S204:对于每个指定图像数据,生成与指定图像数据对应的图像处理任务;
其中,图像处理任务与时间段是对应的;
步骤S206:按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务。
通过本实施例,以卫星遥感数据对应的时间顺序为基础,将卫星遥感图像数据进行分段,每个时间段所对应的卫星遥感数据生成一项处理任务,不同时间段处理不同任务,按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务,进而达到实时、多路并行处理的目的,解决了相关技术中卫星遥感图像预处理系统的时效性差的问题,提升了卫星遥感图像的处理效率。
在本实施例中,按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务的方式有多种,而在本实施例的一个可选实施例中上述方式可以通过如下方式来实现:按照时间顺序对指定图像数据执行图像预处理操作,以及对预处理操作后的指定图像数据执行标准产品生成及发布操作;其中,在本实施例的一个可选实施方式中该指定图像数据可以是TDI CCD原始图像数据,也即该指定图像数据可以根据需要进行相应的调整。
此外,对于本实施例中涉及到的接收卫星遥感图像数据同样是也可以采用多种方式来实现,在本实施例的另一个可选实施方式中通过如下方式来实现:
步骤S21:通过由多个环形队列组成的缓冲区接收指定图像数据;
其中,环形队列的缓冲区不需要进行动态的内存申请和释放,使用固定大小的内存空间反复使用,提高了内存的使用效率,同时避免了动态申请内存的耗时。
步骤S22:将缓冲区中接收到的指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
其中,该高速固态盘与小型磁盘阵列组成的存储系统,采用1M块大小进行数据的写入,以50M块大小进行数据的读出。该读、写缓存也采用基于环形队列在缓冲池机制,从而能够发挥其更优读、写性能。
在本实施例中还涉及到对指定图像数据执行图像预处理操作的方式,该方式可以包括:
步骤S31:对指定图像数据执行图像数据拼接,生成影像图;
其中,基于上述指定图像数据在本实施例的一个可选实施方式中可以为TDI CCD原始图像数据;因此,上述步骤S31的一个应用场景可以是:将N片TDI CCD图像数据进行拼接,生成完整的影像图;
此外,对于实施例中的图像数据拼接可选的是对指定图像数据进行周期性的实时拼接,其中,将接收到的指定图像数据数量作为一个周期。当接收到的数据量满足周期拼接需求时,拼接线程开始进行实时处理,数据接收和拼接采用多路并行处理模式,在时间上,采用时分解码方式。
步骤S32:对影像图执行辐射校正和几何校正的操作。
最后,在本实施例中还涉及到对预处理后的指定图像数据执行标准产品生成及发布操作,该操作可以是:对预处理后的指定图像数据执行实时的生成和归档。
在本实施例中还提供了一种卫星遥感图像数据的处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”“单元”可以实现预定功能的软件和/或硬件的组合。
图3是根据本发明实施例的卫星遥感图像数据的处理装置结构框图,如图3所示,该装置包括:分段模块32,用于按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,多个指定图像数据组成卫星遥感图像数据;生成模块34与分段模块32耦合连接,用于对于每个指定图像数据,生成与指定图像数据对应的图像处理任务,其中,图像处理任务与时间段是对应的;执行模块36与生成模块34耦合连接,用于按照当前所处的时间段,执行与当前所处时间段对应的一个或多个图像处理任务。
可选地,执行模块36还用于,按照时间顺序对指定图像数据执行图像预处理操作,以及对预处理操作后的指定图像数据执行标准产品生成及发布操作。
图4是根据本发明实施例的卫星遥感图像数据的处理装置可选结构框图一,如图4所示,装置还包括:接收模块42与存储模块44耦合连接,用于通过由多个环形队列组成的缓冲区接收指定图像数据;存储模块44与分段模块32耦合连接,用于将缓冲区中接收到的指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
图5是根据本发明实施例的卫星遥感图像数据的处理装置可选结构框图二,如图5所示,执行模块36包括:第一执行单元52,用于对指定图像数据执行图像数据拼接,生成影像图;第二执行单元54与第一执行单元52耦合连接,用于对影像图执行辐射校正和几何校正的操作。
下面结合本发明的可选实施例对本发明进行举例说明。
本可选实施例提供了一种基于时分解码、多路并行式的卫星遥感图像高速处理方法,本可选实施例的主要发明思想是以遥感数据对应的时序为基础,每个时间段所对应的遥感数据生成一项多功能处理任务,不同时间段处理不同任务,达到实时、多路并行处理的目的;图6是根据本发明可选实施例的基于时分解码、多路并行的图像预处理流程示意图,如图6所示,该方法采用软、硬件相结合的方式,对图像接收存储、图像预处理和标准产品生产三个主要环节进行了基于时分解码式的并行化处理设计。通过本可选实施例可以有效的解决遥感图像预处理系统的时效性问题,达到了幅度提升了遥感图像的处理效率的效果。
本可选实施例的方法采用基于时分解码的多路并行式的数据处理模式,将原始数据接收归档、图像预处理、标准产品生成及发布三部分设计成边接收边生产处理的时分解码、多路并行处理方式,在接收数据的同时,进行数据的处理及产品的生产。采用软件、和硬件相结合的方式解决前端高码速率数据接收存储与处理的冲突,使实时接收、处理数据能力达到800MBps以上,采用时分解码、多路并行的处理模型,使处理效率大幅提升,达到从接收到原始数据到完成标准图像产品分发,每景平均耗时仅为49秒,与相关技术中处理方式相比整体性能提升了21.7%。
下面结合本可选实施例的具体实施例及附图对本可选实施例进行详细的说明;
可选实施一
图7是根据本发明可选实施例的基于时分解码多路并行处理的图像预处理系统整体实现流程示意图,图8是根据本发明可选实施例的基于时序图进行图像预处理的流程示意图,如图7和图8所示,该预处理的过程包括:
步骤S302:图像数据的接收、存储;
其中,图像数据的接收及存储位于整个处理流程的最前端,它的主要任务是接收高码速率的原始码流数据,并将数据进行解析、格式化,按规定的格式进行数据存储。随着遥感影像空间分辨率、光谱分辨率和时间分辨率大大提高,星上数据采集大幅度增加,相应的卫星下传的码速率也越来越高,为了适应这种超高码速率的接收、存储,采用软、硬件相结合的方式,实现了实时接收、处理数据能力800MBps以上。
对于本可选实施例中的硬件的设计:底层采用最新硬件设备—高速固态盘与小型磁盘阵列共同构建的存储系统,经过专业检测工具进行测试,该存储系统的写入速度达到1000MBps,同时读出速度达到2000MBps,实现海量数据的高速访问。
对于本可选实施例的软件的设计:上层软件采用能发挥高速固态盘最优性能的Intel TBB并行软件数据存储结构,该结构由三个主要部分组成,一、合理软件缓冲区;二、完善的读、写机制。三、高性能的同步方式。
软件在接收高速码流数据时,处理的数据量较大,动态申请内存较频繁,为了更有效使用内存空间,节省申请内存的时间。图9是根据本发明可选实施例的环形队列结构结构图,如图9所示,软件的缓冲区使用了由多个环形队列组成的内存池,环形队列的特点是,不需要进行动态的内存申请和释放,使用固定大小的内存空间反复使用,提高了内存的使用效率,同时避免了动态申请内存的耗时。
此外,底层的硬件设备采用高速固态盘,为了能够发挥其最优读、写性能,采用1M块大小进行数据的写入,以50M块大小进行数据的读出。读、写缓存也采用基于环形队列在缓冲池机制。
多线程的并行处理方式中,同时对同一缓冲区进行读、写操作,需要采用临界区机制进行同步处理,为了提高同步处理的效率,软件中融合了Intel TBB并行处理模式,大大提高了处理的性能。
步骤S304:图像数据预处理;
其中,图像数据预处理环节的输入是接收到的图像数据,主要任务是将N片TDICCD图像数据进行拼接,生成完整的影像图,并进行系统级的辐射校正和几何校正。
TDI CCD图像的拼接与相关技术中处理方式有很大区别,相关技术中拼接方式采用是先接收、存储,完成存储后,再进行拼接及后续产品的生产。本流程中,图像拼接采用的是基于周期方式的实时图像拼接,以固定数据行数为一个拼接周期,当接收到的数据量满足周期拼接需求时,拼接线程开始进行实时处理,数据接收和拼接采用多路并行处理模式,在时间上,采用时分解码方式。其实现流程如图8所示。
步骤S306:标准产品的生成及发布;
其中,标准产品生成及发布主要任务是完成0-2级产品的生成、存储及实时的归档、发布。本环节采用实时生成、实时归档模式,即采用多线程、并行处理方式,在标准产品生成的同时,将生成的产品进行归档、发布,确保本环节的效率。
对于本可选实施例中的图像预处理流程中各个功能模块全部采用时分解码模式。
可见,本可选实施例中的图像预处理流程三大环节中包含了11个功能模块,即数据接收、格式解析、原始数据存储、CCD条带拼接、辐射校正、系统几何校正、图像数据的存储、0级产品的生成归档、1级产品的生成归档、2级产品的生成归档、图像产品的分发。每个环节都采用时分解码模式,只要接收到原始数据,后序功能处理模块就开始启动,等待数据处理,接收一景,处理一景。
此外,图像预处理过程11个功能模块采用多任务、并行处理模式,在接收数据的同时,也在进行格式解析、条带拼接、产品生产等工作,最大程度保证实时性。由于每景图像预处理方法主要流程一致,使用的参数也相同,可以实行多任务并行的策略。
而且,本可选实施例严格控制关键处理环节的耗时,达到整体流程耗时最短。
其中,在流程实现过程中,对图像处理的关键环节的耗时进行严格控制,其中从数据接收、格式解析到完成CCD条带拼接,每景(16384*16384=512M)平时耗时为12秒,0级产品生成并归档平均耗时1秒,1级产品生成并归档平均耗时1秒,2级产品生成并归档平均耗时30秒,数据分发平均每景耗时5秒,整体平均耗时49秒,与相关技术中处理方式相比整体性能提升了21.7%。
通过本可选实施例提供的一种时分解码、多路并行式卫星地面图像实时预处理新流程方法,采用基于时分解码,多路并行式处理新模式;以遥感数据对应的时序为基础,每个时间段所对应的遥感数据生成一项多功能处理任务,不同时间段处理不同任务,达到了接收原始码流速率不低于800MBps,从接收到原始数据到生产完二级图像产品平均时延49秒的能力,与相关技术中处理方式相比整体性能提升了21.7%。
上述仅为本发明的可选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种卫星遥感图像数据的处理方法,其特征在于,包括:
按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,所述多个指定图像数据组成所述卫星遥感图像数据;
对于每个所述指定图像数据,生成与所述指定图像数据对应的图像处理任务,其中,所述图像处理任务与时间段是对应的;
按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务。
2.根据权利要求1所述的方法,其特征在于,按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务包括:
按照所述时间顺序对所述指定图像数据执行图像预处理操作,以及对预处理操作后的所述指定图像数据执行标准产品生成及发布操作。
3.根据权利要求1所述的方法,其特征在于,接收卫星遥感图像数据包括:
通过由多个环形队列组成的缓冲区接收所述指定图像数据;
将所述缓冲区中接收到的所述指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
4.根据权利要求2所述的方法,其特征在于,对所述指定图像数据执行图像预处理操作包括:
对所述指定图像数据执行图像数据拼接,生成影像图;
对所述影像图执行辐射校正和几何校正的操作。
5.根据权利要求4所述的方法,其特征在于,对所述指定图像数据执行图像数据拼接包括:
对所述指定图像数据进行周期性的实时拼接,其中,将接收到的指定图像数据数量作为一个周期。
6.根据权利要求5所述的方法,其特征在于,对预处理后的所述指定图像数据执行标准产品生成及发布操作包括:
对预处理后的所述指定图像数据执行实时的生成和归档,其中,所述指定图像数据为TDI CCD原始图像数据。
7.一种卫星遥感图像数据的处理装置,其特征在于,包括:
分段模块,用于按照接收的时间顺序对接收的卫星遥感图像数据进行分段,得到分段后的多个指定图像数据,其中,所述多个指定图像数据组成所述卫星遥感图像数据;
生成模块,用于对于每个所述指定图像数据,生成与所述指定图像数据对应的图像处理任务,其中,所述图像处理任务与时间段是对应的;
执行模块,用于按照当前所处的时间段,执行与所述当前所处时间段对应的一个或多个所述图像处理任务。
8.根据权利要求7所述的装置,其特征在于,所述执行模块还用于,按照所述时间顺序对所述指定图像数据执行图像预处理操作,以及对预处理操作后的所述指定图像数据执行标准产品生成及发布操作。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
接收模块,用于通过由多个环形队列组成的缓冲区接收所述指定图像数据;
存储模块,用于将所述缓冲区中接收到的所述指定图像数据存储在由高速固态盘与小型磁盘阵列组成的存储系统中。
10.根据权利要求7所述的装置,其特征在于,所述执行模块包括:
第一执行单元,用于对所述指定图像数据执行图像数据拼接,生成影像图;
第二执行单元,用于对所述影像图执行辐射校正和几何校正的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850797.4A CN104574265B (zh) | 2014-12-30 | 2014-12-30 | 卫星遥感图像数据的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850797.4A CN104574265B (zh) | 2014-12-30 | 2014-12-30 | 卫星遥感图像数据的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574265A true CN104574265A (zh) | 2015-04-29 |
CN104574265B CN104574265B (zh) | 2018-04-17 |
Family
ID=53090253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850797.4A Active CN104574265B (zh) | 2014-12-30 | 2014-12-30 | 卫星遥感图像数据的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574265B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104900248A (zh) * | 2015-05-27 | 2015-09-09 | 中国资源卫星应用中心 | 一种从磁带上快速提取陆地观测卫星景数据的方法 |
CN107046647A (zh) * | 2017-05-14 | 2017-08-15 | 华中科技大学 | 一种多谱段遥感图像实时解压缩器的控制方法 |
CN107465900A (zh) * | 2017-08-22 | 2017-12-12 | 长光卫星技术有限公司 | 一种适用于大面阵亚米级遥感视频影像单机的预处理方法 |
CN110502294A (zh) * | 2019-07-20 | 2019-11-26 | 华为技术有限公司 | 数据处理的方法、装置及电子设备 |
CN110868272A (zh) * | 2019-11-18 | 2020-03-06 | 中国科学院电子学研究所 | 基于服务器集群的高码速率卫星实时快视处理系统及方法 |
CN110889620A (zh) * | 2019-11-21 | 2020-03-17 | 成都星时代宇航科技有限公司 | 一种舆情辅助的任务规划方法、装置及存储介质 |
CN111404593A (zh) * | 2020-03-13 | 2020-07-10 | 北京华云星地通科技有限公司 | 卫星遥感数据的处理方法 |
CN111722635A (zh) * | 2020-06-05 | 2020-09-29 | 北京空间飞行器总体设计部 | 一种遥感卫星并行处理任务的方法以及遥感卫星系统 |
CN113886328A (zh) * | 2021-09-26 | 2022-01-04 | 北京和德宇航技术有限公司 | 多卫星遥感数据一体化地面预处理系统 |
CN115062075A (zh) * | 2022-06-21 | 2022-09-16 | 成都秦川物联网科技股份有限公司 | 基于时序数据处理的工业物联网及其控制方法 |
CN116996112A (zh) * | 2023-09-22 | 2023-11-03 | 中国科学院空天信息创新研究院 | 一种遥感卫星数据实时预处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7596170B2 (en) * | 2000-02-28 | 2009-09-29 | Aeroastro, Inc. | Coherent detection without transmission preamble |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
US20120039547A1 (en) * | 2008-06-24 | 2012-02-16 | Microsoft Corporation | Variable resolution images |
WO2013158019A1 (en) * | 2012-04-16 | 2013-10-24 | Telefonaktiebolaget L M Ericsson (Publ) | Fixed tile structure flag indicating parallel processing possibility for a sequence of compressed video |
CN103677761A (zh) * | 2013-12-11 | 2014-03-26 | 中国资源卫星应用中心 | 一种卫星遥感数据快速处理系统 |
CN104063835A (zh) * | 2014-04-02 | 2014-09-24 | 中国人民解放军第二炮兵指挥学院 | 一种卫星遥感图像实时并行处理系统及处理方法 |
-
2014
- 2014-12-30 CN CN201410850797.4A patent/CN104574265B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7596170B2 (en) * | 2000-02-28 | 2009-09-29 | Aeroastro, Inc. | Coherent detection without transmission preamble |
US20120039547A1 (en) * | 2008-06-24 | 2012-02-16 | Microsoft Corporation | Variable resolution images |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
WO2013158019A1 (en) * | 2012-04-16 | 2013-10-24 | Telefonaktiebolaget L M Ericsson (Publ) | Fixed tile structure flag indicating parallel processing possibility for a sequence of compressed video |
CN103677761A (zh) * | 2013-12-11 | 2014-03-26 | 中国资源卫星应用中心 | 一种卫星遥感数据快速处理系统 |
CN104063835A (zh) * | 2014-04-02 | 2014-09-24 | 中国人民解放军第二炮兵指挥学院 | 一种卫星遥感图像实时并行处理系统及处理方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104900248A (zh) * | 2015-05-27 | 2015-09-09 | 中国资源卫星应用中心 | 一种从磁带上快速提取陆地观测卫星景数据的方法 |
CN104900248B (zh) * | 2015-05-27 | 2017-05-24 | 中国资源卫星应用中心 | 一种从磁带上快速提取陆地观测卫星景数据的方法 |
CN107046647A (zh) * | 2017-05-14 | 2017-08-15 | 华中科技大学 | 一种多谱段遥感图像实时解压缩器的控制方法 |
CN107465900A (zh) * | 2017-08-22 | 2017-12-12 | 长光卫星技术有限公司 | 一种适用于大面阵亚米级遥感视频影像单机的预处理方法 |
CN110502294A (zh) * | 2019-07-20 | 2019-11-26 | 华为技术有限公司 | 数据处理的方法、装置及电子设备 |
CN110868272A (zh) * | 2019-11-18 | 2020-03-06 | 中国科学院电子学研究所 | 基于服务器集群的高码速率卫星实时快视处理系统及方法 |
CN110889620A (zh) * | 2019-11-21 | 2020-03-17 | 成都星时代宇航科技有限公司 | 一种舆情辅助的任务规划方法、装置及存储介质 |
CN111404593A (zh) * | 2020-03-13 | 2020-07-10 | 北京华云星地通科技有限公司 | 卫星遥感数据的处理方法 |
CN111404593B (zh) * | 2020-03-13 | 2022-02-15 | 北京华云星地通科技有限公司 | 卫星遥感数据的处理方法及装置 |
CN111722635A (zh) * | 2020-06-05 | 2020-09-29 | 北京空间飞行器总体设计部 | 一种遥感卫星并行处理任务的方法以及遥感卫星系统 |
CN113886328A (zh) * | 2021-09-26 | 2022-01-04 | 北京和德宇航技术有限公司 | 多卫星遥感数据一体化地面预处理系统 |
CN115062075A (zh) * | 2022-06-21 | 2022-09-16 | 成都秦川物联网科技股份有限公司 | 基于时序数据处理的工业物联网及其控制方法 |
CN116996112A (zh) * | 2023-09-22 | 2023-11-03 | 中国科学院空天信息创新研究院 | 一种遥感卫星数据实时预处理方法 |
CN116996112B (zh) * | 2023-09-22 | 2023-12-26 | 中国科学院空天信息创新研究院 | 一种遥感卫星数据实时预处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104574265B (zh) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574265A (zh) | 卫星遥感图像数据的处理方法及装置 | |
Zhou et al. | Edge-enabled two-stage scheduling based on deep reinforcement learning for internet of everything | |
Jiménez et al. | E-government interoperability: Linking open and smart government | |
Karapetyan et al. | Satellite downlink scheduling problem: A case study | |
US9348560B2 (en) | Efficient execution of graph-based programs | |
CN112148455B (zh) | 一种任务处理方法、设备及介质 | |
CN105828105A (zh) | 一种基于分布式环境的视频转码系统及视频转码方法 | |
CN106294234A (zh) | 一种数据传输方法及装置 | |
Krupa et al. | GPU coprocessors as a service for deep learning inference in high energy physics | |
CN104021452A (zh) | 一种对云计算服务器端实现各个业务系统整合的方法 | |
Sun et al. | Intelligent sensor-cloud in fog computer: a novel hierarchical data job scheduling strategy | |
CN104266657B (zh) | 基于cpu和mic协同计算的最短路径规划并行化方法 | |
CN109301936B (zh) | 一种基于容器调度架构的智能变电站运维信息监视系统 | |
EP4300304A1 (en) | Methods and systems for scheduling energy-efficient execution of periodic, real-time, directed-acyclic-graph tasks | |
US11803740B2 (en) | Ordering computations of a machine learning network in a machine learning accelerator for efficient memory usage | |
Silvano et al. | Multi-objective design space exploration of multiprocessor SoC architectures | |
Lin | Scheduling parallel tasks with intra-communication overhead in a grid computing environment | |
Bagnasco | Virgo and gravitational-wave computing in Europe | |
Busch et al. | Stable Scheduling in Transactional Memory | |
Chen et al. | Resmap: Exploiting sparse residual feature map for accelerating cross-edge video analytics | |
Chi et al. | Flow-Based Joint Programming of Time Sensitive Task and Network | |
Sciandra et al. | Application of mixed-criticality scheduling model to intelligent transportation systems architectures | |
Alharbi et al. | Performance analysis of efficient pipeline architectures for underwater big data analytics | |
Mullally et al. | A Search for TESS Exoplanets in the Jungle | |
Peng et al. | Parameter adaptation for generalized multiframe tasks: schedulability analysis, case study, and applications to self-suspending tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |