CN115470366A - 一种基于瓦片的遥感图像存储方法及系统 - Google Patents

Abstract

本发明适用于瓦片数据存储技术领域，尤其涉及一种基于瓦片的遥感图像存储方法及系统，所述方法包括：获取遥感图像，进行影像切片，构建金字塔模型；划分瓦片切片，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取；进行重采样，将重采样数据并行写入瓦片文件中，进行存储。本发明利用MPI共享外存的并行技术，通过多进程并行进行原始栅格影像数据划分，再按照TMS或者Google Tile定义的标准将瓦片进行编码输出和存储，解决了计算资源利用低下，并且没有设置错误恢复机制的问题。

Description

一种基于瓦片的遥感图像存储方法及系统

技术领域

本发明属于瓦片数据存储技术领域，尤其涉及一种基于瓦片的遥感图像存储方法及系统。

背景技术

随着卫星遥感应用不断深化且细化，以及传感器技术的发展，国内外卫星高空间、高时间、高光谱、大幅宽趋势明显，单幅遥感影像文件的数据量显著增加，由此带来了数据存储的压力，并且直接关系到后续数据的读写及处理，所以亟需研究单幅遥感影像存储技术

瓦片技术是当前市面主流的GIS软件及WebGIS互联网较广泛采用的，但现有的GIS软件生成和发布地图瓦片通常需要将栅格影像进行切片，除了安装原有软件，还要另外安装驱动程序，操作步骤十分复杂。并且随着单幅遥感影像文件的分辨率和数据量的逐渐增加，对应的切片数量则会出现几何级数式的急剧增加，需要耗费大量的人力和时间成本。另外，现有GIS软件中的传统算法是先利用单机预先切好瓦片，再统一对外发布，这种传统方法计算资源利用低下，并且没有设置错误恢复机制，如果某一环节出现问题，需要从头开始，无法在原有的进度上继续进行。

发明内容

本发明实施例的目的在于提供一种基于瓦片的遥感图像存储方法，旨在解决传统方法计算资源利用低下，并且没有设置错误恢复机制，如果某一环节出现问题，需要从头开始，无法在原有的进度上继续进行的问题。

本发明实施例是这样实现的，一种基于瓦片的遥感图像存储方法，所述方法包括：

获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型，所述金字塔模型由多个正方形的栅格组成，一个栅格即为一张瓦片切片；

基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取；

进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储。

优选的，所述金字塔模型中，以原始地形数据作为金字塔的第0层，对其进行分块，形成第0层瓦片矩阵，在第0层的基础上，按每2×2个像素合成为一个像素的方法生成第1层，并对其进行分块，形成第1层瓦片矩阵，按4×4像素形成第2层瓦片矩阵，按8×8像素形成第3层瓦片矩阵，以此类推，构建整个金字塔模型。

优选的，所述遥感图像为GEOTIFF格式。

优选的，所述对瓦片切片进行划分，根据瓦片切片分配进程的步骤，具体包括：

将原始影像投影变换到WebMercator坐标系，得到投影变换结果影像；

分配投影变换后的投影变换结果影像，解算瓦片行列号，分配进程；

重复以上操作，直到所有进程划分有对应的瓦片切片，组成该进程的任务池。

优选的，瓦片行列号[x,y]的计算方法为：

x＝Min_X1+(p/a)，

y＝Max_y1-(p/b)，

其中，进程号为z，进程总数为n，影像覆盖的瓦片行列号范围为[Min_X1，Min_y1，Max_X1，Max_y1]，a和b为x和y方向瓦片个数，t为瓦片总数：

a＝Max_x1-Min_x1，

b＝Max_y1-Min_y1，

t＝a×b，

地理范围为[Min_X2，Min_y2，Max_X2，Max_y2]，则瓦片行列号通过下式计算：

其中m＝(2×π×6378137)/2，v＝(2×π×6378137)/(l×2^level)，level表示比例尺的级别，l为瓦片边长大小。

优选的，重采样时采用双线性插值法，将栅格数据的大小从l_x和l_y重采样到l_xQ和l_yQ，将其匹配到瓦片相应的分辨率w下，重采样后的数据大小l_xQ和l_yQ为：

其中，[Min_xg,Min_yg,Max_xg,Max_yg]表示进程根据瓦片行列号以及瓦片级别反算的瓦片地理范围。

本发明实施例的另一目的在于提供一种基于瓦片的遥感图像存储系统，所述系统包括：

图像切片模块，用于获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型，所述金字塔模型由多个正方形的栅格组成，一个栅格即为一张瓦片切片；

进程分配模块，用于基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取；

瓦片存储模块，用于进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储。

本发明实施例提供的一种基于瓦片的遥感图像存储方法，利用MPI共享外存的并行技术，通过多进程并行进行原始栅格影像数据划分，各进程对其所划分的区域进行独立读写和计算，再按照TMS或者Google Tile定义的标准将瓦片进行编码输出和存储，解决现有技术中计算资源利用低下，并且没有设置错误恢复机制的问题。

附图说明

图1为本发明实施例提供的一种基于瓦片的遥感图像存储方法的流程图；

图2为本发明实施例提供的一种基于瓦片的遥感图像存储系统的架构图；

图3为本发明实施例提供的金字塔模型的示意图；

图4为本发明实施例提供的瓦片文件数据组织结构的示意图；

图5为本发明实施例提供的影像切片过程的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

如图1所示，为本发明实施例提供的一种基于瓦片的遥感图像存储方法的流程图，所述方法包括：

S100，获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型。

在本步骤中，四叉树索引机制即为根据所有空间对象覆盖的范围，对区域进行四又树分割，使每个子块中包含单个实体，然后根据包含每个实体的子块层数或子块大小，建立相应索引；如图5所示，将影像数据按照四叉树索引机制进行影像切片。将一副GEOTIFF格式的遥感图像，经过瓦片金字塔切割后得到n层金字塔模型，如图3所示。在构建地形金字塔时，首先把原始地形数据作为金字塔的底层，即第0层，并对其进行分块，形成第0层瓦片矩阵。在第0层的基础上，按每2×2个像素合成为一个像素的方法生成第1层，并对其进行分块，形成第1层瓦片矩阵。按4×4像素形成第2层瓦片矩阵，按8×8像素形成第3层瓦片矩阵，如此下去，构成整个瓦片金字塔。图像的瓦片金字塔分割主要包含瓦片和金字塔两个最重要的概念。瓦片(Tile)：就是按照一定的比例尺寸将一幅图像分割成若干小正方形栅格，每个栅格就是一张瓦片。金字塔(Pyramid)：根据用户需要，将一幅图像分割成由小到大的区域。分割后，图像形成比例由小到大，数据量由少到多的金字塔形结构。图3描述了金字塔形结构。

地图瓦片文件数据组织结构如图4所示，其中，“地图瓦片数据集”为地图瓦片文件数据的根目录，其下的目录为地图瓦片分级(目录名命名方式：“L+级别”，L1、L2、L3、……)，地图瓦片分级目录下以该级别地图瓦片矩阵的行为目录(目录名命名方式：“R+行号”，R0、R1、R2、……)，行目录下为具体的地图瓦片文件(文件名命名方式：“C+列号”，C0.png(或C0.jpg)、C1.png(或C1.jpg)、C2.png(或C2.jpg)、……)。

电子地图按照显示比例尺或地面分辨率进行地图分级。显示比例计算方法如下：显示比例尺＝1:[地面分辨率×屏幕分辨率/(0.0254米/英寸)]。

其中：地面分辨率＝[cos(纬度×pi/180)×2×pi×地球长半径(米)]/(256×2^level像素)；纬度采用赤道纬度，即纬度为0；pi为圆周率；地球长半径取2000；国家大地坐标系规定参数，为6378137米；Level表示比例尺的级别，最小为0；屏幕分辨率取值为96dpi。

由此确定地图分级，如下表所示：

制作电子地图时，每级应与上表所列的相应比例尺数据源对应，其要素内容选取应遵循以下原则：

1)每级地图的地图负载量与对应显示比例尺相适应的前提下，尽可能完整保留数据源的信息。

2)下一级别的要素内容不应少于上一级别，即随着显示比例尺的不断增大，要素内容不断增多。

3)要素选取时应保证跨级数据调用的平滑过渡，即相邻两级的地图负载量变化相对平缓。

影像数据根据影像分辨率的不同，按照上表地面分辨率进行分级对应。

S200，基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取。

划分并行瓦片切片主要包括以下三步：

步骤1：投影变换；可以用常用的软件，如ENVI等，也可以写代码运行。

步骤2：分配投影变换后的影像，先进行解算瓦片列号，再分配进程。

步骤3：重复以上操作，直到所有进程划分瓦片切片组成该进程的任务池。

利用下式可以计算各进程任务池的瓦片行列号，具体的，瓦片行列号[x，y]的计算方法为：

x＝Min_X1+(p/a)，

y＝Max_y1-(p/b)，

其中，进程号为z，进程总数为n，影像覆盖的瓦片行列号范围为[Min_X1，Min_y1，Max_X1，Max_y1]，a和b为x和y方向瓦片个数，t为瓦片总数：

a＝Max_x1-Min_x1，

b＝Max_y1-Min_y1，

t＝a×b，

地理范围为[Min_X2，Min_y2，Max_X2，Max_y2]，则瓦片行列号通过下式计算：

其中m＝(2×π×6378137)/2，v＝(2×π×6378137)/(l×2^level)，level表示比例尺的级别，l为瓦片边长大小。

S300，进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储。

在本实施例中，并行算法按瓦片序号按照某一顺序进行数据识别，通常从遥感影像的左上角开始逐个瓦片读取，由于重新划分瓦片切片与原始影像空间分辨率很大可能是不同的，所以数据存储需要进行重采样，重采样的方法可以采用双线性插值法、最邻近像元法、双像素重采样法等。这里以双线性插值法为例，重采样时采用双线性插值法，将栅格数据的大小从l_x和l_y重采样到l_xQ和l_yQ，将其匹配到瓦片相应的分辨率w下，设重采样后x方向上的数据大小为l_xQ、y方向的数据大小为l_yQ，则其计算方法如下：

其中，[Min_xg,Min_yg,Max_xg,Max_yg]表示进程根据瓦片行列号以及瓦片级别反算的瓦片地理范围。

当前处理的瓦片行列号为[x_i,y_i]，设已知第一行第一列瓦片a(x_a，y_a)、第一行最后一列瓦片b(x_b，y_b)、最后一行第一列瓦片c(x_a，y_b)、最后一行最后一列瓦片d(x_b，y_a)，解算重采样数据在瓦片文件中的写入位(x_f，y_f)通过下式计算：

其中，f(x_f，y_a)、f(x_f，y_b)通过下式得出：

各进程利用RasterIO函数将瓦片位置x_f、y_f，数据大小l_xQ、l_yQ，写入相应的参数，将重采样数据并行写入瓦片文件。

随后对瓦片进行统一存储，采用文件管理或数据库管理方式。因需求影像地图服务在影像数据获取后24小时内进行定期实时更新，以卫星过境同一地区周期为单位对瓦片建立数据集，方便对日积月累的大数据量历史影像的分类存储与管理。

如图2所示，为本发明实施例提供的一种基于瓦片的遥感图像存储系统的架构图，所述系统包括：

图像切片模块100，用于获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型，所述金字塔模型由多个正方形的栅格组成，一个栅格即为一张瓦片切片。

进程分配模块200，用于基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取。

瓦片存储模块300，用于进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于瓦片的遥感图像存储方法，其特征在于，所述方法包括：

获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型，所述金字塔模型由多个正方形的栅格组成，一个栅格即为一张瓦片切片；

基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取；

进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储；

重采样时采用双线性插值法，将栅格数据的大小从l_x和l_y重采样到l_xQ和l_yQ，将其匹配到瓦片相应的分辨率w下，设重采样后x方向上的数据大小为l_xQ、y方向的数据大小为l_yQ，则其计算方法如下：

其中，[Min_xg,Min_yg,Max_xg,Max_yg]表示进程根据瓦片行列号以及瓦片级别反算的瓦片地理范围。

2.根据权利要求1所述的基于瓦片的遥感图像存储方法，其特征在于，所述金字塔模型中，以原始地形数据作为金字塔的第0层，对其进行分块，形成第0层瓦片矩阵，在第0层的基础上，按每2×2个像素合成为一个像素的方法生成第1层，并对其进行分块，形成第1层瓦片矩阵，按4×4像素形成第2层瓦片矩阵，按8×8像素形成第3层瓦片矩阵，以此类推，构建整个金字塔模型。

3.根据权利要求1所述的基于瓦片的遥感图像存储方法，其特征在于，所述遥感图像为GEOTIFF格式。

4.根据权利要求1所述的基于瓦片的遥感图像存储方法，其特征在于，所述对瓦片切片进行划分，根据瓦片切片分配进程的步骤，具体包括：

将原始影像投影变换到WebMercator坐标系，得到投影变换结果影像；

分配投影变换后的投影变换结果影像，解算瓦片行列号，分配进程；

重复以上操作，直到所有进程划分有对应的瓦片切片，组成该进程的任务池。

5.根据权利要求4所述的基于瓦片的遥感图像存储方法，其特征在于，瓦片行列号[x，y]的计算方法为：

x＝Min_x1+(p/a)，

y＝Max_y1-(p/b)，

其中，进程号为z，进程总数为n，影像覆盖的瓦片行列号范围为[Min_X1，Min_y1，Max_X1，Max_y1]，a和b为x和y方向瓦片个数，t为瓦片总数：

a＝Max_x1-Min_x1，

b＝Max_y1-Min_y1，

p＝i×n+z，i∈[0，1，...，k]，

t＝a×b，

地理范围为[Min_X2，Min_y2，Max_X2，Max_y2]，则瓦片行列号通过下式计算：

其中m＝(2×π×6378137)/2,v＝(2×π×6378137)/(l×2^level)，level表示比例尺的级别，l为瓦片边长大小。

6.一种基于瓦片的遥感图像存储系统，其特征在于，所述系统包括：

图像切片模块，用于获取遥感图像，按照四叉树索引机制对遥感图像进行影像切片，构建金字塔模型，所述金字塔模型由多个正方形的栅格组成，一个栅格即为一张瓦片切片；

进程分配模块，用于基于WebMercator投影坐标系统对瓦片切片进行划分，将栅格影像进行不同分辨率的切分，每个分辨率对应WebGIS进行缩放操作时相应的层级，根据瓦片切片分配进程，并行算法按瓦片序号进行读取；

瓦片存储模块，用于进行重采样，将得到的重采样数据并行写入瓦片文件中，对瓦片进行统一存储；

重采样时采用双线性插值法，将栅格数据的大小从l_x和l_y重采样到l_xQ和l_yQ，将其匹配到瓦片相应的分辨率w下，设重采样后x方向上的数据大小为l_xQ、y方向的数据大小为l_yQ，则其计算方法如下：

其中，[Min_xg,Min_yg,Max_xg,Max_yg]表示进程根据瓦片行列号以及瓦片级别反算的瓦片地理范围。

Images