CN117931810A - 一种空间影像数据的结构化管理方法及系统 - Google Patents

一种空间影像数据的结构化管理方法及系统 Download PDF

Info

Publication number
CN117931810A
CN117931810A CN202410324517.XA CN202410324517A CN117931810A CN 117931810 A CN117931810 A CN 117931810A CN 202410324517 A CN202410324517 A CN 202410324517A CN 117931810 A CN117931810 A CN 117931810A
Authority
CN
China
Prior art keywords
image
target
space image
data
image data
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
Application number
CN202410324517.XA
Other languages
English (en)
Other versions
CN117931810B (zh
Inventor
任春雷
杨军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Qimingtong Information Technology Co ltd
Original Assignee
Chengdu Qimingtong Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Qimingtong Information Technology Co ltd filed Critical Chengdu Qimingtong Information Technology Co ltd
Priority to CN202410324517.XA priority Critical patent/CN117931810B/zh
Priority claimed from CN202410324517.XA external-priority patent/CN117931810B/zh
Publication of CN117931810A publication Critical patent/CN117931810A/zh
Application granted granted Critical
Publication of CN117931810B publication Critical patent/CN117931810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本说明书实施例公开了一种空间影像数据的结构化管理方法及系统,涉及空间影像服务技术领域。其中,该方法包括:针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据;基于核心元数据构建目标空间影像对应的元数据表;将元数据表、目标空间影像的数据结构与目标空间影像对应的影像分块索引值相结合,构建用于对所述目标空间影像进行高效操作的应用接口集;基于上述元数据表、空间影像数据结构和应用接口,得到支持SQL操作的空间影像数据结构化数据库模型。通过该方法,可以实现任意位置、任意空间区域、任意影像属性条件的影像信息查询和读取,为用户提供更精准、更快速、更灵活的空间影像服务。

Description

一种空间影像数据的结构化管理方法及系统
技术领域
本申请涉及空间影像服务技术领域,具体而言,涉及一种空间影像数据的结构化管理方法及系统。
背景技术
空间影像是一种具备空间信息的栅格文件,属于非结构化数据,目前通常采用栅格编目(目录树)或镶嵌数据集的方法对其进行管理和应用。其中,栅格编目是借助操作系统和元文件(记录了影像文件的坐标系、生产单位、传感器类型、时间、分辨率、范围角点坐标等信息),进行基于文件目录和文件名的简单管理,该方法会导致应用局限于读取整个文件,无法直接按空间关系操作文件内部信息。镶嵌数据集是在栅格编目的基础上,通过手工绘制镶嵌线(相邻影像文件的边界),将不同的空间影像文件构建成逻辑关联的数据集,用于同时打开不同空间影像文件时,控制各自的边界。
以上两种方法在管理和应用中存在以下缺陷:①两种方法均需要人工对每个空间影像文件逐一建立元数据文件,建库过程漫长;②构建的空间影像数据集均为非结构化的文件数据库,不能支持基于SQL(Structured Query Language,结构化查询语言)的空间查询,应用范围极其有限;③空间影像应用信息颗粒度受限,只能以文件或镶嵌线覆盖范围为单元应用,无法抓取其内部信息单独使用。
基于此,如何提供一种空间影像数据的结构化管理方法及系统,以实现对空间影像数据进行任意空间和属性条件的SQL操作,是目前亟待解决的技术问题。
发明内容
本说明书实施例的一个方面提供一种空间影像数据的结构化管理方法,该方法包括:
针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围指目标空间影像对应的规则或不规则的实际覆盖范围;
基于所述核心元数据构建所述目标空间影像对应的元数据表;
将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,构建用于对所述目标空间影像进行高效操作的应用接口集,所述高效操作至少包括范围查询、数据提取;其中,所述目标空间影像的数据结构包括影像文件头、影像文件目录、目录项以及像素存储规则,所述影像分块索引值至少包括每一个影像分块对应的像素行列值;
基于所述元数据表、所述数据结构以及所述应用接口,得到支持SQL操作的空间影像数据结构化数据库模型。
在一些实施例中,所述目标空间影像对应的覆盖范围基于影像金字塔确定。
在一些实施例中,所述基于所述核心元数据构建所述目标空间影像对应的元数据表,包括:
获取目标空间影像对应的规则或不规则的实际覆盖范围,并根据所述覆盖范围构建所述目标空间影像对应的元数据表的覆盖范围数据项。
在一些实施例中,所述方法还包括:
获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率;
通过所述空间影像数据结构化数据库模型的范围查询应用接口,将所述目标区域与一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域;
基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。
在一些实施例中,所述基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据,包括:
确定所述目标子区域在所涉及的目标空间影像中对应的目标影像分块索引,找到对应的目标影像分块;
根据所述目标影像分块、所述像素存储规则以及所述目标子区域所对应的矢量范围面,得到所述目标子区域中的影像数据。
本说明书实施例的另一个方面还提供一种空间影像数据的结构化管理系统,该系统包括:
核心元数据自动获取模块,用于针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围是指目标空间影像对应的规则或不规则的实际覆盖范围;
元数据表构建模块,用于基于所述核心元数据构建所述目标空间影像对应的元数据表;
应用接口模块,用于将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,以构建用于对所述目标空间影像进行高效操作的应用接口集,所述高效操作至少包括范围查询、数据提取;其中,所述目标空间影像的数据结构包括影像文件头、影像文件目录、目录项以及像素存储规则,所述影像分块索引值至少包括每一个影像分块对应的像素行列值;
空间影像数据结构化管理模块,用于基于所述应用接口的SQL操作,完成空间影像数据的管理,所述管理包括查询、统计、分析和服务构建应用。
在一些实施例中,所述系统还包括空间影像查询模块,所述空间影像查询模块用于:
获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率;
根据所述空间影像数据结构化数据库模型的范围查询应用接口,将所述目标区域与所述空间影像数据结构化数据库模型中的一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域;
基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。
附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的空间影像数据的结构化管理系统的示例性应用场景示意图;
图2是根据本说明书的一些实施例所示的空间影像数据的结构化管理系统的示例性模块图;
图3是根据本说明书一些实施例所示的空间影像数据的结构化管理方法的示例性流程图;
图4是根据本说明书一些实施例所示的空间影像数据的结构化管理方法的示例性子步骤流程图;
图5是根据本说明书一些实施例所示的空间影像数据的结构化管理方法中的影像查询示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图做简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另作说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
根据前述内容可知,现有技术中针对空间影像的管理和应用中存在以下缺陷:
①两种方法均需要人工对每个空间影像文件逐一建立元数据文件,建库过程漫长;
②构建的空间影像数据集均为非结构化的文件数据库,不能支持基于SQL(Structured Query Language,结构化查询语言)的空间查询,应用范围极其有限;
③空间影像应用信息颗粒度受限,只能以文件或镶嵌线覆盖范围为单元应用,无法抓取其内部信息单独使用。
上述缺陷会导致空间影像数据在信息系统中应用单一,大多作为背景看一看了事,从而造成高分对地观测系统获取的空间影像数据以及目前广泛使用的无人机航拍影像数据等,无法得到广泛应用。
具体而言,对于传统技术中直接使用的影像数据库,由于其为非结构化的文件数据库,不支持SQL空间查询,因此,难以与结构化的矢量数据库实现高效率的融合应用。另外,由于其信息颗粒度巨大(以整个文件为颗粒度),传输、处理效率低下,难以得到较好应用。例如,某信息系统需要两条河流交叉处半径1公里的影像,使用传统技术只能抓取相关的几景/幅文件或其金字塔文件的整体数据,因此,通常效率低下,冗余数据巨大,数据传输困难,无法实现高效率应用。
除此之外,对于目前常用的空间影像数据服务而言,若采用静态切片方式,分层数据选取、不同影像文件之间压盖处理、分层切片等耗时巨大,难以应用最新空间影像数据;而采用所谓免切片方式,非结构化数据会导致大范围、多层级服务构建困难,只能用于构建简单的单层服务。
基于以上问题,本说明书实施例提供一种支持SQL操作的空间影像数据的结构化管理方法及系统。下面结合附图对本说明书实施例提供的空间影像数据的结构化管理方法及系统进行详细说明。
图1是根据本说明书一些实施例所示的空间影像数据的结构化管理系统的示例性应用场景示意图。
参照图1,在一些实施例中,空间影像数据的结构化管理系统的应用场景100可以包括空间影像获取装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。例如,空间影像获取装置110可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。又例如,存储设备120可以与处理设备130和/或终端设备140直接连接或通过网络150连接。
空间影像获取装置110可以用于获取目标空间影像。在一些实施例中,空间影像获取装置110可以通过各种方式获得目标空间影像,例如,可以通过卫星遥感、航空遥感或地面遥感等方式采集得到。其中,卫星遥感是指利用人造卫星搭载的遥感传感器,从轨道上对地表或其他目标进行观测和拍摄,获取空间影像数据;航空遥感是指利用飞机、无人机或气球等载具搭载的遥感传感器,从空中对地表或其他目标进行观测和拍摄,获取空间影像数据;地面遥感是指利用地面设备或人工操作的遥感传感器,从地面或近地面对地表或其他目标进行观测和拍摄的方式,如地面摄影、地面雷达、地面激光雷达等地面遥感系统等。在一些实施例中,通过卫星遥感、航空遥感或地面遥感等方式采集得到的目标空间影像可以存储在存储设备120中,空间影像获取装置110可以从存储设备120中获取该目标空间影像。
存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中,存储设备120可以存储从空间影像获取装置110、处理设备130和/或终端设备140获得的数据。例如,存储设备120可以存储空间影像获取装置110获取的目标空间影像;又例如,存储设备120可以存储处理设备130处理得到的元数据表、应用接口信息等;又例如,存储设备120可以存储终端设备140响应于用户操作生成的空间影像查询指令。在一些实施例中,存储设备120可以存储处理设备130用来执行或使用来完成本说明书中描述的示例性方法的数据和/或计算机程序。在一些实施例中,存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备120可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备120可以连接到网络150以与应用场景100中的至少一个其他组件(例如,空间影像获取装置110、处理设备130、终端设备140)通信。应用场景100中的至少一个组件可以通过网络150访问存储设备120中存储的数据、指令或其他信息。在一些实施例中,存储设备120可以与应用场景100中的一个或以上组件直接连接或通信。在一些实施例中,存储设备120可以是空间影像获取装置110、处理设备130和/或终端设备140的一部分。
处理设备130可以处理从空间影像获取装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。示例性地,在一些实施例中,处理设备130可以从空间影像获取装置110、存储设备120、终端设备140中任意一个或多个获得目标空间影像,通过对该目标空间影像进行处理以得到其对应的元数据表,然后通过将该元数据表、目标空间影像的数据结构与目标空间影像对应的影像分块索引值、影像像素存储规则相结合,构建数据操作的应用接口;最后,基于上述元数据表、空间影像结构和应用接口,得到支持SQL操作的空间影像数据结构化数据库模型。在一些实施例中,处理设备130可以从存储设备120获取预先存储的计算机指令,并执行该计算机指令以实现本说明书所描述的空间影像数据的结构化管理方法。在一些实施例中,处理设备130可以是终端设备140的一部分。在一些实施例中,处理设备130处理得到的空间影像数据结构化数据库可以存储在存储设备120中,以提供空间影像数据的查询、访问、显示、分析等功能服务。
在一些实施例中,处理设备130可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备130可以是本地或远程的。例如,处理设备130可以通过网络150从空间影像获取装置110、存储设备120和/或终端设备140访问信息和/或数据。又例如,处理设备130可以直接连接到空间影像获取装置110、存储设备120和/或终端设备140以访问信息和/或数据。在一些实施例中,处理设备130可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
终端设备140可以响应于用户的操作,生成用于查询空间影像的空间影像查询指令,该空间影像查询指令可以包括目标区域和比例尺。其中,目标区域是指用户想要获取的空间影像的覆盖区域,其可以是一个矩形、多边形、圆形、椭圆形等规则形状或其他不规则形状。在一些实施例中,该目标区域可以基于用户输入确定,该用户输入可以包括文本输入、基于用户界面的选择输入或点击输入。例如,用户想要获取北京市的空间影像,可以输入文本“北京市”,然后将北京市对应的行政边界坐标作为用户输入的目标区域;又例如,在一些实施例中,用户界面上可以提供若干地名或区域供用户选择,用户可以在用户界面上选择目标地名或目标范围,然后将该目标地名或目标范围对应的边界坐标作为用户输入的目标区域;又例如,在一些实施例中,用户可以通过点击等输入方式在用户界面上画出想要获取空间影像的范围,然后通过用户画出的范围和用户界面所展示的影像计算出用户输入的目标区域。在一些实施例中,前述空间影像查询指令中的比例尺可以指影像中一条线段的长度与地面相应线段的实际长度之比。该比例尺可以用来表示空间影像的缩放程度和精度,一般用分数或冒号的形式表示,如1:1000,表示影像中的1米代表地面实际距离为1000米。可以理解,该比例尺越大,表示空间影像越精细,能够显示更多的细节和信息。相反,该比例尺越小,则表示空间影像越粗糙,只能显示一些概括和总结的信息。空间影像的比例尺与影像的分辨率有密切的关系,其中,分辨率是指影像中每个像素代表的地面距离,一般用米或厘米为单位,如0.5米,表示影像中每个像素代表地面0.5米。分辨率越高(即每个像素代表的地面距离越小),表示影像越清晰,能够区分更小的目标。分辨率越低,表示影像越模糊,只能区分更大的目标。在一些实施例中,该空间影像查询指令中的比例尺可以通过用户以编辑比例尺、选择预设比例尺、点击操作(例如点击放大或缩小)或滑动操作(例如滑动鼠标滚轮)等方式输入。
在一些实施例中,终端设备140可以通过网络150将其响应于用户操作生成的空间影像查询指令发送至存储设备120、处理设备130等。在一些实施例中,可以通过处理设备130对该空间影像查询指令进行处理,以得到对应的响应数据。例如,处理设备130可以将空间影像查询指令中的目标区域与空间影像数据结构化数据库中的一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域,然后根据该目标子区域应用接口的输入,获取目标子区域中的影像数据作为该空间影像查询指令对应的响应数据。在一些实施例中,前述空间影像查询指令对应的响应数据可以发送至存储设备120进行存储,或者发送至终端设备140以反馈给用户。
在一些实施例中,终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。例如,移动设备141可以包括移动电话、个人数字助理(PDA)、专用移动终端等或其任意组合。在一些实施例中,终端设备140可以包括输入设备(如键盘、触摸屏、麦克风)、输出设备(如显示器、扬声器)等。
网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,应用场景100的至少一个组件(例如,空间影像获取装置110、存储设备120、处理设备130、终端设备140)可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如,处理设备130可以通过网络150从终端设备140和/或存储设备120获得用户输入的空间影像查询指令。又例如,用户可以通过网络150从终端设备140查阅基于该空间影像查询指令确定的响应数据。
在一些实施例中,网络150可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、ZigBee网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中,网络150可以包括至少一个网络接入点,应用场景100的至少一个组件可以通过接入点连接到网络150以交换数据和/或信息。
应当注意的是,上述有关应用场景100的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对应用场景100进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,空间影像获取装置110可以包括更多或更少的功能组件。
图2是根据本说明书一些实施例所示的空间影像数据的结构化管理系统的模块示意图。在一些实施例中,图2所示的空间影像数据的结构化管理系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100,例如,可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140,以用于构建支持SQL操作的空间影像数据结构化数据库模型,以及对终端设备140响应于用户操作所生成的空间影像查询指令进行处理,得到该空间影像查询指令所对应的响应数据。
参照图2,在一些实施例中,空间影像数据的结构化管理系统200可以包括核心元数据自动获取模块210、元数据表构建模块220、应用接口模块230以及空间影像数据结构化管理模块240。其中:
核心元数据自动获取模块210可以用于针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围是指目标空间影像对应的规则或不规则的实际覆盖范围。
元数据表构建模块220可以用于基于所述核心元数据构建所述目标空间影像对应的元数据表。
应用接口模块230可以用于将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,为其他应用系统提供SQL操作。
空间影像数据结构化管理模块240可以基于所述应用接口,以结构化操作方式,用于空间影像数据展示、分发、更新、构建服务等。
继续参照图2,在一些实施例中,空间影像数据的结构化管理系统200还可以包括空间影像查询模块250,该空间影像查询模块250可以用于:获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率等;将所述目标区域与所述空间影像数据结构化数据库中的一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域;以及根据所述应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。
关于上述各个模块的更多细节可以参照本说明书的其他位置(例如图3~图5部分及其相关描述),此处不再赘述。
应当理解,图2所示的空间影像数据的结构化管理系统200及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法及系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,上述关于空间影像数据的结构化管理系统200的描述仅出于说明性目的而提供,并不旨在限制本说明书的范围。可以理解,对于本领域的技术人员来说,可以根据本说明书的描述,在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图2中所述的核心元数据自动获取模块210、元数据表构建模块220、应用接口模块230、空间影像数据结构化管理模块240以及空间影像查询模块250可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。诸如此类的变形,均在本说明书的保护范围之内。在一些实施例中,前述各个模块可以是处理设备130和/或终端设备140的一部分。
图3是根据本说明书一些实施例所示的空间影像数据的结构化管理方法的示例性流程图。在一些实施例中,空间影像数据的结构化管理方法300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。在一些实施例中,图3所示的空间影像数据的结构化管理方法300的流程图中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如,空间影像数据的结构化管理方法300可以以计算机程序或指令的形式存储在存储设备120中,并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述空间影像数据的结构化管理方法300的执行过程。
参照图3,在一些实施例中,空间影像数据的结构化管理方法300可以包括:
S310,针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围是指目标空间影像对应的规则或不规则的实际覆盖范围。在一些实施例中,S310可以由核心元数据自动获取模块210执行。
在本说明书实施例中,目标空间影像可以指应用上述空间影像数据的结构化管理方法300对其进行结构化管理的任意一张空间影像。在一些实施例中,核心元数据自动获取模块210可以用于获取目标空间影像对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据。
具体地,每一张目标空间影像的元文件(Metafiles)中可以包括坐标系、生产单位、传感器类型、时间、分辨率、范围角点坐标、存储路径等信息。在一些实施例中,核心元数据自动获取模块210可以从该元文件中获取目标空间影像所对应的坐标系、分辨率和存储路径作为该目标空间影像的核心元数据。
对于该目标空间影像所对应的覆盖范围,在一些实施例中,可以基于影像金字塔确定。具体而言,影像金字塔是该影像的简化的分辨率图像的集合,通过影像重采样方法,可以建立一系列不同分辨率的影像图层,针对每个图层可以合并/或分别存储,并建立相应的空间索引机制,从而提高浏览影像时的读取、显示速度。在一些实施例中,可以利用一些工具或库,创建影像金字塔,然后对最低分辨图层生成对应的矢量面,可以大幅度提升矢量面生成效率。示例性地,在一些实施例中,可以使用ArcGIS软件,利用Batch BuildPyramids工具,为栅格数据集创建影像金字塔,然后利用Raster Domain工具,为对应图层生成矢量面。又例如,在一些实施例中,可以使用GDAL库,利用gdaladdo命令,为栅格数据集创建影像金字塔,然后利用gdal_polygonize.py命令,为对应图层生成矢量面。进一步地,核心元数据自动获取模块210可以基于该矢量面确定目标空间影像对应的覆盖范围。
S320,基于所述核心元数据构建所述目标空间影像对应的元数据表。在一些实施例中,S320可以由元数据表构建模块220执行。
在本说明书实施例中,元数据表是指存储元数据的表格,也就是描述目标空间影像的数据的表格。在本说明书实施例中,为了实现空间影像数据的结构化操作,可以选取但不仅限于空间影像数据管理和应用服务的四个必要属性参数(即前述核心元数据)构建目标空间影像对应的元数据表。
在一些实施例中,该元数据表的格式可以为支持矢量对象的关系数据库表。在一些实施例中,可以根据格式规范定义基于xml、txt等格式的元数据表的结构,例如该元数据表可以包括标签、属性和/或值等项目。
需要指出的是,在本说明书实施例中,通过基于空间影像对应的覆盖范围来构建其对应的元数据表,可以使得该空间影像能通过其覆盖范围与目标区域的空间SQL操作,被确认全部或部分属于目标区域,经过其内部数据结构与目标区域的进一步后续处理,可以准确获取其属于目标区域的影像数据,进而完成基于像素颗粒度的任意空间区域、任意影像属性条件的影像信息的查询和读取,实现基于SQL操作非结构化的空间影像。
S330,将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,构建用于对所述目标空间影像进行高效操作的应用接口集,例如数据查询、读取、裁切和个性化渲染等。在一些实施例中,S330可以由应用接口模块230执行。
在本说明书实施例中,目标空间影像的数据结构可以包括影像文件头(ImageFile Header,IFH)、影像文件目录(Image File Directory,IFD)以及目录项(DirectoryEntry,DE)。其中,影像文件头是空间影像文件的开头部分,用于存储一些基本的文件信息和参数,如文件格式、尺寸、色彩空间、压缩方式等的元数据。影像文件目录是数据结构描述信息,用于存储空间影像文件中的标签(Tags)和与之相关的数据,每个影像文件目录IFD描述了空间影像文件的一个特定属性或元数据。在一些实施例中,IFD可以以一种层次结构的方式组织,其可以包含子IFD,以描述主影像文件下的多个影像子文件的数据结构信息。目录项是影像文件目录IFD的组成部分,其可以包含标签、类型、计数(长度)、值或偏移量等信息,用来标识和存储空间影像的辅助信息。在一些实施例中,每一个空间影像所对应的影像文件目录IFD中可以包括多个目录项DE。
目标空间影像对应的影像分块索引值是指用于在影像内部查询过程中确定影像分块的位置的参数,在本说明书实施例中,该影像分块索引值至少包括一个影像分块对应的像素行列号。可以理解,每一个影像分块中的影像数据可以按照固定的格式进行存储,并且,对于每一张目标空间影像而言,其所包含的每一个影像分块中的影像数据可以按照预设的顺序(例如按照从左到右,从上到下的顺序排列)在数据结构中进行体现,因此,在知道每一个影像分块的大小的情况下,即可根据该影像分块索引快速确定目标空间影像在整个文件中的位置,实现数据快速读取。
在本说明书实施例中,通过将前述元数据表(包含核心元数据坐标系、分辨率、覆盖范围和存储路径)以及目标空间影像的数据结构与该目标空间影像对应的影像分块索引值相结合,构建数据量巨大的空间影像文件内部数据快速定位算法,用于对应的应用接口。其中,该应用接口可以理解为一种空间影像数据的查询接口或调用接口,通过该应用接口,可以利用前述核心元数据、目标空间影像的数据结构以及该目标空间影像对应的影像分块索引值,获取目标区域在目标空间影像中分块行列号,再根据分块空间范围与目标区域的交集,从而实现以像素为颗粒度的任意空间区域、任意影像属性条件的影像信息的快速查询和读取。
需要说明的是,在本说明书实施例中,通过上述S310~S330对多张不同分辨率目标空间影像进行处理,可以得到多张目标空间影像所对应目标区域的子集,这些子集重采样、融合后,输出与目标区域完全吻合的影像文件。
S340,基于所述元数据表、所述数据结构以及所述应用接口,得到支持SQL操作的空间影像数据结构化数据库模型。在一些实施例中,S340可以由空间影像数据结构化管理模块240执行。
在通过上述步骤得到系统应用接口之后,可以基于该接口集、元数据表和空间影像数据结构构建空间影像数据结构化数据库模型。可以理解,该模型中的各个应用接口可基于SQL对目标空间影像库的数据进行写入、查询、裁切和读取等基本操作,实现对非结构化的空间影像数据的结构化管理和应用。
图4是根据本说明书另一些实施例所示的空间影像数据的结构化管理方法的示例性步骤流程图。参照图4,在一些实施例中,空间影像数据的结构化管理方法300还可以包括:
S350,获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率。在一些实施例中,S350可以由空间影像查询模块250执行。
在本说明书实施例中,终端设备140可以响应用户操作生成空间影像查询指令,该空间影像查询指令可以存储在存储设备120中,空间影像查询模块250可以从存储设备120获取该空间影像查询指令。在一些实施例中,该空间影像查询指令可以包括目标区域、比例尺或分辨率。其中,目标区域是指用户想要获取的空间影像的覆盖区域,其可以是一个矩形、多边形、圆形、椭圆形等规则形状或其他不规则形状。在一些实施例中,该目标区域可以基于用户输入确定,该用户输入可以包括文本输入、基于用户界面的选择输入或点击输入。例如,用户想要获取北京市的空间影像,可以输入文本“北京市”,然后将北京市对应的行政边界坐标作为用户输入的目标区域;又例如,在一些实施例中,用户界面上可以提供若干地名或区域供用户选择,用户可以在用户界面上选择目标地名或目标范围,然后将该目标地名或目标范围对应的边界坐标作为用户输入的目标区域;又例如,在一些实施例中,用户可以通过点击等输入方式在用户界面上画出想要获取空间影像的范围,然后通过用户画出的范围和用户界面所展示的影像计算出用户输入的目标区域。在一些实施例中,前述空间影像查询指令中的比例尺可以指影像中一条线段的长度与地面相应线段的实际长度之比。该比例尺可以用来表示空间影像的缩放程度和精度,一般用分数或冒号的形式表示,如1:1000,表示影像中的1米代表地面实际距离为1000米。可以理解,该比例尺值越大,表示空间影像越精细,能够显示更多的细节和信息。相反,该比例尺值越小,则表示空间影像越粗糙,只能显示一些概括和总结的信息。空间影像的比例尺与影像的分辨率有密切的关系,其中,分辨率是指影像中每个像素代表的地面距离,一般用米或厘米为单位,如0.5米,表示影像中每个像素代表地面0.5米。分辨率越高(即每个像素代表的地面距离越小),表示影像越清晰,能够区分更小的目标。分辨率越低,表示影像越模糊,只能区分更大的目标。在一些实施例中,该空间影像查询指令中的比例尺可以通过用户以编辑比例尺、选择预设比例尺、点击操作(例如点击放大或缩小)或滑动操作(例如滑动鼠标滚轮)等方式输入。
在一些实施例中,空间影像查询模块250可以与终端设备140通信连接,空间影像查询模块250可以直接从终端设备140获取前述空间影像查询指令。
S360,通过空间影像数据结构化数据库模型的范围查询应用接口,将所述目标区域与一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域。在一些实施例中,S360可以由空间影像查询模块250执行。
参照图5,若空间影像查询指令中的目标区域为D,比例尺为1:10000,则空间影像查询模块250首先可以利用接口集的求交接口,在前述空间影像数据结构化数据库中查询与该目标区域D相交,并且比例尺为1:10000的目标空间影像A、B、C。进一步地,空间影像查询模块250可以将该目标区域D与目标空间影像A、B、C所对应的覆盖范围矢量面求交集,得到目标子区域D1、D2和D3,其中,目标子区域D1为目标空间影像A的一部分,其可以包括目标空间影像A中的一个或多个影像分块;目标子区域D2为目标空间影像B的一部分,其可以包括目标空间影像B中的一个或多个影像分块;目标子区域D3为目标空间影像C的一部分,其可以包括目标空间影像C中的一个或多个影像分块。
S370,基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。在一些实施例中,S370可以由空间影像查询模块250执行。
在通过上述步骤确定目标子区域D1、D2和D3之后,利用接口集的数据读取接口,空间影像查询模块250可以根据目标子区域D1、D2和D3所属的目标空间影像A、B、C三个文件实体存储路径和数据结构进行数据读取(例如根据目标子区域D1、D2和D3中所包含的各个影像分块所对应的索引值在目标空间影像A、B、C中进行影像分块数据读取),从而得到目标子区域D1、D2和D3中的影像数据,并将其作为前述空间影像查询指令对应的响应数据。
需要指出的是,传统方法需要读取A、B、C三个整体文件,数据量巨大、耗时相对较长。然而,通过本说明书实施例所提供的空间影像数据的结构化管理方法,则可以通过前述空间影像数据结构化数据库模型直接查询得到目标子区域D1、D2和D3,并根据目标子区域D1、D2和D3所属的目标空间影像A、B、C三个文件实体存储路径和数据结构进行目标数据的直接读取,得到与空间影像查询指令中的目标区域对应的响应数据。
通过上述内容可知,本说明书实施例所提供的空间影像数据的结构化管理方法中,通过改造空间影像数据集的组成结构,结合空间影像数据标准和索引技术,创建空间影像基于SQL的结构化操作应用接口集,得到支持SQL操作的空间影像结构化数据库模型。基于该空间影像结构化数据库模型,可以实现用结构化数据的SQL技术对非结构化的空间影像数据进行查询、统计和分析,彻底突破传统空间影像数据库以文件大小为信息颗粒度、只能基于文件整体空间范围开展应用的局限,深度拓展空间影像数据在信息化系统中的可用性和应用便利性,大大拓宽了空间影像数据的应用领域。
此外,还需要说明的是,通过本说明书实施例所提供的空间影像数据的结构化管理方法,还可以扩展空间影像数据应用的便利性和动态性。借助模型顾及碎片化数据高效率读取和应用的SQL接口,可为GIS软件系统提供传统影像数据库无法实现的任意属性条件、任意空间区域空间的影像信息高效率操作能力,进而为目前以航空航天遥感为主要空间信息获取手段的地理信息产业提供重要的技术支撑。
举例而言,假如影像库文件由若干幅1米分辨率、比例尺为1:1万的DOM(每个为约27平方公里的正射影像,每个数据量约70M)构成,用系统需要某个区域、某个时段一平方公里1米分辨率的影像,涉及4幅1:1万DOM。传统方法有两种方式推送数据给系统,一是检索到满足条件的4幅DOM,将其推送给系统,需要读取和传送280M数据到系统,效率难以忍受;二是预先将所有DOM切成一定大小的瓦片,构建静态瓦片数据服务(一旦有新的影像数据,又需重新切片,构建新的服务),然后根据区域范围和时间,查询到所有瓦片,读取后推送给系统,这种方法切片时间漫长,应用固化,无法满足影像数据不断更新的需求。然而,通过本说明书实施例所提供的方法,则可以根据该区域范围,像操作结构化数据一样,直接获取这一平方公里任意时段的影像数据,推送给系统,不仅操作简洁、快速,而且可以满足动态应用的需求。
综上所述,本说明书实施例可能带来的有益效果包括但不限于:(1)在本说明书一些实施例所提供的空间影像数据的结构化管理方法及系统中,通过将坐标系、分辨率、存储路径和覆盖范围作为目标空间影像的核心元数据,并基于该核心元数据构建元数据表,可以在后续过程中将其作为采用SQL实现任意位置、任意范围空间查询空间影像数据的基础;(2)在本说明书一些实施例所提供的空间影像数据的结构化管理方法及系统中,通过将该元数据表及目标空间影像的数据结构与目标空间影像对应的影像分块索引值相结合,构建应用接口集,可以实现以影像像素为颗粒度的任意空间区域、任意影像属性条件的影像信息的快速查询和读取,从而为用户提供更精准、更快速的空间影像服务;(3)在本说明书一些实施例所提供的空间影像数据的结构化管理方法及系统中,通过根据目标空间影像的大小自适应确定分布式存储时是否对其切割,以及切割的分块大小,可以在较大程度上保证空间影像数据的读取效率,从而实现大规模影像的快速读取。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例中,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (7)

1.一种空间影像数据的结构化管理方法,其特征在于,包括:
针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围指目标空间影像对应的规则或不规则的实际覆盖范围;
基于所述核心元数据构建所述目标空间影像对应的元数据表;
将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,构建用于对所述目标空间影像进行高效操作的应用接口集,所述高效操作至少包括范围查询、数据提取;其中,所述目标空间影像的数据结构包括影像文件头、影像文件目录、目录项以及像素存储规则,所述影像分块索引值至少包括每一个影像分块对应的像素行列值;
基于所述元数据表、所述数据结构以及所述应用接口,得到支持SQL操作的空间影像数据结构化数据库模型。
2.如权利要求1所述的方法,其特征在于,所述目标空间影像对应的覆盖范围基于影像金字塔确定。
3.如权利要求1所述的方法,其特征在于,所述基于所述核心元数据构建所述目标空间影像对应的元数据表,包括:
获取目标空间影像对应的规则或不规则的实际覆盖范围,并根据所述覆盖范围构建所述目标空间影像对应的元数据表的覆盖范围数据项。
4.如权利要求1~3中任一项所述的方法,其特征在于,所述方法还包括:
获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率;
通过所述空间影像数据结构化数据库模型的范围查询应用接口,将所述目标区域与一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域;
基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。
5.如权利要求4所述的方法,其特征在于,所述基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据,包括:
确定所述目标子区域在所涉及的目标空间影像中对应的目标影像分块索引,找到对应的目标影像分块;
根据所述目标影像分块、所述像素存储规则以及所述目标子区域所对应的矢量范围面,得到所述目标子区域中的影像数据。
6.一种空间影像数据的结构化管理系统,其特征在于,包括:
核心元数据自动获取模块,用于针对目标空间影像,获取其对应的坐标系、分辨率、覆盖范围和存储路径作为核心元数据,所述覆盖范围是指目标空间影像对应的规则或不规则的实际覆盖范围;
元数据表构建模块,用于基于所述核心元数据构建所述目标空间影像对应的元数据表;
应用接口模块,用于将所述元数据表、所述目标空间影像的数据结构与所述目标空间影像对应的影像分块索引值相结合,以构建用于对所述目标空间影像进行高效操作的应用接口集,所述高效操作至少包括范围查询、数据提取;其中,所述目标空间影像的数据结构包括影像文件头、影像文件目录、目录项以及像素存储规则,所述影像分块索引值至少包括每一个影像分块对应的像素行列值;
空间影像数据结构化管理模块,用于基于所述应用接口的SQL操作,完成空间影像数据的管理,所述管理包括查询、统计、分析和服务构建应用。
7.如权利要求6所述的系统,其特征在于,所述系统还包括空间影像查询模块,所述空间影像查询模块用于:
获取空间影像查询指令,所述空间影像查询指令包括目标区域、比例尺或分辨率;
根据所述空间影像数据结构化数据库模型的范围查询应用接口,将所述目标区域与所述空间影像数据结构化数据库模型中的一个或多个目标空间影像所对应的覆盖范围矢量面求交集,得到目标子区域;
基于所述空间影像数据结构化数据库模型的数据提取应用接口,获取所述目标子区域中的影像数据作为所述空间影像查询指令对应的响应数据。
CN202410324517.XA 2024-03-21 一种空间影像数据的结构化管理方法及系统 Active CN117931810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410324517.XA CN117931810B (zh) 2024-03-21 一种空间影像数据的结构化管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410324517.XA CN117931810B (zh) 2024-03-21 一种空间影像数据的结构化管理方法及系统

Publications (2)

Publication Number Publication Date
CN117931810A true CN117931810A (zh) 2024-04-26
CN117931810B CN117931810B (zh) 2024-05-31

Family

ID=

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080225975A1 (en) * 2004-09-03 2008-09-18 Electronics And Telecommunications Research Institute Structured Space-Time Code Achieving the Full Diversity and Full Rate and Generating Method Thereof, and Multi-Input Multi-Output System
CN101763416A (zh) * 2009-12-29 2010-06-30 中国科学院地理科学与资源研究所 一种数据库空间栅格对象存取方法
CN103544315A (zh) * 2013-11-05 2014-01-29 北京建筑大学 一种摄影测量立体影像库的构建方法
US20170068688A1 (en) * 2015-09-09 2017-03-09 International Business Machines Corporation Efficient spatial queries in large data tables
CN110599490A (zh) * 2019-09-02 2019-12-20 广州市城市规划勘测设计研究院 一种遥感影像数据存储方法和系统
CN112559481A (zh) * 2020-11-27 2021-03-26 西安中科星图空间数据技术有限公司 一种基于分布式系统和关系数据库的数据存储方法及装置
CN114372034A (zh) * 2021-12-27 2022-04-19 浙江大学德清先进技术与产业研究院 一种基于遥感影像地图服务的存取方法
CN116383144A (zh) * 2023-03-23 2023-07-04 中科星图股份有限公司 一种多源异构遥感数据存储方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080225975A1 (en) * 2004-09-03 2008-09-18 Electronics And Telecommunications Research Institute Structured Space-Time Code Achieving the Full Diversity and Full Rate and Generating Method Thereof, and Multi-Input Multi-Output System
CN101763416A (zh) * 2009-12-29 2010-06-30 中国科学院地理科学与资源研究所 一种数据库空间栅格对象存取方法
CN103544315A (zh) * 2013-11-05 2014-01-29 北京建筑大学 一种摄影测量立体影像库的构建方法
US20170068688A1 (en) * 2015-09-09 2017-03-09 International Business Machines Corporation Efficient spatial queries in large data tables
CN110599490A (zh) * 2019-09-02 2019-12-20 广州市城市规划勘测设计研究院 一种遥感影像数据存储方法和系统
CN112559481A (zh) * 2020-11-27 2021-03-26 西安中科星图空间数据技术有限公司 一种基于分布式系统和关系数据库的数据存储方法及装置
CN114372034A (zh) * 2021-12-27 2022-04-19 浙江大学德清先进技术与产业研究院 一种基于遥感影像地图服务的存取方法
CN116383144A (zh) * 2023-03-23 2023-07-04 中科星图股份有限公司 一种多源异构遥感数据存储方法和装置

Similar Documents

Publication Publication Date Title
CN105701103B (zh) 一种基于地理信息的三维应用系统
US9465513B2 (en) Visual representation of map navigation history
NL2012778B1 (en) Interactive Geospatial Map.
CN105612513A (zh) 图像检索方法、图像检索系统以及信息记录介质
US8949246B2 (en) System and method for importing NetCDF data
CN110503718B (zh) 三维工程模型轻量化显示方法
US10565560B2 (en) Alternative people charting for organizational charts
CN106611438B (zh) 三维仿真地图的局部区域更新切图方法及装置
CN113723786A (zh) 基于三维gis的可视化规划辅助系统
CN104063421B (zh) 海量交通遥感数据检索方法和装置
US20140344251A1 (en) Map searching system and method
CN107016732A (zh) 使用描述符的3d对象定位
KR100443151B1 (ko) 컴퓨터 네트워크를 이용하여 지리정보시스템을 포함한건축물의 종합정보를 제공하는 방법 및 그 장치
US20120159376A1 (en) Editing data records associated with static images
CN111125237B (zh) 一种基于NoSql数据库的气象数值预报产品动态成图方法
CN117931810B (zh) 一种空间影像数据的结构化管理方法及系统
Guney Rethinking GIS towards the vision of smart cities through CityGML
CN117931810A (zh) 一种空间影像数据的结构化管理方法及系统
US11270483B1 (en) Unified multi-view data visualization
JP4968275B2 (ja) 地図データ編集装置及び地図データ編集装置用サーバ
US20120229857A1 (en) Moving labels in graphical output to avoid overprinting
CN114116686A (zh) 用于实现数据大屏的数据可视化方法
CN114117161A (zh) 展示方法及装置
KR20080080008A (ko) Cad도면에 의한 gis공간연계db를 이용한 파일 검색방법.
Jain NSF workshop on visual information management systems: workshop report

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant