CN111125080B - 基于图斑模型的多源遥感影像一体化管理系统及方法 - Google Patents
基于图斑模型的多源遥感影像一体化管理系统及方法 Download PDFInfo
- Publication number
- CN111125080B CN111125080B CN201911337337.0A CN201911337337A CN111125080B CN 111125080 B CN111125080 B CN 111125080B CN 201911337337 A CN201911337337 A CN 201911337337A CN 111125080 B CN111125080 B CN 111125080B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- module
- remote sensing
- information
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于图斑模型的多源遥感影像一体化管理系统,该系统包括:影像自动化识别入库模块用于配置定时器和导入类型,依据类型,分类遥感数据,自动化识别入库;图层合成模块用于置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层;影像联动显示模块用于联动无缝地流畅显示多层次影像信息;影像数据导出模块用于选择数据信息,从大对象和文件系统导出数据信息到指定目录;影像统计模块用于依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表。通过使用该软件系统,高效地管理各种规则的大规模影像数据,自动化分门别类整理好数据,高效的浏览相关信息,且能很好的保护其完整性。
Description
技术领域
本发明涉及多源遥感影像一体化技术领域,具体来说,涉及一种基于图斑模型的多源遥感影像一体化管理系统及方法。
背景技术
随着卫星遥感及摄影测量技术的发展,很容易获取大量的遥感影像数据,每年持续购买大量的原始影像,数据每年都在增长。这些数据信息量大、更新周期短、来源广泛,具有多源、多时相、多光谱、多分辨率的特点,比如以影像来源分,就有卫星遥感及航拍的原始影像,包括高景卫星(SV1-01、SV1-02、SV1-03、SV1-04)、DigitalGlobe卫星(GE01、QB02、WV01、WV02、WV03、WV04)、高分系列(GF1、GF2、GF3)、北京2号(01、02)、COSMO系列(CSKS1、CSKS2)、资源系列(ZY3、ZY3-1、ZY3-2)、SPOT、ALOS系列(ALOS、PALSAR、PRISM)、天绘系列(TH01、TH02、SXZ)、KOMPSAT系列(KOMPSAT-3、KOMPSAT-3A、KOMPSAT2)、Pleiades(PHR)、IKONOS-2、TerraSAR-X1、Deimos 2和LandSat系列(LANDSAT_8)等丰富的类型,航拍的有框幅数据(航片)、ADS推扫数据(航片)和LiDAR数据(雷达),数据较为标准的框幅数据进一步细分为五种:SWDC-4、SWDC-5、UCE、CS10000和DMCIII;以影像类型分,有原始影像,也有经过处理后产生的DEM和DOM影像,以及标准化的全球影像地图;对某一位置,还包括不同时刻拍摄的影像;目前各家遥感影像数据提供商提供的数据都是文件格式,还有些影像是以压缩包的形式存在,如Zip、TAR、Tar.gz、RAR等,数据差异较大,不同比例尺、数据格式、编码标准、分幅方式、地图投影及坐标系统、分辨率也各自不同;对一景数据,还存在全色、多光谱等参差不齐的多波段影像数据。
海量多源遥感影像数据给存储和查询使用带来了不便,如何有效利用这些昂贵的数据便成为一个问题,根据空间和属性信息查找、获取数据,使更新维护等管理便利化,是企业和行业的客观需要,为了对数据高效管理,需要开发一套遥感卫星影像管理系统。在影像数据管理的研究和实现方面,国内外都做了大量的工作,开发出了一些影像数据管理系统,但尚无高效而好用的专业工具。
发明内容
针对相关技术中的上述技术问题,本发明提出一种基于图斑模型的多源遥感影像一体化管理系统及方法,能够克服现有技术的上述不足。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种基于图斑模型的多源遥感影像一体化管理系统,该系统包括:影像自动化识别入库模块、图层合成模块、影像联动显示模块、影像数据导出模块、影像统计模块、影像配置模块,其中,
所述影像自动化识别入库模块用于配置定时器和导入类型,依据类型,分类遥感数据,自动化识别入库,所述影像自动化识别入库模块包括自动识别模块、入库模块、影像信息提取模块、影像去重模块;
所述图层合成模块用于采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层;
所述影像联动显示模块用于联动无缝地流畅显示多层次影像信息,所述影像联动显示模块包括图斑合成模块、置换模块;
所述影像数据导出模块用于配置导出的数据类型和数据组合模式,选择数据信息,从大对象和文件系统导出数据信息到指定目录;
所述影像统计模块用于依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表。
进一步的,所述影像信息提取模块用于获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;所述影像去重模块用于获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像。
进一步的,所述自动识别模块用于识别数据源。
进一步的,所述影像统计模块包括专题统计模块、目录统计模块。
根据本发明的另一方面,提供了一种基于图斑模型的多源遥感影像一体化管理方法,该方法包括以下步骤:
S1:获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;
S2:配置定时器和导入类型;
S3:依据类型,分类遥感数据,自动化识别入库;
S4:获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像;
S5:采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层,合成图斑的数据模型;
S6:联动无缝地流畅显示多层次影像信息;
S7:配置导出的数据类型和数据组合模式;
S8:选择数据信息,从大对象和文件系统导出数据信息到指定目录;
S9:依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表。
进一步的,所述步骤S1包括以下步骤:
S11:获取影像类型、矢量信息、影像属性信息;
S12:依据GDAL二次开发,提取遥感影像信息;
S13:并发处理遥感影像信息。
进一步的,所述步骤S3中自动化识别入库包括以下步骤:
S31:基于图斑的数据模型,在空间数据库设定关联规则;
S32:依照规则模型,将入库的数据与空间数据库中的数据建立统一的映射关系;
S33:入库空间数据。
进一步的,所述步骤S6包括以下步骤:
S61:依据属性条件查询,采用表格方式,不分页异步渐进显示查询结果和条目;
S62:依据查询后选中的结果集信息,三级显示属性信息;
S63:分别显示范围框和叠加缩略图,都作为不同投影的图层;
S64:对应范围显示出范围框,范围集作为一个内存矢量图层;
S65:缩略图作为栅格图层,用户依次双击,轮流显示叠加在一起的缩略图;
S66:拣选缩略图,调出对应的范围框;
S67:判断影像数据入库情况,显示并查看影像;
所述步骤S62的进一步包括以下步骤:
S621:显示主要属性信息;
S622:显示一般属性信息;
S623:显示属性详情信息。
本发明的有益效果:通过使用该软件系统及方法,一方面高效地管理各种规则的大规模影像数据,能够自动化分门别类整理好杂乱的遥感数据,用六大类、数十种方式查到想要的数据,高效的浏览相关信息,且能很好的保护其完整性,当选择导出的时候,可以回到原来的格式;另一方面,它操作很流畅,可获得很好的用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的基于图斑模型的多源遥感影像一体化管理系统的原理框图;
图2是根据本发明实施例所述的基于图斑模型的多源遥感影像一体化管理方法的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,根据本发明实施例所述的基于图斑模型的多源遥感影像一体化管理系统,该系统包括:影像自动化识别入库模块、图层合成模块、影像联动显示模块、影像数据导出模块、影像统计模块、影像配置模块,其中,
所述影像自动化识别入库模块用于配置定时器和导入类型,依据类型,分类遥感数据,自动化识别入库,所述影像自动化识别入库模块包括自动识别模块、入库模块、影像信息提取模块、影像去重模块;
所述图层合成模块用于采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层;
所述影像联动显示模块用于联动无缝地流畅显示多层次影像信息,所述影像联动显示模块包括图斑合成模块、置换模块;
所述影像数据导出模块用于配置导出的数据类型和数据组合模式,选择数据信息,从大对象和文件系统导出数据信息到指定目录;
所述影像统计模块用于依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表。
在本发明的一个具体实施例中,所述影像信息提取模块用于获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;所述影像去重模块用于获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像。
在本发明的一个具体实施例中,所述自动识别模块用于识别数据源。
在本发明的一个具体实施例中,所述影像统计模块包括专题统计模块、目录统计模块。
如图2所示,根据本发明实施例所述的基于图斑模型的多源遥感影像一体化管理方法,该方法包括以下步骤:
S1:获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;
S2:配置定时器和导入类型;
S3:依据类型,分类遥感数据,自动化识别入库;
S4:获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像;
S5:采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层,合成图斑的数据模型,用于无缝的流畅显示;
S6:联动无缝地流畅显示多层次影像信息;
S7:配置导出的数据类型和数据组合模式;
S8:选择数据信息,从大对象和文件系统导出数据信息到指定目录;
S9:依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表。
步骤S1包括以下步骤:
S11:获取影像类型、矢量信息、影像属性信息;
S12:依据GDAL二次开发,提取遥感影像信息;
S13:并发处理遥感影像信息。
步骤S3中自动化识别入库包括以下步骤:
S31:基于图斑的数据模型,在空间数据库设定关联规则;
S32:依照规则模型,将入库的数据与空间数据库中的数据建立统一的映射关系;
S33:入库空间数据。
步骤S6包括以下步骤:
S61:依据属性条件查询,采用表格方式,不分页异步渐进显示查询结果和条目;
S62:依据查询后选中的结果集信息,三级显示属性信息;
S63:分别显示范围框和叠加缩略图,都作为不同投影的图层;
S64:对应范围显示出范围框,范围集作为一个内存矢量图层;
S65:缩略图作为栅格图层,用户依次双击,轮流显示叠加在一起的缩略图;
S66:拣选缩略图,调出对应的范围框;
S67:判断影像数据入库情况,显示并查看影像;
步骤S62的进一步包括以下步骤:
S621:显示主要属性信息;
S622:显示一般属性信息;
S623:显示属性详情信息。
为了方便理解本发明的上述技术方案,以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
基于图斑的数据模型:
遥感影像数据千差万别,为了多类型一体化管理,支持国内外全系列的数据源,包括新增国产卫星,大规模信息统一管理,需要建立统一的数据模型,支持单机、磁盘阵列、公有云等多种存储引擎,按照统一的方式提供存储、获取和检索。
基于图斑的数据模型,是基于NDS(Navigation Data Standard)导航数据存储标准的遥感影像数据存储标准,对栅格、矢量等空间信息统一建模,统一存储影像数据、元数据、缩略图、空间索引、关联文件,可用于遥感数据统一查询,满足多类型遥感数据的通用存取查询需要。增加新的数据源只需修改配置,扩展能力强。
1、基于图斑的数据模型,不再以文件为最小单元,而以关联的数据记录为最小单元,对栅格等空间数据统一建模,将图斑作为完整影像数据记录的最小单元。如卫星影像先以景为基本粒度,且一景中的全色、多光谱、多波段数据拆开作为不同记录,这对数据查询、统计和导出等不构成明显的影响,却使数据结构及各种操作更简单。
2、基于图斑的数据模型,采用NDS(Navigation Data Standard)导航数据存储标准,用数据库表定义来表示影像数据模型,所有信息基于影像数据记录。
3、通过64位big integer类型的image实体Id将影像图斑的栅格数据及其属性、矢量范围等元数据关联在一起。统一存储影像数据、元数据、缩略图、空间索引、关联文件,满足多类型遥感数据的快速通用存取需要。
4、数据库表结构,包括各种影像数据表、表间关系、表字段管理等,数据冗余低,具有良好的扩展性和通用性;数据查询简单,可用于遥感数据统一查询。主要分为四类表:
image_attr属性表,记录基本属性信息。基本属性存入统一的属性表,如卫星一景数据属性表image_sate,保存一景公共属性,多种数据源统一查询检索,需要部分属性的统一。属性划分为基本属性和详情;特殊属性文件统一以大对象存储,在image_data/image_view表记录,获取后作为详情显示。
表1.卫星影像(Satellite Image)基本属性表
image_data:影像数据信息,如一个图斑对应各种文件的格式、大小、编号(如大对象oid)等。
image_view:影像显示信息,方便图斑的显示。
image_service:实体关联的空间范围、种类等信息。
描述一个影像,无论是航片、卫片,还是原始影像、成果影像、瓦片地图,可用范围(Polygon或Envelope),空间范围和其图斑数据分开,在ImageService中存储,方便建立各模块统一的空间索引,加快按空间范围的联合检索,同时可快速获取范围,用于查到图斑的显示。
图斑自动化识别入库:
为高效的管理各种数据源的大规模影像数据,把杂乱的遥感数据分门别类整理好,支持无缝一体化影像管理,实现影像类型自动识别、批量入库,用户仅需选择数据目录,即可简单的完成数据的后台入库过程。
为支持自动化入库,通过基于图斑的数据模型在空间数据库设定关联规则,然后通过规则模型把需要入库的数据与空间数据库中的数据以一定的规则一一对应起来,完成空间数据入库的过程。入库时,首先设定需要入库的数据,自动化入库,其中基于规则的识别包括:规则配置表(入口文件及标识字段、关联文件标识、属性映射表)、建立统一的映射、自动化识别、信息提取。
支持数据源规则的配置添加和编辑,包括各项数据关联规则及属性字段解析规则。有新的原始数据源时,需要对原始数据关联规则及属性(如数据时相、云量等)解析方式进行配置。
将影像数据入库,包括影像属性信息、shp几何信息、影像文件、缩略图文件等;自动化遍历文件夹,搜集、识别国内外各种卫星类型,按属性(xml)或者按影像(tif)来确定一条记录。
采用多源影像库规范,将不同源的影像,不同坐标系下的影像,通过一致化处理,统一建库存储。入库主要过程包括:
(a)用户指定根目录,软件自动化遍历文件夹,提取属性信息,识别卫星类型.
用户指定影像入库目录,在目录内搜索所有已登记的影像数据源规则格式。支持DG系列、ALOS、Kompsat、GF、ZY等多种卫星数据和SWDC-4、SWDC-5、UCE、CS10000、DMCIII等航拍数据源。
(b)提取属性信息:对于栅格数据,主要包括文件名、文件时间、分辨率等信息;对于矢量元数据,主要包括矢量自定义的属性信息和影像范围。其中卫星遥感影像属性如数据时相、云量、卫星侧视角、投影、经纬度范围、图幅大小等,从而支持用户查询和分析数据情况。
(c)入库数据类型:属性文件、缩略图文件、影像文件、矢量文件。
属性和空间联合的统一数据查询
数据入库后,需要支持各种数据查询,包括按数据源、时相、地理范围、云量、侧视角等。基于统一的数据模型,大规模数据可统一操作,从各家卫星数据如DigitalGlobe、Kompsat、资源卫星、高景等元数据中提炼出普遍关心的公有属性,重要属性统一的提供检索,统一的方式提供查询。
数据入库后,可支持各种数据查询,包括按统一的属性查询,或按空间范围+属性组合全方位查询,用六大类、数十种方式查到想要的数据,涵盖属性、矢量、字段、操作等,支持多客户端或网页端并发访问查询,包括:
A.属性查询
(1)支持国内外全系列的数据源,包括新增国产卫星,大规模信息统一管理,如卫星查询支持按地理范围、时相、云量、卫星侧视角等。
(2)统一方式查询各阶段、多种数据源数据。
B.字段查询
(1)POI检索
在后台实时提供地点查询等功能,按照名称(范围、名称等)搜索匹配影像数据。
(2)分频道按不同字段查询,支持模糊查询。
根据空间矢量范围与属性字段信息(订单号/合同号等),单一或组合查询,界面显示查询结果。
a.矢量编辑查询:浏览地图编辑多边形、方框、经纬度范围,查询。支持属性条件与矢量范围进行混合空间查询,用户矢量查询方式主要包括包含、相交等。最底层的空间查询能力实际上由空间数据库提供。在应用端,相应提供相关数据查询支持,提供画框查询,支持由经纬度方框,查询该范围的原始影像。系统应自动进行投影变换,影像数据按空间范围+属性联合查询,不需要人为干预,返回空间范围内的各类型数据。
b.矢量选择查询:选择多级行政区划、输入标准图幅等方式,查询。支持用户根据矢量多边形点选/多选。城市行政区信息齐备的前提下,输入城市名称,通过空间关系运算,可找到该城市内的各类型影像,满足用户按省及附属岛屿查询的需求。
c.矢量导入查询:外部矢量SHP、KML等导入,选择查询,根据用户提供的矢量数据,对存储数据进行空间检索;
d.操作记录查询:按照操作者、操作时间查询,方便按批次导出数据。
由于数据量大,大量遥感图像缩略图集中显示,为了让图斑显示流畅,将图斑在同一个图层显示,将所有快视图合并显示在同一个Raster图层中,支持选中、切换、删除;同时,为不断的加载缩略图,同时限制内存的使用,避免系统内存耗尽,可将缩略图位图限制为最大k张(如设定为512张),做时钟算法替换,通过基于时钟(Clock Sweep)算法的缓存替换,提高大量快视图浏览的情况下显示和加载的速度。
实现影像信息提取技术、影像类型自动识别、定时、批量入库,包括基于属性字段的自动去重,一体化查询、统计、显示、导出,以及权限控制,配合规格化数据存储、二维GIS引擎多线程可视化显示技术,支持本地版、数据库版和网络版,实现了一体化、自动化的解决方案。
影像信息提取技术:
从提取关键空间和属性信息,批量上传后台数据库,更新数据集。
影像相关信息包括:
1)各种类型的影像,包括原始影像、成果影像、影像/矢量/透明图层瓦片;
2)影像经纬度范围等各种矢量信息;
3)云量、偏角等各种影像属性信息。提取原始影像信息:文件路径、数据时相、投影、图幅大小等。
通过GDAL二次开发,实现遥感影像信息提取,并实现并发处理,自动识别各种数据源,包括zip、tar、rar等影像包,自动化匹配。批量自动化入库,一次配置,无需再为入库发愁。其中最底层是各种数据格式,包括zip、tar等档案格式。
各种格式数据信息的处理还是用开源的GDAL/OGR库。GDAL port中封装了zip、tar的操作API,包括提取zip、tar以及二者的深入嵌套数据集。
最后在GUI(图形用户界面)中启动各项功能,调用应用接口。
影像自动化识别入库:
自动化定时入库,统一配置,一键操作,自动化、可视化、可调度,将影像数据入库,包括影像属性信息、shp范围信息、影像文件等。影像入库效率高,支持多卫星影像数据,多线程入库,入库同时检查数据完整性,并显示入库条目,可同步快速查询,明显提高生产效率。要求:
(1)一次配置,自动入库;选定路径,定时入库。
(2)自动识别各种数据源,包括zip、tar、rar等影像包,自动化匹配。
(2)自动去重,同时保留完整的库操作记录,方便查询。
将上述功能集成到统一的界面中。同时,要做到配置的统一,实现配置间的关联,同一选择项无需反复选择,具有一定的容错功能。
总体思路:数据类型选择某一家时,只入库这家数据,其他家数据过滤掉;如果数据类型选择为ALL,则自动识别是哪一家数据,然后入库;默认选项为ALL。
具体实现方法如下:根据各家提供商配置文件中的信息,关于sat_id和sensor_id字段名称和内容的不同判断出是哪家的数据。然后根据是哪家数据提供商,在数据库表image_file_tag中查找相应的cat_file_depth字段的值,分别得到矢量、缩略图的目录,然后即可矢量入库,属性入库,缩略图入库。
具体实现:
1.遍历目录
根据用户选择的根目录开始遍历目录。
2.判断数据类型
解析目录下的txt文件和xml文件,查找据库表image_category中entry_field字段对应的值,如果和entry_value字段对应的值匹配,则成功,返回cat_id。
3.读取属性信息
根据步骤2中cat_id的值,去数据库表image_attr_field中查找相应的字段,然后,从属性文件中解析这些字段值,保存到数据结构中等待入库。
4.获取矢量和缩略图目录。
已知属性文件的路径,去数据库表image_file_tag中查找cat_file_depth的值,就可以计算出矢量和缩略图目录。
5.属性信息入库
将步骤3中保存在数据结构中的属性信息入库。
6.属性文件入库
已知属性文件的路径,将属性文件入库。
7.矢量文件入库
根据步骤4得到矢量文件的路径,去数据库表image_category中查找record_key_sequence的值,计算出关键字,根据关键字去匹配矢量文件名,然后将矢量文件入库。
8.缩略图入库
根据步骤4得到缩略图文件的路径,去数据库表image_category中查找record_key_sequence的值,计算出关键字,根据关键字去匹配缩略图文件名,然后将缩略图文件入库。
9.入库记录
在步骤5、6、7、8完成后,产生一条入库的记录,供后续的入库记录查询使用。
10.循环执行以上步骤,直到入库完成。
基于属性字段的影像去重:
为避免重复入库,需要通过属性中去重字段来判别。提取遥感影像属性文件中的属性信息,与数据库表中的对应字段一一比对,相同则判定影像属于重复入库。
多层次影像信息联动显示:
依据属性条件,如波段类型、侧视角、时相、云量等查询后,支持信息可视化,通过表格方式,不分页异步渐进显示查询结果和条目。在数据查询中,针对查询结果数量较多的情况,可以对结果集进行可视化的点选,可根据用户需要,进行单选或多选。对选择的记录,浏览相关信息,高效的进行缩略图/属性显示,缩略图/范围删除等操作。
返回查询数据的属性信息、矢量范围和叠加快视图等,由用户选择快速显示。
1、属性信息分三级显示,包括关键属性、一般属性和属性详情。其中,关键属性在查询结果列表显示,含一般属性触发按钮,点击显示属性信息框,其中可点击“更多”按钮,触发显示属性详情框。
2、范围框和叠加缩略图都作为不同投影的图层在显示区分别显示,范围框矢量图层,叠加缩略图作为栅格图层流畅的显示,用户可依次双击,轮流显示叠加层下方的缩略图。
3、查询后的范围集作为一个内存矢量图层显示,与选中的结果集对应进行范围显示。
4、支持1:1显示影像文件,包括多景数据叠加对比。
5、增加了属性、范围、缩略图的联动,在查询结果中,单选时,与左侧属性表联动单击某条目,可看到相应矢量范围;当处于非单选或多选模式时,缩略图/属性可以依次浏览;拣选缩略图,调出对应的范围框。
用户根据需要,可以做放大、缩小、移动、缩放至图层范围显示等操作;并通过图层管理,移除图层,或自由改变图层的叠盖关系。
基于任务系统的影像数据导出:
根据显示的查询结果,当选择导出的时候,批量组合下载数据,可以回到原来的格式,且很好的保护其完整性。
配置导出数据类型及数据组合模式,将选择的数据从大对象导出或者从文件系统导出到指定目录下,可导出矢量、缩略图、影像数据、其它元数据。
多模式的影像统计:
统计方式分为两种,按专题统计和按目录统计。根据统计数据可以在不调用真实数据的情况下,对存储的数据进行概貌了解,生成各种分析图表。数据统计功能底层用SQL实现。
按专题:原始影像按数据类型、年份和月份统计,按卫星类型等显示各家数据情况;按年份、月份等统计数据分布;成果影像按分辨率和成图时间;瓦片地图按星源和时间统计。
原始影像的专题统计按2种类型进行统计,分别为:数据类型和数据时相。
按目录:原始影像为按数据类型和年份统计;成果按分辨率和成图时间统计;瓦片地图按星源和时间统计。
综上所述,借助于本发明的上述技术方案,通过使用该软件系统及方法,一方面高效地管理各种规则的大规模影像数据,能够自动化分门别类整理好杂乱的遥感数据,用六大类、数十种方式查到想要的数据,高效的浏览相关信息,且能很好的保护其完整性,当选择导出的时候,可以回到原来的格式;另一方面,它操作很流畅,可获得很好的用户体验。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (7)
1.一种基于图斑模型的多源遥感影像一体化管理系统,其特征在于,包括:影像自动化识别入库模块、图层合成模块、影像联动显示模块、影像数据导出模块、影像统计模块、影像配置模块,其中,
所述影像自动化识别入库模块用于配置定时器和导入类型,依据类型,分类遥感数据,自动化识别入库,所述影像自动化识别入库模块包括自动识别模块、入库模块、影像信息提取模块、影像去重模块;
所述图层合成模块用于采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层;
所述影像联动显示模块用于联动无缝地流畅显示多层次影像信息,所述影像联动显示模块包括图斑合成模块、置换模块;
所述影像数据导出模块用于配置导出的数据类型和数据组合模式,选择数据信息,从大对象和文件系统导出数据信息到指定目录;
所述影像统计模块用于依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表;
其中,基于图斑的数据模型,是基于NDS导航数据存储标准的遥感影像数据存储标准,对栅格、矢量空间信息统一建模,统一存储影像数据、元数据、缩略图、空间索引、关联文件,用于遥感数据统一查询,满足多类型遥感数据的通用存取查询需要;
为支持自动化识别入库,通过基于图斑的数据模型在空间数据库设定关联规则,然后通过规则模型把需要入库的数据与空间数据库中的数据一一对应起来,完成空间数据入库的过程。
2.根据权利要求1所述的基于图斑模型的多源遥感影像一体化管理系统,其特征在于,所述影像信息提取模块用于获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;所述影像去重模块用于获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像。
3.根据权利要求2所述的基于图斑模型的多源遥感影像一体化管理系统,其特征在于,所述自动识别模块用于识别数据源。
4.根据权利要求1所述的基于图斑模型的多源遥感影像一体化管理系统,其特征在于,所述影像统计模块包括专题统计模块、目录统计模块。
5.一种基于图斑模型的多源遥感影像一体化管理方法,其特征在于,包括以下步骤:
S1:获取影像关键空间和属性信息,发送所述关键空间和所述属性信息到数据库,所述数据库获取所述关键空间和所述属性信息,更新数据集;
S2:配置定时器和导入类型;
S3:依据类型,分类遥感数据,自动化识别入库,步骤S3中自动化识别入库包括以下步骤:
S31:基于图斑的数据模型,在空间数据库设定关联规则;
S32:依照规则模型,将入库的数据与空间数据库中的数据建立统一的映射关系;
S33:入库空间数据;
S4:获取遥感影像属性文件中的属性信息,将属性信息与数据库表中的对应字段一一比对,基于属性字段,去除重复所述遥感影像;
S5:采用内存置换算法Clock-sweep算法,置换出去不在显示区的缩略图,将显示区的缩略图合并成一个图层;
S6:联动无缝地流畅显示多层次影像信息;
S7:配置导出的数据类型和数据组合模式;
S8:选择数据信息,从大对象和文件系统导出数据信息到指定目录;
S9:依据数据统计类型,用SQL语句统计数据,概貌了解存储的数据,合成分析图表;
其中,基于图斑的数据模型,是基于NDS导航数据存储标准的遥感影像数据存储标准,对栅格、矢量空间信息统一建模,统一存储影像数据、元数据、缩略图、空间索引、关联文件,用于遥感数据统一查询,满足多类型遥感数据的通用存取查询需要。
6.根据权利要求5所述的基于图斑模型的多源遥感影像一体化管理方法,其特征在于,所述步骤S1包括以下步骤:
S11:获取影像类型、矢量信息、影像属性信息;
S12:依据GDAL二次开发,提取遥感影像信息;
S13:并发处理遥感影像信息。
7.根据权利要求5所述的基于图斑模型的多源遥感影像一体化管理方法,其特征在于,所述步骤S6包括以下步骤:
S61:依据属性条件查询,采用表格方式,不分页异步渐进显示查询结果和条目;
S62:依据查询后选中的结果集信息,三级显示属性信息;
S63:分别显示范围框和叠加缩略图,都作为不同投影的图层;
S64:对应范围显示出范围框,范围集作为一个内存矢量图层;
S65:缩略图作为栅格图层,用户依次双击,轮流显示叠加在一起的缩略图;
S66:拣选缩略图,调出对应的范围框;
S67:判断影像数据入库情况,显示并查看影像;
所述步骤S62的进一步包括以下步骤:
S621:显示主要属性信息;
S622:显示一般属性信息;
S623:显示属性详情信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337337.0A CN111125080B (zh) | 2019-12-23 | 2019-12-23 | 基于图斑模型的多源遥感影像一体化管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337337.0A CN111125080B (zh) | 2019-12-23 | 2019-12-23 | 基于图斑模型的多源遥感影像一体化管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111125080A CN111125080A (zh) | 2020-05-08 |
CN111125080B true CN111125080B (zh) | 2023-09-26 |
Family
ID=70501171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911337337.0A Active CN111125080B (zh) | 2019-12-23 | 2019-12-23 | 基于图斑模型的多源遥感影像一体化管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111125080B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111831856B (zh) * | 2020-06-17 | 2022-07-01 | 江苏方天电力技术有限公司 | 一种基于元数据的全息数字电网数据自动入库系统及方法 |
CN113781342B (zh) * | 2021-07-06 | 2022-03-11 | 自然资源部国土卫星遥感应用中心 | 一种海量多源光学遥感影像快速正射纠正管理方法 |
CN114240467B (zh) * | 2021-12-24 | 2023-04-18 | 中科星通(廊坊)信息技术有限公司 | 一种遥感产品真实性检验服务的订单系统及方法 |
CN114491108B (zh) * | 2021-12-30 | 2023-03-24 | 中科星通(廊坊)信息技术有限公司 | 一种基于多源遥感应用数据的在线分类系统及方法 |
CN114925153B (zh) * | 2022-05-26 | 2023-04-18 | 广州城市信息研究所有限公司 | 基于业务的地理信息数据质量检测方法、装置和设备 |
CN115082043A (zh) * | 2022-07-21 | 2022-09-20 | 成都戎星科技有限公司 | 一种烟叶种植遥感监管系统及方法 |
CN115391699B (zh) * | 2022-08-30 | 2023-11-10 | 中科星图数字地球合肥有限公司 | 一种云优化的静态地理信息矢量数据在线服务方法 |
CN115292529B (zh) * | 2022-09-20 | 2023-03-10 | 中咨数据有限公司 | 影像自动处理及成果自动入库方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877007A (zh) * | 2010-05-18 | 2010-11-03 | 南京师范大学 | 融合空间方位关系语义的遥感图像检索方法 |
CN105183795A (zh) * | 2015-08-25 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 基于内容的遥感图像变化检测信息检索方法 |
CN110348506A (zh) * | 2019-07-03 | 2019-10-18 | 广州大学 | 基于遥感图像的土地利用分类方法、存储介质和计算设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200840993A (en) * | 2007-04-04 | 2008-10-16 | Univ Nat Central | Ortho-rectification method of photogrammetry with high-spatial resolution |
-
2019
- 2019-12-23 CN CN201911337337.0A patent/CN111125080B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877007A (zh) * | 2010-05-18 | 2010-11-03 | 南京师范大学 | 融合空间方位关系语义的遥感图像检索方法 |
CN105183795A (zh) * | 2015-08-25 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 基于内容的遥感图像变化检测信息检索方法 |
CN110348506A (zh) * | 2019-07-03 | 2019-10-18 | 广州大学 | 基于遥感图像的土地利用分类方法、存储介质和计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111125080A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111125080B (zh) | 基于图斑模型的多源遥感影像一体化管理系统及方法 | |
Eldawy et al. | Shahed: A mapreduce-based system for querying and visualizing spatio-temporal satellite data | |
CN109284338B (zh) | 一种基于混合索引的卫星遥感大数据优化查询方法 | |
CN105701104B (zh) | 一种基于地理信息的三维数据引擎系统 | |
CN110781325A (zh) | 一种高分辨率遥感数据格网精细化管理模型及其构建方法 | |
WO2009137967A1 (en) | Provisioning a geographical image for retrieval | |
CN110659369B (zh) | 在轨高精度轻量化全球影像控制点数据库构建方法及系统 | |
Gong et al. | An efficient point cloud management method based on a 3D R-tree | |
CN115114356B (zh) | 一种基于矢量数据前端展示的实时脱密化方法 | |
Zhang et al. | Effectively indexing the uncertain space | |
Plant et al. | Image retrieval on the honeycomb image browser | |
CN114820975B (zh) | 基于全要素参数符号化的三维场景仿真重构系统及方法 | |
Luciani et al. | Large-scale overlays and trends: Visually mining, panning and zoomingthe observable universe | |
CN109688223A (zh) | 生态环境数据资源共享方法及装置 | |
CN116955684A (zh) | 一种面向实景三维的一码多态数据管理方法及系统 | |
CN115292529B (zh) | 影像自动处理及成果自动入库方法、系统、设备及介质 | |
CN115587084A (zh) | 一种地理信息数据综合管理系统及方法 | |
Bereta et al. | Ontology-based data access and visualization of big vector and raster data | |
Relly et al. | Physical database design for raster images in concert | |
CN110309155B (zh) | 基于数据库技术和分层数据的图像数据管理系统及方法 | |
CN114020706A (zh) | 基于vba的一种wps文件管理系统 | |
Vinhas et al. | Image Data Handling in Spatial Databases. | |
Li et al. | mcatCS | |
Yang et al. | Design and Construction of Massive Digital Orthophoto Map Database in China | |
CN115114231B (zh) | 基于Qt语言的城市中小型桥梁文件信息管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |