CN115082709B - 遥感大数据处理方法、系统及云平台 - Google Patents

Abstract

本发明提供的遥感大数据处理方法、系统及云平台，涉及大数据技术领域。在本发明中，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。对于每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。对于多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。基于上述方法，可以提高遥感图像之间的相似度的计算可靠度。

Description

遥感大数据处理方法、系统及云平台

技术领域

本发明涉及大数据技术领域，具体而言，涉及一种遥感大数据处理方法、系统及云平台。

背景技术

随着遥感图像的应用范围越来越大，使得遥感图像的数量也越来越多，例如，在一种应用中，可能需要对一个区域进行持续的遥感监控，如此，就会监控形成较多数量的遥感图像，并且，基于一定的需要，如对区域的变化幅度进行确定，或对遥感图像进行关联应用等，就需要确定遥感图像之间的相似度。但是，在现有技术中，一般是直接将两帧遥感图像进行相似度计算，使得可能存在相似度的计算可靠度不高的问题。

发明内容

有鉴于此，本发明的目的在于提供一种遥感大数据处理方法、系统及云平台，以提高遥感图像之间的相似度的计算可靠度。

为实现上述目的，本发明实施例采用如下技术方案：

一种遥感大数据处理方法，应用于遥感大数据处理云平台，所述遥感大数据处理方法包括：

对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像；

对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系；

对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像的步骤，包括：

从配置的多条预设裁剪规则中，筛查出目标预设裁剪规则；

对于多帧遥感图像中的每一帧遥感图像，依据目标预设裁剪规则，对该遥感图像进行裁剪，以形成该遥感图像对应的多帧遥感裁剪图像。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述从配置的多条预设裁剪规则中，筛查出目标预设裁剪规则的步骤，包括：

对于配置的多条预设裁剪规则中的每一条预设裁剪规则，对该预设裁剪规则进行历史数据确定处理，以输出该预设裁剪规则对应的历史图像集合，所述历史图像集合包括的每一帧历史遥感图像基于对应的所述预设裁剪规则进行裁剪处理以形成对应的多帧历史遥感裁剪图像；

对于所述多条预设裁剪规则中的每一条预设裁剪规则，分别对该预设裁剪规则对应的历史图像集合中的每一帧历史遥感图像进行图像尺寸确定处理，以输出每一帧历史遥感图像对应的图像尺寸，再对该预设裁剪规则对应的历史图像集合中的每一帧历史遥感图像对应的图像尺寸进行融合计算处理，以输出该预设裁剪规则对应的目标图像尺寸；

对于所述多帧遥感图像中的任意一帧遥感图像，对该遥感图像进行图像尺寸确定处理，以输出该遥感图像对应的图像尺寸，再分别计算该遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度，以输出该遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度，每两帧所述遥感图像的图像尺寸相同；

从所述遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度中，筛查出具有最大值的尺寸相关度，再将该具有最大值的尺寸相关度对应的预设裁剪规则，标记为目标预设裁剪规则。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于多帧遥感图像中的每一帧遥感图像，依据目标预设裁剪规则，对该遥感图像进行裁剪，以形成该遥感图像对应的多帧遥感裁剪图像的步骤，包括：

依据所述多帧遥感图像中的任意一帧遥感图像的图像尺寸，对所述目标预设裁剪规则进行调整处理，以形成新的目标预设裁剪规则；

对于所述多帧遥感图像中的每一帧遥感图像，依据所述新的目标预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像，以使得每两帧遥感裁剪图像之间的图像尺寸相同。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系的步骤，包括：

对于所述多帧遥感图像中的每一帧遥感图像，分别对该遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像进行区域位置确定处理，以输出每一帧遥感裁剪图像对应的区域位置信息，所述区域位置信息用于反映对应的遥感裁剪图像对应的区域的位置；

对于所述多帧遥感图像中的每两帧遥感图像，依据每一帧遥感裁剪图像对应的区域位置信息，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于所述多帧遥感图像中的每一帧遥感图像，分别对该遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像进行区域位置确定处理，以输出每一帧遥感裁剪图像对应的区域位置信息的步骤，包括：

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，对该遥感裁剪图像对应的图像中心点进行区域位置确定处理，以输出该遥感裁剪图像对应的中心区域位置信息，所述中心区域位置信息用于反映对应的遥感裁剪图像对应的区域的中心位置；

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，将该遥感裁剪图像对应的中心区域位置信息标记为该遥感裁剪图像对应的区域位置信息。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度的步骤，包括：

对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度；

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，对该遥感裁剪图像进行特征点识别处理，以输出该遥感裁剪图像对应的特征点集合，再依据该特征点集合包括的像素特征点的数量，对该遥感裁剪图像进行图像信息丰富度确定处理，以输出该遥感裁剪图像对应的图像信息丰富度，所述图像信息丰富度和所述特征点集合包括的像素特征点的数量之间具有正相关的对应关系；

对于所述多帧遥感图像中的每两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像，对该两帧遥感裁剪图像对应的图像信息丰富度进行融合计算处理，以输出该两帧遥感裁剪图像之间的目标图像信息丰富度；

对于所述多帧遥感图像中的每两帧遥感图像，依据每两帧遥感裁剪图像之间的目标图像信息丰富度，对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像之间的图像相似度进行相似度融合计算处理，以输出该两帧遥感图像之间的目标图像相似度。

在一些优选的实施例中，在上述遥感大数据处理方法中，所述对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度的步骤，包括：

对于具有对应关系的两帧遥感裁剪图像分别进行标记处理，以形成第一遥感裁剪图像和第二遥感裁剪图像，对所述第一遥感裁剪图像进行特征点识别处理，以形成所述第一遥感裁剪图像对应的第一图像特征点集合，再对所述第二遥感裁剪图像进行特征点识别处理，以形成所述第二遥感裁剪图像对应的第二图像特征点集合；

依据对应的图像特征点的像素位置，对所述第一图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第一特征相关度，再依据对应的图像特征点的像素值，对所述第二图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第二特征相关度，再对所述第一特征相关度和所述第二特征相关度进行融合计算处理，以输出第一相似度；

依据所述第二图像特征点集合包括的每一个第二图像特征点对应的像素位置和像素值，对所述第一遥感裁剪图像进行更新处理，以输出更新第一遥感裁剪图像，再依据所述第一图像特征点集合包括的每一个第一图像特征点对应的像素位置和像素值，对所述第二遥感裁剪图像进行更新处理，以输出更新第二遥感裁剪图像，再对所述更新第一遥感裁剪图像进行特征点识别处理，以形成所述更新第一遥感裁剪图像对应的更新第一图像特征点集合，再对所述更新第二遥感裁剪图像进行特征点识别处理，以形成所述更新第二遥感裁剪图像对应的更新第二图像特征点集合；

依据对应的图像特征点的像素位置，对所述更新第一图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第一特征相关度，再依据对应的图像特征点的像素值，对所述更新第二图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第二特征相关度，再对所述更新第一特征相关度和所述更新第二特征相关度进行融合计算处理，以输出第二相似度，再依据所述第一相似度和所述第二相似度进行融合计算处理，以输出所述两帧遥感裁剪图像之间的图像相似度。

本发明实施例还提供一种遥感大数据处理系统，应用于遥感大数据处理云平台，所述遥感大数据处理系统包括：

遥感图像裁剪模块，用于对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像；

对应关系确定模块，用于对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系；

相似度确定模块，用于对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定，以输出该两帧遥感图像之间的目标图像相似度。

本发明实施例还提供一种遥感大数据处理云平台，所述遥感大数据处理云平台用于执行上述的遥感大数据处理方法。

本发明实施例提供的一种遥感大数据处理方法、系统及云平台，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。对于每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。对于多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。由于在计算两帧遥感图像之间的目标图像相似度之前，会先对遥感图像进行裁剪，然后，再对裁剪得到的遥感裁剪图像进行对应关系确定，使得可以仅对具有对应关系的遥感裁剪图像进行图像相似度计算，从而在一定程度上可以降低由于对不具有对应关系的图像进行图像相似度计算而导致的计算精度或计算结果的可靠度不高的问题，使得可以提高遥感图像之间的相似度的计算可靠度，从而改善现有技术中可能存在的相似度的计算可靠度不高的问题。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

图1为本发明实施例提供的遥感大数据处理云平台的结构框图。

图2为本发明实施例提供的遥感大数据处理方法包括的各步骤的流程示意图。

图3为本发明实施例提供的遥感大数据处理系统包括的各模块的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

参照图1所示，本发明实施例提供了一种遥感大数据处理云平台。

详细地，在一些可以实现的示例中，所述遥感大数据处理云平台可以包括存储器和处理器。其中，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的遥感大数据处理方法。

详细地，在一些可以实现的示例中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（Erasable ProgrammableRead-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable ProgrammableRead-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

详细地，在一些可以实现的示例中，所述遥感大数据处理云平台可以是由一台或多太具备数据处理能力的服务器组成。

结合图2所示，本发明实施例还提供一种遥感大数据处理方法。

所述遥感大数据处理方法，可应用于上述遥感大数据处理云平台。其中，所述遥感大数据处理方法有关的流程所定义的方法步骤，可以由所述遥感大数据处理云平台实现。下面将对图2所示的流程，进行详细阐述。

步骤110，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。

在本发明实施例中，所述遥感大数据处理云平台可以，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。

步骤120，对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。

在本发明实施例中，所述遥感大数据处理云平台可以，对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。

步骤130，对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。

在本发明实施例中，所述遥感大数据处理云平台可以，对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。

基于上述的步骤110、步骤120和步骤130可以实现，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。对于每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。对于多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。由于在计算两帧遥感图像之间的目标图像相似度之前，会先对遥感图像进行裁剪，然后，再对裁剪得到的遥感裁剪图像进行对应关系确定，使得可以仅对具有对应关系的遥感裁剪图像进行图像相似度计算，从而在一定程度上可以降低由于对不具有对应关系的图像进行图像相似度计算而导致的计算精度或计算结果的可靠度不高的问题，使得可以提高遥感图像之间的相似度的计算可靠度，从而改善现有技术中可能存在的相似度的计算可靠度不高的问题。

详细地，在一些可以实现的示例中，上述内容包括的步骤110，可以包括以下更为具体的子步骤：

从配置的多条预设裁剪规则中，筛查出目标预设裁剪规则；

对于多帧遥感图像中的每一帧遥感图像，依据目标预设裁剪规则，对该遥感图像进行裁剪，以形成该遥感图像对应的多帧遥感裁剪图像。

详细地，在一些可以实现的示例中，上述内容包括的所述从配置的多条预设裁剪规则中，筛查出目标预设裁剪规则的步骤，可以包括以下更为具体的子步骤：

对于配置的多条预设裁剪规则中的每一条预设裁剪规则，对该预设裁剪规则进行历史数据确定处理，以输出该预设裁剪规则对应的历史图像集合，所述历史图像集合包括的每一帧历史遥感图像基于对应的所述预设裁剪规则进行裁剪处理以形成对应的多帧历史遥感裁剪图像；

对于所述多条预设裁剪规则中的每一条预设裁剪规则，分别对该预设裁剪规则对应的历史图像集合中的每一帧历史遥感图像进行图像尺寸确定处理，以输出每一帧历史遥感图像对应的图像尺寸，再对该预设裁剪规则对应的历史图像集合中的每一帧历史遥感图像对应的图像尺寸进行融合计算处理，以输出该预设裁剪规则对应的目标图像尺寸；

对于所述多帧遥感图像中的任意一帧遥感图像，对该遥感图像进行图像尺寸确定处理，以输出该遥感图像对应的图像尺寸，再分别计算该遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度，以输出该遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度，每两帧所述遥感图像的图像尺寸相同；

从所述遥感图像对应的图像尺寸和每一条预设裁剪规则对应的目标图像尺寸之间的尺寸相关度中，筛查出具有最大值的尺寸相关度，再将该具有最大值的尺寸相关度对应的预设裁剪规则，标记为目标预设裁剪规则。

详细地，在一些可以实现的示例中，上述内容包括的所述对于多帧遥感图像中的每一帧遥感图像，依据目标预设裁剪规则，对该遥感图像进行裁剪，以形成该遥感图像对应的多帧遥感裁剪图像的步骤，可以包括以下更为具体的子步骤：

依据所述多帧遥感图像中的任意一帧遥感图像的图像尺寸，对所述目标预设裁剪规则进行调整处理，以形成新的目标预设裁剪规则（由于所述目标预设裁剪规则对应的裁剪尺寸，可能不能保证裁剪得到的每两帧遥感裁剪图像之间的图像尺寸相同，因而，可以先依据任意一帧遥感图像的图像尺寸，对所述目标预设裁剪规则进行调整处理）；

对于所述多帧遥感图像中的每一帧遥感图像，依据所述新的目标预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像，以使得每两帧遥感裁剪图像之间的图像尺寸相同。

详细地，在一些可以实现的示例中，上述内容包括的步骤120，可以包括以下更为具体的子步骤：

对于所述多帧遥感图像中的每一帧遥感图像，分别对该遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像进行区域位置确定处理，以输出每一帧遥感裁剪图像对应的区域位置信息（如经纬度信息等），所述区域位置信息用于反映对应的遥感裁剪图像对应的区域的位置；

对于所述多帧遥感图像中的每两帧遥感图像，依据每一帧遥感裁剪图像对应的区域位置信息，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。

详细地，在一些可以实现的示例中，上述内容包括的所述对于所述多帧遥感图像中的每一帧遥感图像，分别对该遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像进行区域位置确定处理，以输出每一帧遥感裁剪图像对应的区域位置信息的步骤，可以包括以下更为具体的子步骤：

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，对该遥感裁剪图像对应的图像中心点进行区域位置确定处理，以输出该遥感裁剪图像对应的中心区域位置信息，所述中心区域位置信息用于反映对应的遥感裁剪图像对应的区域的中心位置；

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，将该遥感裁剪图像对应的中心区域位置信息标记为该遥感裁剪图像对应的区域位置信息。

详细地，在一些可以实现的示例中，上述内容包括的步骤130，可以包括以下更为具体的子步骤：

对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度；

对于所述多帧遥感图像中的每一帧遥感图像对应的多帧遥感裁剪图像中的每一帧遥感裁剪图像，对该遥感裁剪图像进行特征点识别处理（包括后文中采用的特征点识别处理的技术，都可以是ORB特征点识别），以输出该遥感裁剪图像对应的特征点集合，再依据该特征点集合包括的像素特征点的数量，对该遥感裁剪图像进行图像信息丰富度确定处理，以输出该遥感裁剪图像对应的图像信息丰富度，所述图像信息丰富度和所述特征点集合包括的像素特征点的数量之间具有正相关的对应关系；

对于所述多帧遥感图像中的每两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像，对该两帧遥感裁剪图像对应的图像信息丰富度进行融合计算处理（例如，可以计算均值或取较大值等），以输出该两帧遥感裁剪图像之间的目标图像信息丰富度；

对于所述多帧遥感图像中的每两帧遥感图像，依据每两帧遥感裁剪图像之间的目标图像信息丰富度，对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像之间的图像相似度进行相似度融合计算处理（例如，可以将目标图像信息丰富度作为加权系数进行加权求和计算），以输出该两帧遥感图像之间的目标图像相似度。

详细地，在一些可以实现的示例中，上述内容包括的所述对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度的步骤，可以包括以下更为具体的子步骤：

对于具有对应关系的两帧遥感裁剪图像分别进行标记处理，以形成第一遥感裁剪图像和第二遥感裁剪图像，对所述第一遥感裁剪图像进行特征点识别处理，以形成所述第一遥感裁剪图像对应的第一图像特征点集合，再对所述第二遥感裁剪图像进行特征点识别处理，以形成所述第二遥感裁剪图像对应的第二图像特征点集合；

依据对应的图像特征点的像素位置，对所述第一图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第一特征相关度（例如，可以计算每一个第一图像特征点和每一个第二图像特征之间的像素位置的距离值的平均值，再根据该平均值计算输出具有负相关关系的第一特征相关度），再依据对应的图像特征点的像素值，对所述第二图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第二特征相关度（例如，可以计算每一个第一图像特征点和每一个第二图像特征之间的像素值的平均值，再根据该平均值计算输出具有负相关关系的第二特征相关度），再对所述第一特征相关度和所述第二特征相关度进行融合计算处理，以输出第一相似度；

依据所述第二图像特征点集合包括的每一个第二图像特征点对应的像素位置和像素值，对所述第一遥感裁剪图像进行更新处理（即将所述第一遥感裁剪图像中对应像素位置的像素点的像素值更新为第二图像特征点对应的像素值），以输出更新第一遥感裁剪图像，再依据所述第一图像特征点集合包括的每一个第一图像特征点对应的像素位置和像素值，对所述第二遥感裁剪图像进行更新处理（即将所述第二遥感裁剪图像中对应像素位置的像素点的像素值更新为第一图像特征点对应的像素值），以输出更新第二遥感裁剪图像，再对所述更新第一遥感裁剪图像进行特征点识别处理，以形成所述更新第一遥感裁剪图像对应的更新第一图像特征点集合，再对所述更新第二遥感裁剪图像进行特征点识别处理，以形成所述更新第二遥感裁剪图像对应的更新第二图像特征点集合；

依据对应的图像特征点的像素位置，对所述更新第一图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第一特征相关度，再依据对应的图像特征点的像素值，对所述更新第二图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第二特征相关度，再对所述更新第一特征相关度和所述更新第二特征相关度进行融合计算处理，以输出第二相似度，再依据所述第一相似度和所述第二相似度进行融合计算处理（例如，可以计算加权均值），以输出所述两帧遥感裁剪图像之间的图像相似度。

详细地，在另一些可以实现的示例中，上述内容包括的所述对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度的步骤，也可以包括以下更为具体的子步骤：

对于具有对应关系的两帧遥感裁剪图像分别进行标记处理，以形成第一遥感裁剪图像和第二遥感裁剪图像，对所述第一遥感裁剪图像进行特征点识别处理，以形成所述第一遥感裁剪图像对应的第一图像特征点集合，再对所述第二遥感裁剪图像进行特征点识别处理，以形成所述第二遥感裁剪图像对应的第二图像特征点集合，再对所述第一图像特征点集合和所述第二图像特征点集合进行特征点合并处理，以输出第三图像特征点集合（即所述第一图像特征点集合和所述第二图像特征点集合的并集）；

对所述第一遥感裁剪图像和所述第二遥感裁剪图像进行差分计算处理，以输出所述第一遥感裁剪图像和所述第二遥感裁剪图像对应的遥感裁剪差分图像，再对所述遥感裁剪差分图像进行特征点识别处理，以形成所述遥感裁剪差分图像对应的第四图像特征点集合；

依据对应的图像特征点的像素位置，对所述第一图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第一特征相关度，再依据对应的图像特征点的像素值，对所述第二图像特征点集合包括的第一图像特征点和所述第二图像特征点集合包括的第二图像特征点进行相关度计算操作，以输出第二特征相关度，再对所述第一特征相关度和所述第二特征相关度进行融合计算处理，以输出第一相似度；

依据所述第三图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第一遥感裁剪图像进行更新处理，以输出更新第一遥感裁剪图像，再依据所述第三图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第二遥感裁剪图像进行更新处理，以输出更新第二遥感裁剪图像，再对所述更新第一遥感裁剪图像进行特征点识别处理，以形成所述更新第一遥感裁剪图像对应的更新第一图像特征点集合，再对所述更新第二遥感裁剪图像进行特征点识别处理，以形成所述更新第二遥感裁剪图像对应的更新第二图像特征点集合；

依据所述第四图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第一遥感裁剪图像进行更新处理，以输出更新第三遥感裁剪图像，再依据所述第四图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第二遥感裁剪图像进行更新处理，以输出更新第四遥感裁剪图像，再对所述更新第三遥感裁剪图像进行特征点识别处理，以形成所述更新第三遥感裁剪图像对应的更新第三图像特征点集合，再对所述更新第四遥感裁剪图像进行特征点识别处理，以形成所述更新第四遥感裁剪图像对应的更新第四图像特征点集合；

依据对应的图像特征点的像素位置，对所述更新第一图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第一特征相关度，再依据对应的图像特征点的像素值，对所述更新第二图像特征点集合包括的更新第一图像特征点和所述更新第二图像特征点集合包括的更新第二图像特征点进行相关度计算操作，以输出更新第二特征相关度，再对所述更新第一特征相关度和所述更新第二特征相关度进行融合计算处理，以输出第二相似度；

依据对应的图像特征点的像素位置，对所述更新第三图像特征点集合包括的更新第三图像特征点和所述更新第四图像特征点集合包括的更新第四图像特征点进行相关度计算操作，以输出更新第三特征相关度，再依据对应的图像特征点的像素值，对所述更新第三图像特征点集合包括的更新第三图像特征点和所述更新第四图像特征点集合包括的更新第四图像特征点进行相关度计算操作，以输出更新第四特征相关度，再对所述更新第三特征相关度和所述更新第四特征相关度进行融合计算处理，以输出第三相似度；

依据所述第一相似度、所述第二相似度和所述第三相似度进行融合计算处理（如计算所述第一相似度、所述第二相似度和所述第三相似度的加权均值等），以输出所述两帧遥感裁剪图像之间的图像相似度。

详细地，在另一些可以实现的示例中，上述内容包括的所述对于所述多帧遥感图像中的每两帧遥感图像，分别对该两帧遥感图像对应的多帧遥感裁剪图像之间具有对应关系的每两帧遥感裁剪图像进行图像相似度计算处理，以输出每两帧遥感裁剪图像之间的图像相似度的步骤，也可以包括以下更为具体的子步骤：

对于具有对应关系的两帧遥感裁剪图像分别进行标记处理，以形成第一遥感裁剪图像和第二遥感裁剪图像，对所述第一遥感裁剪图像进行特征点识别处理，以形成所述第一遥感裁剪图像对应的第一图像特征点集合，再对所述第二遥感裁剪图像进行特征点识别处理，以形成所述第二遥感裁剪图像对应的第二图像特征点集合，再对所述第一图像特征点集合和所述第二图像特征点集合进行特征点合并处理，以输出第三图像特征点集合；

依据所述第三图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第一遥感裁剪图像进行更新处理，以输出更新第一遥感裁剪图像，再依据所述第三图像特征点集合包括的每一个图像特征点对应的像素位置和像素值，对所述第二遥感裁剪图像进行更新处理，以输出更新第二遥感裁剪图像，再对所述更新第一遥感裁剪图像进行特征点识别处理，以形成所述更新第一遥感裁剪图像对应的更新第一图像特征点集合，再对所述更新第二遥感裁剪图像进行特征点识别处理，以形成所述更新第二遥感裁剪图像对应的更新第二图像特征点集合；

依据所述第一图像特征点集合包括的第一图像特征点，作为聚类中心，对所述第一遥感裁剪图像包括的像素点进行聚类处理，以形成至少一个第一像素点聚类有序集合，再依据所述第二图像特征点集合包括的第二图像特征点，作为聚类中心，对所述第二遥感裁剪图像包括的像素点进行聚类处理，以形成至少一个第二像素点聚类有序集合；

依据所述更新第一图像特征点集合包括的更新第一图像特征点，作为聚类中心，对所述更新第一遥感裁剪图像包括的像素点进行聚类处理，以形成至少一个更新第一像素点聚类有序集合，再依据所述更新第二图像特征点集合包括的更新第二图像特征点，作为聚类中心，对所述更新第二遥感裁剪图像包括的像素点进行聚类处理，以形成至少一个更新第二像素点聚类有序集合；

分别对所述至少一个第一像素点聚类有序集合和所述至少一个第二像素点聚类有序集合进行序列化处理（例如，可以按照包括的像素点的像素位置之间的关系，如基于预先设置的像素路径形成的先后关系，对像素点的像素值进行排序），再对得到的两条像素点序列进行序列相似度计算操作，以输出第一序列相似度（可以参照现有的序列相似度的计算方法）；

分别对所述至少一个更新第一像素点聚类有序集合和所述至少一个更新第二像素点聚类有序集合进行序列化处理，再对得到的两条像素点序列进行序列相似度计算操作，以输出第二序列相似度；

依据所述第一序列相似度和所述第二序列相似度进行融合计算处理（例如，可以计算所述第一序列相似度和所述第二序列相似度之间的加权均值等），以输出所述两帧遥感裁剪图像之间的图像相似度。

结合图3所示，本发明实施例还提供一种遥感大数据处理系统，可应用于上述遥感大数据处理云平台。其中，所述遥感大数据处理系统可以包括遥感图像裁剪模块、对应关系确定模块和相似度确定模块。

详细地，在一些可以实现的示例中，所述遥感图像裁剪模块，用于对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。所述对应关系确定模块，用于对于所述多帧遥感图像中的每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。所述相似度确定模块，用于对于所述多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定，以输出该两帧遥感图像之间的目标图像相似度。

综上所述，本发明提供的一种遥感大数据处理方法、系统及云平台，对于多帧遥感图像中的每一帧遥感图像，依据预设裁剪规则，对该遥感图像进行裁剪处理，以形成该遥感图像对应的多帧遥感裁剪图像。对于每两帧遥感图像，对该两帧遥感图像分别对应的多帧遥感裁剪图像进行对应关系确定处理，以在该两帧遥感图像分别对应的多帧遥感裁剪图像之间形成一一对应的关系。对于多帧遥感图像中的每两帧遥感图像，依据具有对应关系的每两帧遥感裁剪图像之间的图像相似度，对该两帧遥感图像进行相似度确定处理，以输出该两帧遥感图像之间的目标图像相似度。在计算两帧遥感图像之间的目标图像相似度之前，会先对遥感图像进行裁剪，然后，再对裁剪得到的遥感裁剪图像进行对应关系确定，使得可以仅对具有对应关系的遥感裁剪图像进行图像相似度计算，从而在一定程度上可以降低由于对不具有对应关系的图像进行图像相似度计算而导致的计算精度或计算结果的可靠度不高的问题，使得可以提高遥感图像之间的相似度的计算可靠度，从而改善现有技术中可能存在的相似度的计算可靠度不高的问题。

以上所述仅为本发明的优选实施例而已，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 (8)

1.一种卫星遥感数据的处理方法，其特征在于，应用于云平台，所述卫星遥感数据的处理方法包括：

依据预先设置的图像分割尺寸，对待处理的卫星遥感图像进行分割操作，以输出所述卫星遥感图像对应的多帧卫星遥感子图像，所述多帧卫星遥感子图像拼接形成所述卫星遥感图像；

对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作，以输出每两帧卫星遥感子图像之间的图像相似度；

依据每两帧卫星遥感子图像之间的图像相似度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像；

所述依据每两帧卫星遥感子图像之间的图像相似度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像的步骤，包括：

对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像，对该两帧卫星遥感子图像对应的地理区域进行区域距离计算操作，以输出该两帧卫星遥感子图像之间的区域距离值，再依据该两帧卫星遥感子图像之间的区域距离值，对该两帧卫星遥感子图像之间的区域相关值进行确定操作，以输出该两帧卫星遥感子图像之间的区域相关值；

对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像，对该两帧卫星遥感子图像之间的区域相关值和该两帧卫星遥感子图像之间的图像相似度进行融合操作，以输出该两帧卫星遥感子图像之间的图像相关值；

依据每两帧卫星遥感子图像之间的图像相关度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像；

所述依据每两帧卫星遥感子图像之间的图像相关度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像的步骤，包括：

步骤1，对所述多帧卫星遥感子图像进行分类操作，以形成所述多帧卫星遥感子图像对应的多个遥感子图像初始集合，每一个所述遥感子图像初始集合包括至少一帧所述卫星遥感子图像；

步骤2，对所述多个遥感子图像初始集合进行集合数量统计操作，以输出所述多个遥感子图像初始集合对应的初始集合数量，再依据所述初始集合数量确定出具有负相关关系的第一分类系数；

步骤3，对于所述多个遥感子图像初始集合中的每一个遥感子图像初始集合，在该遥感子图像初始集合包括一帧卫星遥感子图像的情况下，将该遥感子图像初始集合标记为第一遥感子图像初始集合，以及，将该第一遥感子图像初始集合对应的目标图像相关度赋值为最大的图像相关度，在该遥感子图像初始集合包括至少两帧卫星遥感子图像的情况下，对该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度与相关度参考值进行大小比较操作，再在该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度大于或等于所述相关度参考值的情况下，将该遥感子图像初始集合标记为第一遥感子图像初始集合，以及，将该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度的平均值，标记为该第一遥感子图像初始集合对应的目标图像相关度；

步骤4，在所述多个遥感子图像初始集合中的至少一个遥感子图像初始集合未被标记为第一遥感子图像初始集合的情况下，跳转到步骤1，在所述多个遥感子图像初始集合中的每一个遥感子图像初始集合都被标记为第一遥感子图像初始集合的情况下，对每一个所述第一遥感子图像初始集合对应的目标图像相关度进行融合操作，以输出第二分类系数；

步骤5，对所述第一分类系数和所述第二分类系数进行融合操作，以输出目标分类系数，再将所述目标分类系数与分类系数参考值进行大小比较；

步骤6，在所述目标分类系数小于或等于所述分类系数参考值的情况下，跳转到步骤1，在所述目标分类系数大于所述分类系数参考值的情况下，将最近依次执行步骤1形成的所述多个遥感子图像初始集合，标记为对应的多个遥感子图像集合，再分别对每一个遥感子图像集合进行存储。

2.如权利要求1所述的卫星遥感数据的处理方法，其特征在于，所述依据预先设置的图像分割尺寸，对待处理的卫星遥感图像进行分割操作，以输出所述卫星遥感图像对应的多帧卫星遥感子图像的步骤，包括：

在接收到原始卫星遥感图像的情况下，识别出是否接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令；

在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下，将所述原始卫星遥感图像标记为待处理的卫星遥感图像；

依据预先设置的图像分割尺寸，对所述待处理的卫星遥感图像进行分割操作，以输出所述卫星遥感图像对应的多帧卫星遥感子图像，每一帧所述卫星遥感子图像的图像尺寸等于所述图像分割尺寸。

3.如权利要求2所述的卫星遥感数据的处理方法，其特征在于，所述在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下，将所述原始卫星遥感图像标记为待处理的卫星遥感图像的步骤，包括：

在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下，对所述原始卫星遥感图像的图像尺寸进行确定操作，以输出所述原始卫星遥感图像对应的目标图像尺寸；

对所述目标图像尺寸和图像尺寸参考值进行大小比较操作；

在所述目标图像尺寸小于或等于所述图像尺寸参考值的情况下，确定不将所述原始卫星遥感图像标记为待处理的卫星遥感图像，在所述目标图像尺寸大于所述图像尺寸参考值的情况下，将所述原始卫星遥感图像标记为待处理的卫星遥感图像。

4.如权利要求1所述的卫星遥感数据的处理方法，其特征在于，所述对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作，以输出每两帧卫星遥感子图像之间的图像相似度的步骤，包括：

对所述两帧卫星遥感子图像中的一帧卫星遥感子图像进行图像标记操作，以形成目标卫星遥感子图像，再将对所述两帧卫星遥感子图像中的另一帧卫星遥感子图像进行图像标记操作，以形成参考卫星遥感子图像；

对所述目标卫星遥感子图像进行对象识别操作，以输出目标对象类型集合，再对所述参考卫星遥感子图像进行对象识别操作，以输出参考对象类型集合，所述目标对象类型集合包括的每一种目标对象类型属于所述目标卫星遥感子图像中识别出的一个对象对应的对象类型，所述参考对象类型集合包括的每一种参考对象类型属于所述参考卫星遥感子图像中识别出的一个对象对应的对象类型；

对所述目标卫星遥感子图像进行对象轮廓提取操作，以输出目标对象轮廓集合，再对所述参考卫星遥感子图像进行对象轮廓提取操作，以输出参考对象轮廓集合，所述目标对象轮廓集合包括从所述目标卫星遥感子图像中提取出的每一个对象的轮廓，所述参考对象轮廓集合包括从所述参考卫星遥感子图像中提取出的每一个对象的轮廓；

对于所述目标对象轮廓集合包括的每一个目标对象轮廓，对该目标对象轮廓与所述参考对象轮廓集合包括的每一个参考对象轮廓进行轮廓相似度计算，再对计算输出的每一个轮廓相似度进行均值计算操作，以输出该目标对象轮廓对应的目标轮廓相似度；

对于多个标准对象类型中的每一个标准对象类型，对该标准对象类型在所述目标对象类型集合中的出现频次进行统计操作，以输出该标准对象类型对应的第一出现频次，再对该标准对象类型再所述参考对象类型集合中的出现频次进行统计操作，以输出该标准对象类型对应的第二出现频次；

对于多个标准对象类型中的每一个标准对象类型，依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量，对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作，以输出对应的目标出现频次，再依据该目标出现频次进行正相关值的确定操作，以输出该标准对象类型对应的类型重要度；

对于每一个所述目标对象轮廓，依据该目标对象轮廓对应的对象类型对应的类型重要度，对该目标对象轮廓对应的目标轮廓相似度进行更新操作，以输出该目标对象轮廓对应的更新轮廓相似度，在所述目标对象轮廓对应的对象类型不属于所述多个标准对象类型中的任意一个标准对象类型的情况下，将该目标对象轮廓对应的对象类型对应的类型重要度依据所述多个标准对象类型对应的多个类型重要度中的最小值确定；

依据所述目标对象轮廓集合包括的每一个目标对象轮廓对应的更新轮廓相似度，计算输出所述两帧卫星遥感子图像之间的图像相似度。

5.如权利要求4所述的卫星遥感数据的处理方法，其特征在于，所述对于多个标准对象类型中的每一个标准对象类型，依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量，对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作，以输出对应的目标出现频次，再依据该目标出现频次进行正相关值的确定操作，以输出该标准对象类型对应的类型重要度的步骤，包括：

依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量，计算输出所述第一出现频次对应的第一加权系数和所述第二出现频次对应的第二加权系数；

对于多个标准对象类型中的每一个标准对象类型，依据所述第一加权系数和所述第二加权系数，对该标准对象类型对应的第一出现频次和第二出现频次进行加权均值计算操作，以输出该标准对象类型对应的目标出现频次，再依据该目标出现频次进行正相关值的确定操作，以输出该标准对象类型对应的类型重要度。

6.如权利要求4所述的卫星遥感数据的处理方法，其特征在于，所述对于每一个所述目标对象轮廓，依据该目标对象轮廓对应的对象类型对应的类型重要度，对该目标对象轮廓对应的目标轮廓相似度进行更新操作，以输出该目标对象轮廓对应的更新轮廓相似度的步骤，包括：

对于每一个所述目标对象轮廓，对该目标对象轮廓对应的对象类型是否属于所述多个标准对象类型中的任意一个标准对象类型进行确定；

对于每一个所述目标对象轮廓，在该目标对象轮廓对应的对象类型是不属于所述多个标准对象类型中的任意一个标准对象类型的情况下，将所述多个标准对象类型对应的多个类型重要度中的最小值，标记为该目标对象轮廓对应的类型重要度，在该目标对象轮廓对应的对象类型是属于所述多个标准对象类型中的一个标准对象类型的情况下，将该标准对象类型对应的类型重要度标记为该目标对象轮廓对应的类型重要度；

对于每一个所述目标对象轮廓，对该目标对象轮廓对应的所述类型重要度和该目标对象轮廓对应的所述目标轮廓相似度进行乘积计算操作，以输出该目标对象轮廓对应的更新轮廓相似度。

7.一种卫星遥感数据的处理系统，其特征在于，应用于云平台，所述卫星遥感数据的处理系统包括：

图像分割模块，用于依据预先设置的图像分割尺寸，对待处理的卫星遥感图像进行分割操作，以输出所述卫星遥感图像对应的多帧卫星遥感子图像，所述多帧卫星遥感子图像拼接形成所述卫星遥感图像；

相似度计算模块，用于对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作，以输出每两帧卫星遥感子图像之间的图像相似度；

图像分类存储模块，用于依据每两帧卫星遥感子图像之间的图像相似度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像；

所述依据每两帧卫星遥感子图像之间的图像相似度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像的步骤，包括：

对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像，对该两帧卫星遥感子图像对应的地理区域进行区域距离计算操作，以输出该两帧卫星遥感子图像之间的区域距离值，再依据该两帧卫星遥感子图像之间的区域距离值，对该两帧卫星遥感子图像之间的区域相关值进行确定操作，以输出该两帧卫星遥感子图像之间的区域相关值；

对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像，对该两帧卫星遥感子图像之间的区域相关值和该两帧卫星遥感子图像之间的图像相似度进行融合操作，以输出该两帧卫星遥感子图像之间的图像相关值；

依据每两帧卫星遥感子图像之间的图像相关度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像；

所述依据每两帧卫星遥感子图像之间的图像相关度，对所述多帧卫星遥感子图像进行分类存储操作，以存储所述多帧卫星遥感子图像的步骤，包括：

步骤1，对所述多帧卫星遥感子图像进行分类操作，以形成所述多帧卫星遥感子图像对应的多个遥感子图像初始集合，每一个所述遥感子图像初始集合包括至少一帧所述卫星遥感子图像；

步骤2，对所述多个遥感子图像初始集合进行集合数量统计操作，以输出所述多个遥感子图像初始集合对应的初始集合数量，再依据所述初始集合数量确定出具有负相关关系的第一分类系数；

步骤3，对于所述多个遥感子图像初始集合中的每一个遥感子图像初始集合，在该遥感子图像初始集合包括一帧卫星遥感子图像的情况下，将该遥感子图像初始集合标记为第一遥感子图像初始集合，以及，将该第一遥感子图像初始集合对应的目标图像相关度赋值为最大的图像相关度，在该遥感子图像初始集合包括至少两帧卫星遥感子图像的情况下，对该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度与相关度参考值进行大小比较操作，再在该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度大于或等于所述相关度参考值的情况下，将该遥感子图像初始集合标记为第一遥感子图像初始集合，以及，将该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度的平均值，标记为该第一遥感子图像初始集合对应的目标图像相关度；

步骤4，在所述多个遥感子图像初始集合中的至少一个遥感子图像初始集合未被标记为第一遥感子图像初始集合的情况下，跳转到步骤1，在所述多个遥感子图像初始集合中的每一个遥感子图像初始集合都被标记为第一遥感子图像初始集合的情况下，对每一个所述第一遥感子图像初始集合对应的目标图像相关度进行融合操作，以输出第二分类系数；

步骤5，对所述第一分类系数和所述第二分类系数进行融合操作，以输出目标分类系数，再将所述目标分类系数与分类系数参考值进行大小比较；

步骤6，在所述目标分类系数小于或等于所述分类系数参考值的情况下，跳转到步骤1，在所述目标分类系数大于所述分类系数参考值的情况下，将最近依次执行步骤1形成的所述多个遥感子图像初始集合，标记为对应的多个遥感子图像集合，再分别对每一个遥感子图像集合进行存储。

8.一种云平台，其特征在于，所述云平台用于执行权利要求1-6任意一项所述的卫星遥感数据的处理方法。

Images