CN111126028A - 数据处理方法、装置及设备 - Google Patents
数据处理方法、装置及设备 Download PDFInfo
- Publication number
- CN111126028A CN111126028A CN201911400231.0A CN201911400231A CN111126028A CN 111126028 A CN111126028 A CN 111126028A CN 201911400231 A CN201911400231 A CN 201911400231A CN 111126028 A CN111126028 A CN 111126028A
- Authority
- CN
- China
- Prior art keywords
- processing
- data
- type
- remote sensing
- generating
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 234
- 238000000034 method Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000001422 normality test Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Character Input (AREA)
Abstract
本发明提供一种数据处理方法、装置及设备，该方法包括：获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。通过上述过程，实现了由数据处理设备对遥感数据进行处理，生成遥感数据对应的处理报告，与人工生成遥感数据的处理报告相比，无须耗费大量的时间和人力，提高了遥感数据的处理效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及设备。
背景技术
遥感技术是指通过从卫星、飞机或其他飞行器上收集地物目标的电磁辐射信息，从而确定地球环境和资源情况的技术。目前，遥感技术已经被广泛应用于农业、林业、海洋和环境监测等领域。
通过遥感技术对地球表面进行探测得到遥感数据，遥感数据通常为影像数据的形式。进而，通过对遥感数据进行分析和处理，生成遥感数据处理报告，以使用户了解地球环境资源信息。目前，对遥感数据进行分析和处理以生成遥感数据处理报告的过程由人工实现，需要耗费大量的时间和人力，导致遥感数据的处理效率较低。
发明内容
本发明提供一种数据处理方法、装置及设备，用以提高遥感数据的处理效率。
第一方面，本发明提供一种数据处理方法，包括：
获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；
根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；
获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
一种可能的实现方式中，所述根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，包括：
对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据；
根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，并根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息；
根据所述原始影像数据以及所述处理类型，生成影像类型的资源描述信息。
一种可能的实现方式中，所述根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，包括：
获取所述处理类型对应的知识库；
将所述关键数据与所述知识库中的多个预设规则进行匹配，得到所述多个预设规则各自对应的匹配结果；
根据所述多个预设规则各自对应的匹配结果以及所述多个预设规则之间的关联关系，生成文本类型的资源描述信息。
一种可能的实现方式中，所述根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息，包括：
根据所述处理类型，从所述关键数据中确定出用于生成图表的第一关键数据；
将所述第一关键数据输入图表生成工具中，获取所述图表生成工具输出的图表类型的资源描述信息。
一种可能的实现方式中，所述对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据，包括：
利用矢量数据和地物提取数据对所述原始影像数据进行资源信息提取，得到资源信息提取结果；
对所述资源信息提取结果进行关键信息挖掘，得到用于描述资源信息的关键数据。
一种可能的实现方式中，所述对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据之后，还包括：
获取所述关键数据的分布类型，并判断所述关键数据的分布类型是否满足预设分布类型。
一种可能的实现方式中，所述处理类型为下述中的任意一种：监测结果类型、预测类型、决策类型、评价类型。
第二方面，本发明提供一种数据处理装置，包括：
获取模块，用于获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；
处理模块，用于根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；
生成模块，用于获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
一种可能的实现方式中，所述处理模块具体用于：
对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据；
根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，并根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息；
根据所述原始影像数据以及所述处理类型，生成影像类型的资源描述信息。
一种可能的实现方式中，所述处理模块具体用于：
获取所述处理类型对应的知识库；
将所述关键数据与所述知识库中的多个预设规则进行匹配，得到所述多个预设规则各自对应的匹配结果；
根据所述多个预设规则各自对应的匹配结果以及所述多个预设规则之间的关联关系，生成文本类型的资源描述信息。
一种可能的实现方式中，所述处理模块具体用于：
根据所述处理类型，从所述关键数据中确定出用于生成图表的第一关键数据；
将所述第一关键数据输入图表生成工具中，获取所述图表生成工具输出的图表类型的资源描述信息。
一种可能的实现方式中，所述处理模块具体用于：
利用矢量数据和地物提取数据对所述原始影像数据进行资源信息提取，得到资源信息提取结果；
对所述资源信息提取结果进行关键信息挖掘，得到用于描述资源信息的关键数据。
一种可能的实现方式中，所述处理模块还用于：
获取所述关键数据的分布类型，并判断所述关键数据的分布类型是否满足预设分布类型。
一种可能的实现方式中，所述处理类型为下述中的任意一种：监测结果类型、预测类型、决策类型、评价类型。
第三方面，本发明提供一种数据处理设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如第一方面任一项所述的方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
本发明提供的数据处理方法、装置及设备，该方法包括：获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。通过上述过程，实现了由数据处理设备对遥感数据进行处理，从而生成遥感数据对应的处理报告，与人工生成遥感数据的处理报告相比，无须耗费大量的时间和人力，提高了遥感数据的处理效率。另外，与人工生成遥感数据的处理报告相比，还能够提高处理结果的准确度。
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，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的应用场景示意图；
图2为本发明一个实施例提供的数据处理方法的流程示意图；
图3为本发明一个实施例提供的一个处理报告模板的示意图；
图4为本发明另一个实施例提供的数据处理方法的流程示意图；
图5为本发明一个实施例提供的数据处理装置的结构示意图；
图6为本发明一个实施例提供的数据处理设备的结构示意图。
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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例的应用场景示意图。图1示例了遥感数据的生成过程以及遥感数据的处理过程。如图1所示，太阳辐射经过大气层到达地面，被地物(例如：树木、河流、建筑物等)反射后再次穿过大气层，被遥感器接收，并由传感器将这部分能量的特征传送回地面。这部分被传送回地面的能量特征数据被称为遥感数据。遥感数据通常为影像的形式。继续参见图1，遥感数据被传送回地面的数据库中。数据处理设备从数据库中获取遥感数据，并对遥感数据进行处理，生成遥感数据对应的处理报告。
其中，遥感器是用来远距离检测地物和环境所辐射或反射的电磁波的仪器。遥感器可以搭载在卫星、飞机或者其他飞行器上。可选的，遥感器可以为高光谱遥感器，高光谱遥感器采集到的影像数据为高光谱影像数据。高光谱影像数据不仅在信息丰富程度方面有了极大的提高，高光谱影像数据的处理技术也对遥感数据进行更为合理、有效的分析处理提供了可能。
数据处理设备可以为任意具有数据处理能力的电子设备。例如，数据处理设备可以为地面服务器。数据库用于存储遥感器返回地面的遥感数据。实际应用中，数据库可以部署在数据处理设备中，还可以独立于数据处理设备，本实施例对此不作限定。
能够理解，遥感技术已经被广泛应用于农业、林业、海洋和环境监测等领域。本实施例对于遥感数据所属领域不作限定，也就是说，遥感数据可以为农业、林业、海洋和环境监测等领域的数据。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明一个实施例提供的数据处理方法的流程示意图。本实施例的方法可以由图1中的数据处理设备执行。如图2所示，本实施例的方法可以包括：
S201：获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据。
其中，待处理的遥感数据可以是从服务器获取的，还可以是从遥感器直接获取的。本实施例对此不作限定。本实施例中，遥感数据是指遥感器采集到的原始影像数据。例如：若遥感器为高光谱遥感器，则遥感数据为高光谱影像数据。
本实施例中，可以根据实际处理需求，获取待处理的遥感数据。一个示例中，需要对某个时间范围内的遥感数据进行处理，则可以获取该时间范围内的遥感数据作为待处理的遥感数据。另一个示例中，需要对某个区域范围内的遥感数据进行处理，则可以获取该区域范围内的遥感数据作为待处理的遥感数据。
本实施例中，还可以根据实际处理需求获取处理类型，处理类型是指对遥感数据进行处理的类型。处理类型用于指示的是对遥感数据进行处理的目的。本实施例的处理类型可以为下述中的任意一种：监测结果类型、预测类型、决策类型、评价类型。例如，监测结果类型指示的是根据遥感数据得到监测结果；预测类型指示的是根据遥感数据得到发展趋势的预测结果；决策类型指示的是根据遥感数据做出某种决策；评价类型指示的是根据遥感数据得到评价结果。
S202：根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型。
本实施例中，对遥感数据进行处理得到的遥感处理数据是指用于描述地球环境资源的信息。地球环境资源包括但不限于：河流、树木、建筑、海洋、土地、农作物、植被等。
能够理解，当处理类型不同时，对遥感数据所进行的处理可以是不同的。示例性的，若处理类型为监测结果类型，则需要对遥感数据的监测结果进行分析处理，得到用于指示监测结果的遥感处理数据。若处理类型为预测类型，则需要根据遥感数据进行预测处理，得到用于指示预测结果的遥感处理数据。若处理类型为决策类型，则需要根据遥感数据进行决策处理，得到用于指示决策结果的遥感处理数据。若处理类型为评价类型，则需要根据遥感数据进行评价处理，得到用于指示评价结果的遥感处理数据。
无论何种处理类型，得到的遥感处理数据中可以包括下述至少一种类型的资源描述信息：文本类型、图表类型、影像类型。其中，文本类型是指采用字符形式(例如文本语句、文本段落等)进行描述。图表类型是指采用图形、表格等形式进行描述，其中，图形可以为柱形图、折线图、饼图等。影像类型是指采用图像、视频等形式进行描述。
S203：获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
本实施例中，处理报告模板是指对遥感数据进行处理所形成的报告的格式。例如：处理报告模板中可以指示在报告的各个区域分别展示哪种类型的资源描述信息。能够理解，不同的处理类型对应的处理报告模板可以不同。
图3为本发明一个实施例提供的一个处理报告模板的示意图。如图3所示，该模板是以监测结果类型的模板为例进行示意。该模板中包括5个展示区域，第1个展示区域用于展示文本类型的信息，第2个和第3个展示区域用于展示图表类型的信息，第4个和第5个展示区域用于展示文本类型的信息。需要说明的是，本实施例对于处理报告模板的格式不作限定，图3所示仅为示意。
结合图3，得到遥感处理数据之后，可以按照遥感处理数据中的资源描述信息的类型，将遥感处理数据填充至处理报告模板中，生成遥感数据对应的处理报告。
另外，需要说明的是，本实施例对于处理报告模板的文件格式不作限定。可选的，处理报告模板可以为PDF格式的文档。示例性的，可以事先定义脚本编写方式，并在脚本中控制报告的显示样式以及数据处理过程。然后利用该脚本生成一个PDF格式的处理报告模板。
本实施例提供的数据处理方法，包括：获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。通过上述过程，实现了由数据处理设备对遥感数据进行处理，从而生成遥感数据对应的处理报告，与人工生成遥感数据的处理报告相比，无须耗费大量的时间和人力，提高了遥感数据的处理效率。另外，与人工生成遥感数据的处理报告相比，还能够提高处理结果的准确度。
图4为本发明另一个实施例提供的数据处理方法的流程示意图。本实施例对图2所示的实施例进行进一步的细化。如图4所示，本实施例的方法可以包括：
S401：获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据。
本实施例中S401的具体实施方式与S201类似，此处不再赘述。
S402：根据所述处理类型对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据。
本实施例中，对原始影像数据进行资源信息提取是指，从原始影像数据中提取出地球环境资源信息。针对不同领域的遥感数据，需要从原始影像数据中提取的资源信息可能不同。例如：对于农作物遥感数据，需要从原始影像数据中提取出农作物信息，比如农作物的面积、农作物的种类等。针对河流遥感数据，需要从原始影像数据中提取出河流信息，比如河流的长度、宽度等。通过资源信息提取过程，得到用于描述资源信息的关键数据，这些关键数据通常为数值型数据，比如上述的河流长度、河流宽度等。
一种可能的实施方式中，步骤S402可以采用如下方式：利用矢量数据和地物提取数据对所述原始影像数据进行资源信息提取，得到资源信息提取结果；对所述资源信息提取结果进行关键信息挖掘，得到用于描述资源信息的关键数据。
其中，矢量数据也可以称为图层矢量数据，一般通过记录坐标的方式来尽可能将地理实体的空间位置表现的准确无误，显示的图形一般分为矢量图和位图。矢量数据是利用欧几里德几何学中点、线、面及其组合体来表示地理实体空间分布的一种数据组织方式。
地物提取数据是指对原始影像数据进行地物提取所需要的参数。地物是指地面上各种有形物(如山川、森林、建筑物等)和无形物(如省、县界等)的总称。泛指地球表面上相对固定的物体。
示例性的，以河流遥感数据为例，利用矢量数据和地物提取数据对原始影像数据进行河流信息提取，得到河流提取结果，然后根据河流提取结果进行信息挖掘，得到河流的长度、宽度等关键数据。
实际应用中，用于进行资源信息提取的矢量数据和地物提取数据可以存储在数据库中，该数据库可以是与存储遥感数据的数据库相同的数据库，还可以是与存储遥感数据的数据库不同的数据库。
示例性的，可以使用ETL(Extract-Transform-Load)工具将分布的、异构数据源中的原始影像数据、矢量数据、地物提取数据等，通过自然语言处理技术、人工智能、数据挖掘、数据处理、知识碎片化技术加载到数据库中，并对这些数据进行清洗、转换、过滤等处理得到关键数据。这些关键数据成为后续分析处理、数据挖掘的基础。还可以对提取的关键数据进行统计分析，获取特定的统计分析结果，将结果数据存入关系数据库，如mysql、oracle等。
S403：根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，并根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息。
本实施例中，通过对提取出的关键数据进行分析处理，可以生成文本类型的资源描述信息，以及图表类型的资源描述信息。
一种可能的实施方式中，根据关键数据以及处理类型，生成文本类型的资源描述信息，可以包括如下步骤：获取所述处理类型对应的知识库；将所述关键数据与所述知识库中的多个预设规则进行匹配，得到所述多个预设规则各自对应的匹配结果；根据所述多个预设规则各自对应的匹配结果以及所述多个预设规则之间的关联关系，生成文本类型的资源描述信息。
其中，每个处理类型可以对应一个知识库。每个知识库中可用于存储多个预设规则。多个预设规则包括但不限于：平均值规则、升降区间规则、排序规则等。其中，平均值规则是指根据平均值与最高值和最低值之间的差额来定义数据的发展趋势。升降区间规则是指根据数据比对区间定义升降幅度的规则。排序规则是指根据数值的排序来定义排名的规则。
示例性的，当某个规则的条件满足时，可以触发推理机制，开始一次推理过程。所有规则之间的组合形成一个推理网络或推理树。在推理的过程中，规则的依次触发可以构成一条或者多条推理路线，采用跟踪推理法确定推理路线解释机制，通过重现问题求解过程的推理路线，得到问题结论。推理机制通过规则定义和触发规则的数据条件，得到规则解释信息，构成推理机制的推理树。推理树中每一个根节点到叶子节点构成的线路解释信息遍是一条语句的构成，通过语句的排版与重建最终文本信息，即得到文本形式的资源描述信息。
另一种可能的实施方式中，根据关键数据以及处理类型，生成图表类型的资源描述信息，可以包括如下步骤：根据所述处理类型，从所述关键数据中确定出用于生成图表的第一关键数据；将所述第一关键数据输入图表生成工具中，获取所述图表生成工具输出的图表类型的资源描述信息。
示例性的，获取到用于生成图表的关键数据后，通过自动生成Excel报表工具类生成报表，报表生成之后自动转换成图片格式，得到图表类型的资源描述信息。
S404：根据所述原始影像数据，生成影像类型的资源描述信息。
示例性的，可以通过对原始影像数据进行裁剪、拼接、调整等处理，生成影像类型的资源描述信息。
本实施例对于影像类型的资源描述信息的格式不作限定。可选的，影像类型的资源描述信息可以为GIF格式的文件。
S405：获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
本实施例中，S405的具体实施方式与图2中的S203类似，此处不作赘述。
可选的，在一种可能的实施方式中，在S402之后，还可以包括：获取所述关键数据的分布类型，并判断所述关键数据的分布类型是否满足预设分布类型。
示例性的，在某些应用场景下，提取出的关键数据需要服从或近似服从正态分布，所以可以获取关键数据的分布类型，判断关键数据的分布类型是否满足正态分布，即对关键数据进行正态性检验。若关键数据满足正态分布，说明提取出的关键数据符合该场景的需求，则继续执行后续的S403至S405。否则，重新执行S402的关键数据提取过程，直至关键数据满足正态分布为止。
本实施例的数据处理方法，实现了由数据处理设备对遥感数据进行处理，从而生成遥感数据对应的处理报告，与人工生成遥感数据的处理报告相比，无须耗费大量的时间和人力，提高了遥感数据的处理效率。另外，与人工生成遥感数据的处理报告相比，还能够提高处理结果的准确度。
图5为本发明一个实施例提供的数据处理装置的结构示意图。本实施例的数据处理装置可以为软件和/或硬件的形式。本实施例的数据处理装置可以设置在数据处理设备中。如图5所示，本实施例的数据处理装置500，包括：获取模块501、处理模块502和生成模块503。
其中，获取模块501，用于获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；
处理模块502，用于根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；
生成模块503，用于获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
一种可能的实现方式中，所述处理模块502具体用于：
对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据；
根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，并根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息；
根据所述原始影像数据以及所述处理类型，生成影像类型的资源描述信息。
一种可能的实现方式中，所述处理模块502具体用于：
获取所述处理类型对应的知识库；
将所述关键数据与所述知识库中的多个预设规则进行匹配，得到所述多个预设规则各自对应的匹配结果；
根据所述多个预设规则各自对应的匹配结果以及所述多个预设规则之间的关联关系，生成文本类型的资源描述信息。
一种可能的实现方式中，所述处理模块502具体用于：
根据所述处理类型，从所述关键数据中确定出用于生成图表的第一关键数据；
将所述第一关键数据输入图表生成工具中，获取所述图表生成工具输出的图表类型的资源描述信息。
一种可能的实现方式中，所述处理模块502具体用于：
利用矢量数据和地物提取数据对所述原始影像数据进行资源信息提取，得到资源信息提取结果；
对所述资源信息提取结果进行关键信息挖掘，得到用于描述资源信息的关键数据。
一种可能的实现方式中，所述处理模块502还用于：
获取所述关键数据的分布类型，并判断所述关键数据的分布类型是否满足预设分布类型。
一种可能的实现方式中，所述处理类型为下述中的任意一种：监测结果类型、预测类型、决策类型、评价类型。
本实施例的数据处理装置，可用于执行上述任一方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
图6为本发明一个实施例提供的数据处理设备的结构示意图。如图6所示，本实施例的数据处理设备600，包括：处理器601以及存储器602；其中，存储器602，用于存储计算机程序；处理器601，用于执行存储器存储的计算机程序，以实现上述实施例中的数据处理方法。具体可以参见前述方法实施例中的相关描述。
可选地，存储器602既可以是独立的，也可以跟处理器601集成在一起。
当所述存储器602是独立于处理器601之外的器件时，所述数据处理设备600还可以包括：总线603，用于连接所述存储器602和处理器601。
本实施例提供的数据处理设备，可用于执行上述任一方法实施例中的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序用于实现如上任一方法实施例中的技术方案。
本发明实施例还提供一种芯片，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行上述任一方法实施例中的技术方案。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本发明附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种数据处理方法，其特征在于，包括：
获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；
根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；
获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
2.根据权利要求1所述的方法，其特征在于，所述根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，包括：
对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据；
根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，并根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息；
根据所述原始影像数据以及所述处理类型，生成影像类型的资源描述信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述关键数据以及所述处理类型，生成文本类型的资源描述信息，包括：
获取所述处理类型对应的知识库；
将所述关键数据与所述知识库中的多个预设规则进行匹配，得到所述多个预设规则各自对应的匹配结果；
根据所述多个预设规则各自对应的匹配结果以及所述多个预设规则之间的关联关系，生成文本类型的资源描述信息。
4.根据权利要求2所述的方法，其特征在于，所述根据所述关键数据以及所述处理类型，生成图表类型的资源描述信息，包括：
根据所述处理类型，从所述关键数据中确定出用于生成图表的第一关键数据；
将所述第一关键数据输入图表生成工具中，获取所述图表生成工具输出的图表类型的资源描述信息。
5.根据权利要求2至4任一项所述的方法，其特征在于，所述对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据，包括：
利用矢量数据和地物提取数据对所述原始影像数据进行资源信息提取，得到资源信息提取结果；
对所述资源信息提取结果进行关键信息挖掘，得到用于描述资源信息的关键数据。
6.根据权利要求2至4任一项所述的方法，其特征在于，所述对所述原始影像数据进行资源信息提取，得到用于描述资源信息的关键数据之后，还包括：
获取所述关键数据的分布类型，并判断所述关键数据的分布类型是否满足预设分布类型。
7.根据权利要求1所述的方法，其特征在于，所述处理类型为下述中的任意一种：监测结果类型、预测类型、决策类型、评价类型。
8.一种数据处理装置，其特征在于，包括：
获取模块，用于获取待处理的遥感数据以及处理类型，所述遥感数据为遥感器采集到的原始影像数据；
处理模块，用于根据所述处理类型对所述遥感数据进行处理，得到遥感处理数据，所述遥感处理数据包括下述中的至少一种类型的资源描述信息：文本类型、图表类型、影像类型；
生成模块，用于获取与所述处理类型对应的处理报告模板，将所述遥感处理数据填充至所述处理报告模板中，生成所述遥感数据对应的处理报告。
9.一种数据处理设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400231.0A CN111126028B (zh) | 2019-12-30 | 2019-12-30 | 数据处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911400231.0A CN111126028B (zh) | 2019-12-30 | 2019-12-30 | 数据处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111126028A true CN111126028A (zh) | 2020-05-08 |
| CN111126028B CN111126028B (zh) | 2023-07-18 |
Family
ID=70505616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911400231.0A Active CN111126028B (zh) | 2019-12-30 | 2019-12-30 | 数据处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126028B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112860751A (zh) * | 2021-03-16 | 2021-05-28 | 深圳前海微众银行股份有限公司 | 遥感影像的处理方法、装置、服务器和存储介质 |
| CN113282350A (zh) * | 2021-05-26 | 2021-08-20 | 重庆零壹空间科技集团有限公司 | 遥测数据判读方法、装置、计算机设备和可读存储介质 |
| CN113570291A (zh) * | 2021-09-26 | 2021-10-29 | 航天宏图信息技术股份有限公司 | 一种生态功能区生态环境监测分析方法和系统 |
| CN117590980A (zh) * | 2023-04-28 | 2024-02-23 | 北京拉酷网络科技有限公司 | 认知界面、对象处理方法、系统、装置以及云计算平台 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020325A (zh) * | 2013-01-17 | 2013-04-03 | 中国科学院计算机网络信息中心 | 基于NoSQL数据库的分布式遥感数据组织查询方法 |
| US20130094430A1 (en) * | 2011-10-14 | 2013-04-18 | Bluetick, Inc. | System And Method To Monitor And Control Remote Sensors And Equipment |
| CN103092979A (zh) * | 2013-01-31 | 2013-05-08 | 中国科学院对地观测与数字地球科学中心 | 遥感数据检索自然语言的处理方法及装置 |
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN104200422A (zh) * | 2014-08-28 | 2014-12-10 | 邓鑫 | 一种用于遥感图像处理的专家系统 |
| US20150186727A1 (en) * | 2013-12-27 | 2015-07-02 | Weyerhaeuser Nr Company | Method and apparatus for distinguishing between types of vegetation using near infrared color photos |
| US20160354039A1 (en) * | 2004-03-05 | 2016-12-08 | Health Outcomes Sciences, Inc. | Systems and methods for utilizing wireless physiological sensors |
| CN109086715A (zh) * | 2018-07-31 | 2018-12-25 | 天图软件科技有限公司 | 基于通导遥数据中间件的系统、装置和数据处理的方法 |
| CN109542951A (zh) * | 2018-11-22 | 2019-03-29 | 中国科学院遥感与数字地球研究所 | 一种遥感大数据的时空代表性评估系统与方法 |
| CN109871269A (zh) * | 2019-01-15 | 2019-06-11 | 中国人民解放军63921部队 | 一种遥感数据处理方法、系统、电子设备和介质 |
| US20190347745A1 (en) * | 2018-05-10 | 2019-11-14 | The Climate Corporation | Analysis and presentation of agricultural data |
-
2019
- 2019-12-30 CN CN201911400231.0A patent/CN111126028B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160354039A1 (en) * | 2004-03-05 | 2016-12-08 | Health Outcomes Sciences, Inc. | Systems and methods for utilizing wireless physiological sensors |
| US20130094430A1 (en) * | 2011-10-14 | 2013-04-18 | Bluetick, Inc. | System And Method To Monitor And Control Remote Sensors And Equipment |
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN103020325A (zh) * | 2013-01-17 | 2013-04-03 | 中国科学院计算机网络信息中心 | 基于NoSQL数据库的分布式遥感数据组织查询方法 |
| CN103092979A (zh) * | 2013-01-31 | 2013-05-08 | 中国科学院对地观测与数字地球科学中心 | 遥感数据检索自然语言的处理方法及装置 |
| US20150186727A1 (en) * | 2013-12-27 | 2015-07-02 | Weyerhaeuser Nr Company | Method and apparatus for distinguishing between types of vegetation using near infrared color photos |
| CN104200422A (zh) * | 2014-08-28 | 2014-12-10 | 邓鑫 | 一种用于遥感图像处理的专家系统 |
| US20190347745A1 (en) * | 2018-05-10 | 2019-11-14 | The Climate Corporation | Analysis and presentation of agricultural data |
| CN109086715A (zh) * | 2018-07-31 | 2018-12-25 | 天图软件科技有限公司 | 基于通导遥数据中间件的系统、装置和数据处理的方法 |
| CN109542951A (zh) * | 2018-11-22 | 2019-03-29 | 中国科学院遥感与数字地球研究所 | 一种遥感大数据的时空代表性评估系统与方法 |
| CN109871269A (zh) * | 2019-01-15 | 2019-06-11 | 中国人民解放军63921部队 | 一种遥感数据处理方法、系统、电子设备和介质 |
Non-Patent Citations (5)
| Title |
|---|
| SEVIS TUIA: "putting the user into the active learning loop：towards realistic but efficient photointerpretation", 《2012 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
| 余凡: "领域本体构建方法及实证研究——以测绘学领域为例" * |
| 邓吉秋;严米;彭文澜;余德清;: "基于GIS的海南省国土资源遥感综合调查信息系统设计与开发", no. 03 * |
| 金亚秋: "多模式遥感智能信息与目标识别：微波视觉的物理智能", 《雷达学报》 * |
| 陈垦: "客户端聚合服务的协同机制在动态遥感监测中的应用研究", 《中国博士论文信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112860751A (zh) * | 2021-03-16 | 2021-05-28 | 深圳前海微众银行股份有限公司 | 遥感影像的处理方法、装置、服务器和存储介质 |
| CN113282350A (zh) * | 2021-05-26 | 2021-08-20 | 重庆零壹空间科技集团有限公司 | 遥测数据判读方法、装置、计算机设备和可读存储介质 |
| CN113570291A (zh) * | 2021-09-26 | 2021-10-29 | 航天宏图信息技术股份有限公司 | 一种生态功能区生态环境监测分析方法和系统 |
| CN117590980A (zh) * | 2023-04-28 | 2024-02-23 | 北京拉酷网络科技有限公司 | 认知界面、对象处理方法、系统、装置以及云计算平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111126028B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111126028B (zh) | 数据处理方法、装置及设备 | |
| Lau et al. | Quantifying branch architecture of tropical trees using terrestrial LiDAR and 3D modelling | |
| Raczko et al. | Comparison of support vector machine, random forest and neural network classifiers for tree species classification on airborne hyperspectral APEX images | |
| US9230168B2 (en) | Automatic generation of built-up layers from high resolution satellite image data | |
| Tehrany et al. | A comparative assessment between object and pixel-based classification approaches for land use/land cover mapping using SPOT 5 imagery | |
| Liu et al. | Large-scale high-resolution coastal mangrove forests mapping across West Africa with machine learning ensemble and satellite big data | |
| Moffiet et al. | Airborne laser scanning: Exploratory data analysis indicates potential variables for classification of individual trees or forest stands according to species | |
| CN110336838B (zh) | 账号异常检测方法、装置、终端及存储介质 | |
| Sinha et al. | Markov land cover change modeling using pairs of time-series satellite images | |
| Yue et al. | Texture extraction for object-oriented classification of high spatial resolution remotely sensed images using a semivariogram | |
| Ayrey et al. | Ecologically-based metrics for assessing structure in developing area-based, enhanced forest inventories from LiDAR | |
| CN111373393B (zh) | 图像检索方法和装置以及图像库的生成方法和装置 | |
| JPWO2019087673A1 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム | |
| Onojeghuo et al. | Wetland mapping with multi-temporal sentinel-1 &-2 imagery (2017–2020) and LiDAR data in the grassland natural region of alberta | |
| Fundisi et al. | Estimation of woody plant species diversity during a dry season in a savanna environment using the spectral and textural information derived from WorldView-2 imagery | |
| Reese et al. | Combining point clouds from image matching with SPOT 5 multispectral data for mountain vegetation classification | |
| Albuquerque et al. | Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon | |
| Silverman et al. | Predicting origins of coherent air mass trajectories using a neural network—the case of dry intrusions | |
| Osei et al. | Long term monitoring of Ghana’s forest reserves Using Google Earth Engine | |
| Marinelli et al. | Forest change detection in LiDAR data based on polar change vector analysis | |
| Rana et al. | Large tree diameter distribution modelling using sparse airborne laser scanning data in a subtropical forest in Nepal | |
| CN114741697A (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
| CN114022789A (zh) | 水体信息提取方法、装置、电子设备及存储介质 | |
| CN114519400A (zh) | 分割结果评估方法、装置、电子设备和可读存储介质 | |
| Surwase et al. | Development of algorithms for evaluating performance of flood simulation models with satellite-derived flood |
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 |