CN105654137A - 一种海量遥感数据分类组织方法 - Google Patents

一种海量遥感数据分类组织方法 Download PDF

Info

Publication number
CN105654137A
CN105654137A CN201511028935.1A CN201511028935A CN105654137A CN 105654137 A CN105654137 A CN 105654137A CN 201511028935 A CN201511028935 A CN 201511028935A CN 105654137 A CN105654137 A CN 105654137A
Authority
CN
China
Prior art keywords
data
remotely
remote sensing
sensed
acquisition system
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
Application number
CN201511028935.1A
Other languages
English (en)
Other versions
CN105654137B (zh
Inventor
付琨
许光銮
孙显
王磊
黄宇
李峰
张利利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jigang Defense Technology Co.,Ltd.
Original Assignee
Institute of Electronics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Electronics of CAS filed Critical Institute of Electronics of CAS
Priority to CN201511028935.1A priority Critical patent/CN105654137B/zh
Publication of CN105654137A publication Critical patent/CN105654137A/zh
Application granted granted Critical
Publication of CN105654137B publication Critical patent/CN105654137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种海量遥感数据分类组织方法，根据各遥感数据的空间信息和时间信息，将海量遥感数据划分为多个数据集合，根据每个数据集合中的数据特征，对每个数据集合中遥感数据进行层级聚类，从而对遥感数据进行分类。本发明根据数据自动建立层级分类体系，提供由粗到细逐级细化的聚类结果，灵活方便，并且在后续使用过程中，可以动态的根据新数据不断调整和完善层级分类体系，实现数据的动态组织和管理。

Description

一种海量遥感数据分类组织方法
技术领域
本发明属于数据自动组织技术领域，尤其涉及一种面向分类体系学习的海量遥感数据分类组织方法。
背景技术
随着航天技术和传感器技术的发展，遥感数据的获取方式越来越多。遥感数据一般数据量巨大，信息相互交织，如何把这些数据有效合理的组织起来是充分利用这些数据的关键。
传统的数据组织是简单地入库，根据应用需求来对数据库进行查找和信息获取，一方面查找效率和信息获取的能力受到限制，另一方面不能直观地查看数据库中的信息，极大地限制了数据的利用价值。因此，高效的数据组织技术是遥感信息处理的基础，是当前需要解决的一个关键技术。
不同于一般的数据，遥感数据具有自己的特点。一方面，军事遥感应用中关注的目标类型较为固定，如某空军基地、某型舰船等。另一方面，目标本身也具有很强的层次语义特性，例如某航母编队隶属于某海军部队。所以，这些数据适合用多层分类体系进行描述。
另外，多数GIS与遥感应用软件所能描述的目标都是静态的，而实际上，很多需要表达与处理的目标都不是一成不变的，而是包含很强的时间空间信息。随着数据量的积累与态势的发展，分类体系也可能随时面临修改。因此必须关注能对时空过程和时空目标进行描述的数据组织模型。
发明内容
(一)要解决的技术问题
本发明的目的在于，提供一种海量遥感数据分类组织方法，能动态地描述遥感数据，能够建立对时空过程和时空目标进行描述的数据组织模型。
(二)技术方案
本发明提供一种海量遥感数据分类组织方法，包括：
S1，根据海量遥感数据中各遥感数据的空间信息和时间信息，将海量遥感数据划分为至少一个数据集合，其中，每个数据集合包括至少一个遥感数据；
S2，提取每个数据集合中的数据特征；
S3，根据数据特征，对每个数据集合中遥感数据进行层级聚类，从而将每个数据集合中具有相同数据特征的遥感数据分类为同一数据类别。
(三)有益效果
本发明通过分类体系学习和时空数据自组织，根据数据自动建立层级分类体系，提供由粗到细逐级细化的聚类结果，灵活方便，并且在后续使用过程中，可以动态的根据新数据不断调整和完善层级分类体系，实现数据的动态组织和管理。
附图说明
图1是本发明实施例提供的海量遥感数据分类组织方法的流程图。
具体实施方式
本发明提供一种海量遥感数据分类组织方法，根据各遥感数据的空间信息和时间信息，将海量遥感数据划分为多个数据集合，根据每个数据集合中的数据特征，对每个数据集合中遥感数据进行层级聚类，从而对遥感数据进行分类。本发明根据数据自动建立层级分类体系，提供由粗到细逐级细化的聚类结果，灵活方便，并且在后续使用过程中，可以动态的根据新数据不断调整和完善层级分类体系，实现数据的动态组织和管理。
根据本发明的一种实施方式，海量遥感数据分类组织方法包括：
S0，提取各遥感数据的时间信息和空间信息，并统一到标准的格式，例如，时间可统一到北京时间，空间信息可统一到CGCS2000大地坐标系。
S1，根据海量遥感数据中各遥感数据的空间信息和时间信息，将海量遥感数据划分为至少一个数据集合，其中，每个数据集合包括至少一个遥感数据；
S2，提取每个数据集合中的数据特征，其中，数据特征包括属性特征和影像特征，属性特征是指数据的来源、类型、分辨率等，影像特征是直方图特征、边缘特征、纹理特征等；
S3，根据数据特征，对每个数据集合中遥感数据进行层级聚类，从而将每个数据集合中具有相同数据特征的遥感数据分类为同一数据类别。
S4，根据层级聚类所采用的数据特征，为每个数据类别添加一个语义标签。
根据本发明的一种实施方式，步骤S1包括：
S11，在标准的椭球坐标系下，对各遥感数据的按地理空间位置进行编码，得到各遥感数据的地理编码，地理编码包含了数据的层级、经度和纬度；把全球空间范围按经纬度、高度网格划分并进行编号，地理编码由20位构成，前两位表示高度编号，中间9位表示经度编号，后9位表示纬度编号；
S12，将具有相同地理编码的遥感数据归并至同一数据集合，得到至少一个数据集合；
S13，在每个数据集合中，根据各遥感数据的时间信息，建立序列关系。
S14，对已经建立序列关系的数据集合，建立时空索引。
根据本发明的一种实施方式，在步骤S3中，采用层级中餐馆模型对所述遥感数据进行层级聚类，数据的聚类类别通过中餐馆算法自动学习得到，其中，“中餐馆”是一个非参数随机过程，描述了一个聚类的过程，假设一个中餐馆有无限个桌子，第一个顾客到来是坐第一个桌子，并点一道菜，后面每个顾客到来时，既可以选择当前已经有人的某个桌子坐下吃菜，也可以选择一个空桌子点一道自己喜欢的菜，如此下去直到所有顾客到来。以上过程可以看成是一个聚类的过程，每个顾客就是一个数据，每个桌子就是一个类别，最终聚类的个数是不确定的，即为非参数。故在对任意一遥感数据进行层级聚类时，将该遥感数据分类到已有的数据类别，或者新建立一个数据类别，并将该遥感数据分类到该新建立的数据类别。
根据本发明的一种实施方式，在步骤S3结束后，采用层级中餐馆模型对新加入的遥感数据进行层级聚类，将该新加入的遥感数据分类到已有的数据类别，或者新建立一个数据类别，并将该新加入的遥感数据分类到该新建立的数据类别。这样能不断丰富和完善层级分类和数据。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1是本发明实施例提供的海量遥感数据分类组织方法的流程图，如图1所示，方法包括以下步骤：
S101，提取数据的时间、空间位置信息并统一到标准的格式，时间统一到北京时间，空间位置统一到CGCS2000大地坐标系；
S102，采用时空立方体模型组织数据，包括以下几步:
第一步，在标准的椭球坐标系下，根据数据的地理空间位置把每个数据都标记为坐标系下的一个数据点；
第二步，根据数据地理位置计算数据的地理编码，地理编码包含了数据的层级、经度和纬度；
第三步，根据数据的地理编码对已有数据进行查询，获得相同编码下的数据集合，这些数据反映了同一地区的数据情况；
第四步，在查询出来具有相同地理编码的数据中，根据时间信息建立数据的序列关系；
第五步，对已经建立序列关系的数据集合，建立时空索引；
S103，提取数据的属性特征和影像特征，这里属性特征指数据的来源、类型、分辨率等，影像特征采用直方图、边缘、纹理等特征；
S104，利用层级中餐馆模型，基于数据的特征，进行数据的层级聚类，数据的聚类类别通过中餐馆算法自动学习得到；层级中餐馆模型是一种无监督的层级聚类算法，利用步骤三提取的数据特征进行数据的层级聚类，聚在一起的数据在特征上具有更大的相似性和一致性；
S105，根据聚类的特征，为层级类别中的每个类添加语义标签；
S106，对后续数据，继续使用层级中餐馆模型把数据分类到某一现有类别下或者建立一个新的类别，不断丰富和完善层级分类和数据；
本发明采用层级中餐馆模型进行层级聚类，可以灵活地把数据分配到现有类别中，或者根据实际情况为数据重新建立一个新的类别。这样可以动态的根据新数据不断调整和完善层级分类体系，实现数据的动态组织和管理。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种海量遥感数据分类组织方法，其特征在于，包括：
S1，根据海量遥感数据中各遥感数据的空间信息和时间信息，将海量遥感数据划分为至少一个数据集合，其中，每个数据集合包括至少一个遥感数据；
S2，提取每个数据集合中的数据特征；
S3，根据所述数据特征，对每个数据集合中遥感数据进行层级聚类，从而将每个数据集合中具有相同数据特征的遥感数据分类为同一数据类别。
2.根据权利要求1所述的海量遥感数据分类组织方法，其特征在于，还包括：
S4，为每个数据类别添加一个语义标签。
3.根据权利要求1所述的海量遥感数据分类组织方法，其特征在于，所述步骤S1包括：
S11，在标准的椭球坐标系下，对各遥感数据的按地理空间位置进行编码，得到各遥感数据的地理编码；
S12，将具有相同地理编码的遥感数据归并至同一数据集合，得到至少一个数据集合；
S13，在每个数据集合中，根据各遥感数据的时间信息，建立序列关系。
4.根据权利要求3所述的海量遥感数据分类组织方法，其特征在于，所述步骤S1还包括：
S14，对已经建立序列关系的数据集合，建立时空索引。
5.根据权利要求1所述的海量遥感数据分类组织方法，其特征在于，在所述步骤S3中，采用层级中餐馆模型对所述遥感数据进行层级聚类。
6.根据权利要求5所述的海量遥感数据分类组织方法，其特征在于，所述步骤S3中，在采用层级中餐馆模型对任意一遥感数据进行层级聚类时，将该遥感数据分类到已有的数据类别，或者新建立一个数据类别，并将该遥感数据分类到该新建立的数据类别。
7.根据权利要求6所述的海量遥感数据分类组织方法，其特征在于，在所述步骤S3结束后，采用层级中餐馆模型对新加入的遥感数据进行层级聚类，将该新加入的遥感数据分类到已有的数据类别，或者新建立一个数据类别，并将该新加入的遥感数据分类到该新建立的数据类别。
8.根据权利要求1所述的海量遥感数据分类组织方法，其特征在于，在所述步骤S1之前，还包括：
S0，提取各遥感数据的时间信息和空间信息，并统一到标准的格式。
9.根据权利要求2所述的海量遥感数据分类组织方法，其特征在于，所述步骤S4中，根据层级聚类所采用的数据特征，为每个数据类别添加一个语义标签，其中，所述数据特征包括属性特征和影像特征。
CN201511028935.1A 2015-12-31 2015-12-31 一种海量遥感数据分类组织方法 Active CN105654137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511028935.1A CN105654137B (zh) 2015-12-31 2015-12-31 一种海量遥感数据分类组织方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511028935.1A CN105654137B (zh) 2015-12-31 2015-12-31 一种海量遥感数据分类组织方法

Publications (2)

Publication Number Publication Date
CN105654137A true CN105654137A (zh) 2016-06-08
CN105654137B CN105654137B (zh) 2019-01-11

Family

ID=56490966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511028935.1A Active CN105654137B (zh) 2015-12-31 2015-12-31 一种海量遥感数据分类组织方法

Country Status (1)

Country Link
CN (1) CN105654137B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633282A (zh) * 2019-09-18 2019-12-31 四川九洲空管科技有限责任公司 一种空域资源多级三维网格化方法及工具
CN111666313A (zh) * 2020-05-25 2020-09-15 中科星图股份有限公司 基于多源异构遥感数据关联构建及多用户数据匹配方法
CN112100130A (zh) * 2020-09-09 2020-12-18 陕西师范大学 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110110562A1 (en) * 2002-05-03 2011-05-12 Image Tree Corp. Remote sensing and probabilistic sampling based forest inventory method
CN102521598A (zh) * 2011-12-16 2012-06-27 北京市城市规划设计研究院 一种基于遥感影像的识别方法
CN102708156A (zh) * 2012-04-20 2012-10-03 中国科学院遥感应用研究所 一种遥感数据处理系统
CN103595791A (zh) * 2013-11-14 2014-02-19 中国科学院深圳先进技术研究院 一种海量遥感数据的云存取方法
CN104111947A (zh) * 2013-04-19 2014-10-22 昆山鸿鹄信息技术服务有限公司 一种遥感图像的检索方法
CN104516975A (zh) * 2014-12-29 2015-04-15 中国科学院电子学研究所 面向多元数据的自动关联方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110110562A1 (en) * 2002-05-03 2011-05-12 Image Tree Corp. Remote sensing and probabilistic sampling based forest inventory method
CN102521598A (zh) * 2011-12-16 2012-06-27 北京市城市规划设计研究院 一种基于遥感影像的识别方法
CN102708156A (zh) * 2012-04-20 2012-10-03 中国科学院遥感应用研究所 一种遥感数据处理系统
CN104111947A (zh) * 2013-04-19 2014-10-22 昆山鸿鹄信息技术服务有限公司 一种遥感图像的检索方法
CN103595791A (zh) * 2013-11-14 2014-02-19 中国科学院深圳先进技术研究院 一种海量遥感数据的云存取方法
CN104516975A (zh) * 2014-12-29 2015-04-15 中国科学院电子学研究所 面向多元数据的自动关联方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633282A (zh) * 2019-09-18 2019-12-31 四川九洲空管科技有限责任公司 一种空域资源多级三维网格化方法及工具
CN111666313A (zh) * 2020-05-25 2020-09-15 中科星图股份有限公司 基于多源异构遥感数据关联构建及多用户数据匹配方法
CN111666313B (zh) * 2020-05-25 2023-02-07 中科星图股份有限公司 基于多源异构遥感数据关联构建及多用户数据匹配方法
CN112100130A (zh) * 2020-09-09 2020-12-18 陕西师范大学 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法
CN112100130B (zh) * 2020-09-09 2022-08-16 陕西师范大学 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法

Also Published As

Publication number Publication date
CN105654137B (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN105045869B (zh) 基于多数据中心的自然资源地理空间数据组织方法和系统
CN108804602A (zh) 一种基于spark的分布式空间数据存储计算方法
CN105701104B (zh) 一种基于地理信息的三维数据引擎系统
CN103049554B (zh) 一种矢量qr树并行索引方法
CN106202207A (zh) 一种基于HBase‑ORM的索引及检索系统
CN105493085B (zh) 创建数据库表的样本的方法、系统和计算机可读存储介质
CN112860689A (zh) 一种基于时空网格数据的平台系统
CN106933833A (zh) 一种基于空间索引技术的位置信息快速查询方法
CN103617295A (zh) 一种地理信息矢量数据处理的方法和装置
CN101719135A (zh) 一种政务资源目录控制系统及方法
CN104182472A (zh) 一种基于内存数据库Redis的土地利用矢量数据存储方法
CN104008209B (zh) 以GeoJSON格式结构化方式存储地理数据的MongoDB集群的地理数据读写方法
CN105654137A (zh) 一种海量遥感数据分类组织方法
CN104021210B (zh) 以GeoJSON格式半结构化方式存储地理数据的MongoDB集群的地理数据读写方法
CN104699826B (zh) 一种影像数据的金字塔层式存储方法及空间数据库系统
She et al. 3D building model simplification method considering both model mesh and building structure
CN106649636A (zh) 一种基于移动终端的人员流动性分析方法及装置
CN102103600B (zh) 地图建立方法及地图系统
CN109359205A (zh) 一种基于地理格网的遥感影像切分方法及设备
CN102142155A (zh) 面向网络交互可视化的地面三维模型数据组织方法
CN101840426B (zh) 一种基于坐标分离的gml文档存储与查询方法
CN107844538B (zh) 面向山区村镇的综合防灾减灾规划数据管理系统及方法
Kai et al. Research on Spatial Database Technology Based on Arcsde
Gong et al. Object-oriented and integrated spatial data model for managing image, DEM, and vector data
Chen et al. A distributed storage scheme for remote sensing image based on mapfile

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
TR01 Transfer of patent right

Effective date of registration: 20210104

Address after: 100190 No. 19 West North Fourth Ring Road, Haidian District, Beijing

Patentee after: Research Institute of aerospace information innovation, Chinese Academy of Sciences

Address before: 100190 No.19, Beisihuan West Road, Haidian District, Beijing

Patentee before: Institute of Electronics, Chinese Academy of Sciences

Effective date of registration: 20210104

Address after: 250101 No.9, Kuangyuan Road, Gongye North Road, Wangsheren street, Licheng District, Jinan City, Shandong Province

Patentee after: Jigang Defense Technology Co.,Ltd.

Address before: 100190 No. 19 West North Fourth Ring Road, Haidian District, Beijing

Patentee before: Research Institute of aerospace information innovation, Chinese Academy of Sciences

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Classification and Organization Method for Massive Remote Sensing Data

Effective date of registration: 20230331

Granted publication date: 20190111

Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch

Pledgor: Jigang Defense Technology Co.,Ltd.

Registration number: Y2023980036938

PE01 Entry into force of the registration of the contract for pledge of patent right