CN112579677B - 一种卫星遥感影像自动处理方法 - Google Patents

Abstract

本发明提供了卫星遥感影像技术领域的一种卫星遥感影像自动处理方法，包括如下步骤：步骤S10、从各系统获取卫星遥感影像存储至数据库中；步骤S20、基于预设的影像参数从所述数据库中检索筛选待处理的卫星遥感影像；步骤S30、对待处理的各所述卫星遥感影像进行并行正射处理；步骤S40、对正射处理后的所述卫星遥感影像进行变化检测或者切片展示，完成所述卫星遥感影像的自动处理。本发明的优点在于：极大的提高了卫星遥感影像的处理效率。

Description

一种卫星遥感影像自动处理方法

技术领域

本发明涉及卫星遥感影像技术领域，特别指一种卫星遥感影像自动处理方法。

背景技术

随着科技的进步，卫星遥感已进入大数据时代，高分辨率、高动态的遥感对地观测载荷不仅波段数量多、光谱和空间分辨率高、数据速率高、周期短，而且数据量特别大。

由于遥感影像具有宏观、客观、综合、实时、动态、快速等特点，为地球资源调查与开发，国土规划整治，环境监测等提供了一种新的探测手段。但从遥感影像上进行信息提取，需要对遥感影像数据进行一系列处理，主要包括几何校正、正射校正、影像融合、镶嵌、匀光匀色、图像解译等，且由于遥感影像不同于普通的数字图像，光谱信息、目标本征信息(例如植被指数，建筑物指数)等都是分类的重要依据，处理过程需要大量的人工干预，使得传统的遥感图像处理效率已经无法满足大范围、规模化、周期化应用需求，当应用需要覆盖全省乃至海丝沿线时，数据量巨大，处理速度往往无法满足季度、月度及更高时效的遥感应用需求。

因此，如何提供一种卫星遥感影像自动处理方法，实现提高卫星遥感影像的处理效率，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种卫星遥感影像自动处理方法，实现提高卫星遥感影像的处理效率。

本发明是这样实现的：一种卫星遥感影像自动处理方法，包括如下步骤：

步骤S10、从各系统获取卫星遥感影像存储至数据库中；

步骤S20、基于预设的影像参数从所述数据库中检索筛选待处理的卫星遥感影像；

步骤S30、对待处理的各所述卫星遥感影像进行并行正射处理；

步骤S40、对正射处理后的所述卫星遥感影像进行变化检测或者切片展示，完成所述卫星遥感影像的自动处理。

进一步地，所述步骤S10具体为：

创建一数据库，扫描各遥感数据系统的卫星遥感影像存储至所述数据库中，并记录各所述卫星遥感影像的存储日志；各所述卫星遥感影像均携带影像参数。

进一步地，所述步骤S20中，所述影像参数至少包括拍摄的卫星类型、分辨率、拍摄的传感器类型、影像云量范围以及地理位置。

进一步地，所述步骤S20中，所述检索筛选支持关键字检索、条件组合检索以及缓存预设的条件检索，并将检索结果以JSON格式进行展示。

进一步地，所述步骤S30具体包括：

步骤S31、对待处理的各所述卫星遥感影像进行并行影像预处理；

步骤S32、利用若干台刀片服务器对影像预处理后的所述卫星遥感影像进行并行空中三角测量，生成测量结果；

步骤S32、利用集群计算机基于所述测量结果对预处理后的所述卫星遥感影像进行并行纠正，完成卫星遥感影像的正射处理。

进一步地，所述步骤S31中，所述影像预处理至少包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像多级金字塔。

进一步地，所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行变化检测具体包括：

步骤S41、对正射处理后的卫星遥感影像进行多尺度分割，获取同质的像斑对象；

步骤S42、计算各所述像斑对象在两期的卫星遥感影像下的特征差值；

步骤S43、基于模糊集的变化检测方法提取所述特征差值的变化信息。

进一步地，所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行切片展示具体为：

选择需要展示的正射处理后的所述卫星遥感影像，设定存储的瓦片数据库，利用若干个计算节点对所述卫星遥感影像进行并行切片，并基于OGC标准协议对切片后的所述卫星遥感影像进行展示。

本发明的优点在于：

通过影像参数对卫星遥感影像进行检索筛选后，自动进行并行的正射处理、变化检测以及切片展示，对卫星遥感影像进行精简，避免了处理过程中的人工干预，且进行并行的分布式处理，在保障数据质量的前提下，极大的提高了卫星遥感影像的处理效率。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1是本发明一种卫星遥感影像自动处理方法的流程图。

图2是本发明卫星遥感影像检索筛选的示意图。

图3是本发明卫星遥感影像并行处理的示意图。

图4是本发明中等分辨率土地覆盖变化检测方法的流程图。

图5是本发明多尺度分割的流程图。

图6是本发明基于模糊集的变化检测方法的流程图。

具体实施方式

请参照图1至图6所示，本发明一种卫星遥感影像自动处理方法的较佳实施例，包括如下步骤：

步骤S10、从各系统获取卫星遥感影像存储至数据库中；

步骤S20、基于预设的影像参数从所述数据库中检索筛选待处理的卫星遥感影像；

步骤S30、对待处理的各所述卫星遥感影像进行并行正射处理；

步骤S40、对正射处理后的所述卫星遥感影像进行变化检测或者切片展示，完成所述卫星遥感影像的自动处理。

在卫星遥感影像自动处理前，需要事先配置四类参数，一是影像参数，满足所述影像参数的卫星遥感影像才会被处理；二是正射处理流程，包括使用的参考影像、DEM、控制点参数以及具体正射校正步骤、是否进行去云处理等；三是正射处理结果影像的切片参数，包括该结果要叠加的影像底图、叠加方式是更新还是覆盖、切片的级别、波段叠加方式、是否拉伸等；四是用于变化检测的T1时相影像以及将要使用的变化检测模型。

所述步骤S10具体为：

创建一数据库，扫描各遥感数据系统的卫星遥感影像存储至所述数据库中，并记录各所述卫星遥感影像的存储日志；各所述卫星遥感影像均携带影像参数。

卫星遥感影像的数据面临着空间分辨率、时间分辨率、波谱范围、投影标准、分幅标准等方面的差异，需要建立规范化的元数据模型，制定适合于卫星跨部门信息的元数据标准，并需要具备一定的扩展能力，可以根据新增卫星进行动态扩展。卫星遥感影像的数据至少包括多源遥感数据、G IS数据、过程数据及成果数据等。通过记录各所述卫星遥感影像的存储日志，即使离开当前扫描或入库的界面，依然可通过存储日志来查看所有的扫描入库情况，同时可对相应的记录进行控制(停止、删除等)，以达到可随时监控当前扫描的详细信息。

所述步骤S20中，所述影像参数至少包括拍摄的卫星类型、分辨率、拍摄的传感器类型、影像云量范围以及地理位置。

所述步骤S20中，所述检索筛选支持关键字检索、条件组合检索以及缓存预设的条件检索，并将检索结果以JSON格式进行展示。

检索支持差异化数据库检索以及统一化数据库检索；差异化数据库检索针对不同的底层数据库和数据结构，对同一检索条件差异化查询，加载不同数据库的驱动，采用该数据库格式的sql语句进行检索；统一化数据库检索针对不同数据库数据结构的差异，对数据库检索结果进行格式转换，输出为统一格式的数据。

所述步骤S30具体包括：

步骤S31、对待处理的各所述卫星遥感影像进行并行影像预处理；正射处理过程中，有75％的时间花在影像预处理，对影像预处理进行并行操作，能够成倍缩短处理时间；

步骤S32、利用若干台刀片服务器对影像预处理后的所述卫星遥感影像进行并行空中三角测量，生成测量结果；在传统空中三角测量中，匹配过程是按照影像邻接关系进行串行匹配，极大地限制了空中三角测量的效率，匹配处理方式已远远不能满足海量卫星影像空中三角测量的需求，利用多台刀片服务器，可以将传统的匹配流程由串行变为并行，大大缩短了匹配的时间，成倍地提高了空中三角测量的效率；

步骤S32、利用集群计算机基于所述测量结果对预处理后的所述卫星遥感影像进行并行纠正，完成卫星遥感影像的正射处理；传统卫星遥感影像的正射影像的制作人工干预量大，并且编辑结果不直观，多个模型的接边区域往往需要进行多次编辑，效率低下；而集群计算机的磁盘阵列容量大，可以将整个测区的正射影像保存为一个文件，并将数字微分纠正任务分配给多台服务器进行并行计算，不仅缩短了采样的时间，同时减少了文件的数目，易于数据的管理、编辑和浏览，对于单个任务计算量较大、内存开销较多而单任务之间交互较少的摄影测量数据处理，可以采用粗粒度的划分方式，将任务分配到各节点上，实现一种基于消息传递的多进程处理流程。

所述步骤S31中，所述影像预处理至少包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像多级金字塔。

正射处理通过超算子系统进行。超算子系统是按照卫星数据处理工具包的形式，灵活定制集成，提供不同卫星数据处理能力，具体包括数据编目处理、辐射校正、MTFC校正、传感器校正、多光谱影像波段配准、数据系统几何校正、数据几何精校正、数据正射校正、大气校正、影像融合、影像融合等标准数据处理模块、异构处理集群的构建和维护、真实性检验与数据质量检查评价、卫星数据处理的升级扩展、任务管理与调度模块、服务注册与插件集成、瓦片化并行计算、服务流程编排、工作流并行运行引擎、组态化软插件管理、容器云密集并行运算虚拟化、系统运行监控、虚拟化资源管理、云安全策略、计算资源服务调度、卫星影像快速匹配、生产和成图等功能。

超算子系统是一个基于分布式网络环境、以数据为中心、以数据流向驱动、以本地运行的密集计算为主、并具备同远程计算集群进行交互能力的生产处理系统，其工作流兼具BWF和SWF的特点，采用面向控制和面向数据相结合的混合模型；超算子系统的工作流编辑器采用基于图形编辑的方式，为用户提供完全可视化的流程建模工具，用户对工作流活动库或工作流组件进行查找或选择，通过鼠标拖拽的方式将工作流组件图标移动到工作流面板中，并用相应的连接线连接，表示相互间的关系，最终实现流程的定制与创建；通过对各个活动之间的接口进行定义，在流程编辑的过程中，自动进行语义和连接性合法性检测；活动接口包括控制器和执行器，控制器负责对处理算法任务进行过程管理，主要对处理算法任务的加载、输入输出和参数获取、任务状态获取提供了功能接口；执行器负责处理算法具体执行过程。

超算子系统采用基于中间件的思想将分布式系统动态连接在一起，使工作流系统相互之间的数据传输到任务中间流水线，使任务处理过程并行化，提高任务及数据管理的效率。

超算子系统的正射处理流程支持并行处理，分析整个遥感影像处理流程，提取其中计算密集且计算量大的处理算法，从算法层上对其进行多CPU并行分解，通过模块化方式，构建一套由数据驱动的高度自动化的遥感影像处理并行算法库，更好地实现遥感数据的并行化处理。其遥感数据处理并行算法库主要包括影像预处理、空中三角测量、多基线影像匹配、DSM/DEM自动提取、正射影像制作等主模块，且各主模块包含了多个核心并行算法模块。

所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行变化检测具体包括：

步骤S41、对正射处理后的卫星遥感影像进行多尺度分割，获取同质的像斑对象；

步骤S42、计算各所述像斑对象在两期的卫星遥感影像下的特征差值；

步骤S43、基于模糊集的变化检测方法提取所述特征差值的变化信息。

由于地物“同物异谱”和“异物同谱”现象的普遍存在，同时由于影像获取的季相差异、地物物候变化等差异，区域地形地貌和地表复杂程度的差异等，使得地表覆盖变化监测方法的适用性较差，因此需要进行变化检测，变化检测存在如下方法：

中等分辨率土地覆盖变化检测方法：结合多元变化检测(MultivariateAlteration Detection：MAD)算法，充分利用多光谱影像的多波段典型相关特征，对后验概率变化矢量(Change Vector Analysis in Posterior Probability Space,CVAPS)方法进行适当改进，同时利用迭代MRF(Markov Random Field)模型来减少分类影像中的“椒盐”噪声现象，系统实现了土地利用/地表覆盖自动更新方法。

高分辨率土地覆盖变化检测方法：多尺度分割是高分辨率影像专题信息提取和变更的基础；在多尺度分割的基础上，使用集成学习或模糊集方法实现土地覆盖变化检测。

多尺度分割：对影像进行多尺度分割，获取同质的像斑对象，使用基于超像素分割算法和层次区域合并方法获得高分影像分割结果；超像素定义为图像中具有局部一致性、能够保持局部结构特征的子区域，超像素分割就是将像素合并成超像素的过程，区域合并是实现比较精细分割的重要方法，常采用的方法是层次区域合并(Hierarchical StepwiseRegion Merging)，主要是通过区域邻接图(Region Adjacent Graph,RAG)和最近邻域图(Nearest Neighbor Graph，NNG)实现区域合并。

基于模糊集的变化检测方法：基于以上分割方法获得对象级像斑；构建像斑的光谱、纹理、形状和特征指数(如植被指数NDVI、水体指数NDWI、建筑物指数MBI等)等差值特征集；基于模糊集理论进行特征的自适应加权融合得到初步变化检测结果，剔除因其他因素导致的伪变化区域，获得最终的变化区域。

所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行切片展示具体为：

选择需要展示的正射处理后的所述卫星遥感影像，设定存储的瓦片数据库，利用若干个计算节点对所述卫星遥感影像进行并行切片，并基于OGC标准协议对切片后的所述卫星遥感影像进行展示，支持按主题进行展示。

并行切片利用后台超算平台的快速并行的处理方式，利用多个计算节点对批量影像并行切片，提高影像浏览速度的目的，实现基于OGC标准协议的快速发布，其中瓦片数据库采用mongodb这种nosql的非关系型数据库，提高了数据的读写速度，并采用分片的机制，将大量数据的读写压力分摊到不同的计算节点，以达到快速读写的目的。

选取如下500景数据进行实验验证：

项目	内容说明
		数据源	高分1号全色、多光谱
数据量	影像500景，数据量800G
		测区概况	福建地区，丘陵山地为主
生产过程	自由网平差，像方平均中误差为:0.4个像元

正射处理各步骤对应的时长如下：

从上表可以看出，500景数据总用时14小时12分钟，平均每景处理时间1.7分钟，已经能够充分满足大规模数据应用处理要求。同时本发明还实现了遥感影像从接收到变化检测结果输出的全流程处理，当日或者隔日就可实现从数据拍摄到变化检测结果输出，极大地提高了监管效率。

综上所述，本发明的优点在于：

通过影像参数对卫星遥感影像进行检索筛选后，自动进行并行的正射处理、变化检测以及切片展示，对卫星遥感影像进行精简，避免了处理过程中的人工干预，且进行并行的分布式处理，在保障数据质量的前提下，极大的提高了卫星遥感影像的处理效率。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (5)

1.一种卫星遥感影像自动处理方法，其特征在于：包括如下步骤：

步骤S10、创建一数据库，扫描各遥感数据系统的卫星遥感影像存储至所述数据库中，并记录各所述卫星遥感影像的存储日志；

步骤S20、基于预设的影像参数从所述数据库中检索筛选待处理的卫星遥感影像；所述影像参数至少包括拍摄的卫星类型、分辨率、拍摄的传感器类型、影像云量范围以及地理位置；

步骤S30、对待处理的各所述卫星遥感影像进行并行正射处理；

步骤S40、对正射处理后的所述卫星遥感影像进行变化检测或者切片展示，完成所述卫星遥感影像的自动处理；

所述步骤S30具体包括：

步骤S31、对待处理的各所述卫星遥感影像进行并行影像预处理；

步骤S32、利用若干台刀片服务器对影像预处理后的所述卫星遥感影像进行并行空中三角测量，生成测量结果；

步骤S33、利用集群计算机基于所述测量结果对预处理后的所述卫星遥感影像进行并行纠正，完成卫星遥感影像的正射处理；

所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行变化检测具体包括：

步骤S41、对正射处理后的卫星遥感影像进行多尺度分割，获取同质的像斑对象；

步骤S42、计算各所述像斑对象在两期的卫星遥感影像下的特征差值；

步骤S43、基于模糊集的变化检测方法提取所述特征差值的变化信息；

所述步骤S30中，所述正射处理通过超算子系统进行，所述超算子系统是一个基于分布式网络环境、以数据为中心、以数据流向驱动、以本地运行的密集计算为主、并具备同远程计算集群进行交互能力的生产处理系统，所述超算子系统采用基于中间件的思想将分布式系统动态连接在一起，使工作流系统相互之间的数据传输到任务中间流水线，使任务处理过程并行化，提高任务及数据管理的效率；

超算子系统的正射处理流程支持并行处理，分析整个遥感影像处理流程，提取其中计算密集且计算量大的处理算法，从算法层上对其进行多CPU并行分解，通过模块化方式，构建一套遥感影像处理并行算法库，所述遥感影像处理并行算法库包括影像预处理、空中三角测量、多基线影像匹配、DSM/DEM自动提取、正射影像制作主模块，且各主模块包含多个核心并行算法模块；

所述步骤S40中，所述基于模糊集的变化检测方法中：基于模糊集理论进行特征的自适应加权融合得到初步变化检测结果，剔除因其他因素导致的伪变化区域，获得最终的变化区域。

2.如权利要求1所述的一种卫星遥感影像自动处理方法，其特征在于：所述步骤S10中，各所述卫星遥感影像均携带影像参数。

3.如权利要求1所述的一种卫星遥感影像自动处理方法，其特征在于：所述步骤S20中，所述检索筛选支持关键字检索、条件组合检索以及缓存预设的条件检索，并将检索结果以JSON格式进行展示。

4.如权利要求1所述的一种卫星遥感影像自动处理方法，其特征在于：所述步骤S31中，所述影像预处理至少包括彩色影像转灰度影像、灰度影像增强、特征点提取以及创建影像多级金字塔。

5.如权利要求1所述的一种卫星遥感影像自动处理方法，其特征在于：所述步骤S40中，所述对正射处理后的所述卫星遥感影像进行切片展示具体为：

选择需要展示的正射处理后的所述卫星遥感影像，设定存储的瓦片数据库，利用若干个计算节点对所述卫星遥感影像进行并行切片，并基于OGC标准协议对切片后的所述卫星遥感影像进行展示。