CN201698495U - 高分辨率影像自动生产系统 - Google Patents
高分辨率影像自动生产系统 Download PDFInfo
- Publication number
- CN201698495U CN201698495U CN2010201926315U CN201020192631U CN201698495U CN 201698495 U CN201698495 U CN 201698495U CN 2010201926315 U CN2010201926315 U CN 2010201926315U CN 201020192631 U CN201020192631 U CN 201020192631U CN 201698495 U CN201698495 U CN 201698495U
- Authority
- CN
- China
- Prior art keywords
- resolution image
- high resolution
- data
- feature extraction
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本实用新型公开了一种高分辨率影像自动生产系统,属于遥感技术领域。所述系统包括主控服务器以及与之数据连接的预处理芯片、特征提取芯片、差分应用终端、数据录入终端和磁盘阵列;其中主控服务器包括管理、调度和维护高分辨率影像数据的数据库系统;调用预处理芯片预处理高分辨率影像数据的预处理系统;管理高分辨率影像数据提取任务的任务管理系统;调用特征提取芯片提取高分辨率影像数据特征的特征提取系统;进行验证处理的特征验证系统;调用差分应用终端更新高分辨率影像的应用的差分应用系统;回放、编辑和漫游高分辨率影像数据的可视化系统。本实用新型可用于遥感等技术领域。
Description
技术领域
本实用新型涉及一种高分辨率影像自动生产系统,属于遥感技术领域。
背景技术
遥感影像能够快速地获取地球表面信息。海量、多分辨率、多时相、多类型空间对地观测数据的高分辨率遥感影像成为高分辨率影像数据库以及各种行业应用的重要信息源。高分辨率影像以信息化、数字化、网络化为特点对国家以及社会生活的安全性提出了全新的要求。人们对于高分辨率影像处理技术青睐以及对处理速度和操作方便提出了更高的要求。越来越多的人们开始关注高分辨率影像自动生产应用系统。
对于高分辨率影像自动生产系统平台,在国内外虽然相关研究比较多,但大部分都仅仅停留在相关理论的探索阶段,而将理论落实为实践的为数不多。具有代表性的研究主要有美国Overwatch公司开发的Feature Analyst软件和德国Definiens开发的eCognition软件,不过他们的目标和服务价值主要体现在针对影像分析、管理和应用等相关领域提供多种软件系统的研发和二次开发服务,并不能形成自动生成过程。
此外,国内外一些软件厂商虽然已经开发了一些通用的商业软件,但并不能满足自动生产和特定目标提取的精度要求。同时,目前国内也还没有非常规范化的高分影像自动生产系统平台。
因此,如何从海量高分辨率遥感影像中准确获取特征信息,并构建一个自动生成系统平台,一直是遥感应用的重要问题。
实用新型内容
针对上述现有高分辨率影像生产所存在的问题和不足,本实用新型的目的是构建一个高分辨率影像自动生产系统。
为了实现上述目的,本实用新型采用如下技术方案:
如图1所示,本实用新型高分辨率影像自动生产系统包括主控服务器以及与之数据连接的预处理芯片、特征提取芯片、差分应用终端、数据录入终端和磁盘阵列。
如图2所示,所述主控服务器包括:
管理、调度和维护高分辨率影像数据的数据库系统S1,所述数据库系统的数据储存于所述磁盘阵列;
调用所述预处理芯片预处理高分辨率影像数据的预处理系统S2;
管理高分辨率影像数据提取任务的任务管理系统S3;
调用所述特征提取芯片提取高分辨率影像数据特征的特征提取系统S4;
进行验证处理的特征验证系统S5;
调用所述差分应用终端更新高分辨率影像的应用的差分应用系统S6;
回放、编辑和漫游高分辨率影像数据的可视化系统S7。
其中,所述数据子系统S1包括下列数据库:1)高分辨率原始影像数据库;2)任务数据库;3)高分辨率影像特征数据库;4)高分辨率影像特征验证数据库;5)高分辨率影像差分数据库。
所述预处理子系统S2包括:1)增强图像并抑制背景的图像增强模块;2)提取特征信息并进行初步分类的提取分类模块。
所述任务子系统S3包括:1)提取任务管理模块;2)验证任务管理模块;3)差分应用任务管理模块。
所述特征提取子系统S4包括:1)提取参数设定模块;2)提取策略设定模块;3)根据提取参数和提取策略提取高分辨率影像特征的提取模块。
所述数据录入终端可通过本地连接和/或网络连接和主控服务器连接,本实用新型通过所述数据录入终端完成高分辨率影像数据的录入工作。
所述主控服务器优选为刀片机服务器。
下面结合附图2从功能上更具体地描述上述各个子系统。
高分辨率影像数据库系统S1管理、调度和维护各种高分辨率数据库,通过数据库管理对不同高分辨率影像数据进行登录、查询、修改等基本操作。
S1包括以下五个逻辑数据库:
1)高分辨率原始影像数据库专门管理原始高分辨率影像数据信息;
2)高分辨率任务数据库是通过设定、分发各个任务,并且通过任务的状态信息来辅助完成提取、验证和差分管理。
3)高分辨率影像特征数据库是专门存储经特征提取后的高分辨率特征数据信息;
4)高分辨率影像特征验证数据库是对特征数据库的信息经过验证并修改后存储的数据;
5)高分辨率影像差分数据库是保存和更新特征数据用以生产的实际应用。
高分辨率影像预处理系统S2对高分辨率影像进行预处理,去除噪声,并对影像进行图像增加和影像分辨率信息初步处理。
S2包括以下二方面的功能:
1)图像增强;主要是对原始高分辨率影像数据进行图像增加,抑制背景,从而使得影像便于处理。
2)高分辨率影像信息的提取;对不同目标的特征提取、分类进行不同影像的分辨率处理。
高分辨率影像特征提取系统S3通过对提取任务进行管理,实现海量快速、自动和准确的批处理任务分配和管理。
S3主要是对其处理进行任务管理和分配,提取任务的管理是整个自动生产的关键部分,主要是对提取、验证和差分应用的任务管理,通过对其任务管理,提高自动生产的效率。
高分辨率影像特征提取系统S4通过不同的处理算法对高分辨率影像进行数据特征提取,然后进行分类和识别高分辨率影像。
S4主要包括以下步骤:
1.提取参数的设定,为了控制精度,可以通过自学习调节参数和人工设定。
2.提取策略的设定。
高分辨率影像特征验证系统S5通过对提取的影像和原有的数据进行验证处理,来验证分类和识别的效果。
高分辨率影像差分应用系统S6通过差分算法来更新不同高分辨率影像的应用。
高分辨率影像可视化子系统S7通过可视化操作对高分辨率影像进行回放、编辑和漫游等功能,是对上述不同子系统提供人机交互的界面;方便管理人员和操作人员对不同模块的管理和控制。
本实用新型利用了模式识别技术和高分影像处理技术对高分辨率影像进行自动生产,准确可靠;系统可以实现对提取任务的自动化管理,快捷便利,节省人力,提高效率。本实用新型可以用于导航道路的生产,或者应用于其它不同的高分影像对水系和建筑物等分类的场合。
附图说明
图1为本实用新型的系统构成示意图;
图2为本实用新型的主控服务器的子系统示意图;
图3为本实用新型的任务管理流程图;
图4为本实用新型的自动生产流程图;
具体实施方式
下面通过实施例结合附图对本实用新型作更为详细的描述。
本实施例按照图1所示的系统构成示意图搭建本实施例的高分辨率影像自动生产系统。其中的主控服务器的结构如图2所示。
下面具体描述该主控服务器的各个子系统。
首先,是高分辨率影像数据库系统S1:
高分辨率影像数据管理子系统管理高分辨率原始影像数据库、任务数据库、特征数据库、特征验证数据库和差分数据库。
高分辨率原始数据经过图像配准、镶嵌与重采样、分幅剪裁步骤后,录入到高分辨率原始影像数据库中,同时建立高分辨率影像的元数据规范,包括:标识符、影像名称、精度、坐标、投影方式、成像时间、影像类型、存储位置、影像内容描述项和影像质量描述项。
任务数据库对高分辨率影像处理过程进行管理和控制,主要是对特征提取、验证和差分运用这三个方面进行管理:
1对特征提取的管理,通过对高分辨率影像的状态,包括提取的状态,时间,提取参数等设定和查询;
2对特征验证的管理,包括高分影像所处的状态、验证结果等进行查询和修改;
3对影像的差分应用管理,包括对应用任务的分配,所处的状态,差分的结果等进行查询和修改。
其二,高分辨率影像预处理子系统S2
在对高分辨率影像处理的时候,考虑到不同的应用,先对高分辨影像数据进行预处理,主要是针对不同应用首先进行预分类,再对高分辨率影像的分类可以提高处理的速度和高分辨率影像的特征提取精度。
其三,高分辨率影像提取任务管理系统S3
当高分辨率影像经过预处理后,要对其处理进行任务管理和分配,提取任务的管理是整个自动生产的关键部分,主要是对提取、验证和差分应用的任务管理,通过对其任务管理,提高自动生产的效率。
其四,高分辨率影像特征提取子系统S4
当高分辨率影像经过预处理后,我们对高分辨率影像特征提取,通过特征提取实现对影像数据分类和识别,可是考虑特征提取的扩展性,可以对特征进行基元的表达形式,通过不同的基元间的拓扑关系可以定义不同的基元,具体的特征提取包括以下点:
1)提取参数的设定,为了控制精度,可以通过自学习调节参数和人工设定。
2)提取策略的设定。利用不同的基元构建不同的分类和识别目标,同时可以通过不断的学习来调节各类基元的参数。
其五,高分辨率影像特征验证子系统S5
为了保证提取后的特征正确性,本实用新型通过验证子系统来保障提取后的特征可用性,验证子系统包括对提取结果或差分结果的验证,采用人工方式通过可视化操作界面完成。验证参考信息可以是影像或特征矢量。验证操作包括对错误结果的丢弃、对正确结果的确认、对局部错误的编辑。
其六,高分辨率影像差分应用子系统S6
为了实现高分影像的应用,对高分影像提取的结果进行差分应用,通过不断更新差分应用数据库来保障得到最新的遥感影像的信息。从而在实际应用中发挥更大的作用。
其七,高分辨率影像可视化子系统S7
为了对整个自动生产进行必要的干预,我们通过可视化界面对高分辨率影像进行回放、编辑和漫游等功能。
图3给出了提取任务管理流程图。本实施例的任务管理包括以下步骤:
1对特征提取的管理,通过对高分辨率影像的状态,包括提取的状态,时间,提取参数等设定和查询;
2对特征验证的管理,包括高分影像的所处的状态、验证结果等进行查询和修改;
3对影像的差分运用管理,包括对应用任务的分配,所处的状态,差分的结果等进行查询和修改。
主要是验证任务分配后,当提取的特征验证完成后,下一个任务进来,同时每个任务通过时间的设定,实行认为自动分配和管理。高分辨率任务数据库包括由任务管理模块创建,通过维护各个任务的状态信息辅助完成任务管理。一个标准分幅区域作为一个任务处理单元,任务处理分三个步骤,即,提取、验证和差分
图4给出了自动生产流程图,包括下列步骤:
p1:高分辨率影像进行经过图像配准、镶嵌与重采样、分幅剪裁步骤后,按照元数据的规范进行入库,建立高分影像数据的索引,系统按照影像的标识项、影像名称、精度、坐标、投影方式、成像时间、影像类型、存储位置、影像内容描述数据、影像质量描述数据等信息,存储到计算机中。
p2:然后对高分辨率影像进行预处理,通过图像增强技术和高分辨率影像信息的提取进行粗分类。
p3:在提取任务管理中,通过对提取,验证和差分的任务的设定来分配不同的任务,以及任务的优先级。通过任务的调控合理高效进行自动生产。
p4:当提取任务设定后,通过DSP处理器对高分影像进行特征提取,并将不同提取的结果存储到特征数据库中。
p5:通过任务管理对特征库提取的结果安排验证任务,通过不同任务的安排来控制自动生产,当验证完成后,提交给任务管理将结果存储到验证特征结果数据库中。
p6:当验证特征结果完成后,根据任务管理的调度,对不同的应用对结果进行差分,通过差分来更新差分数据库,同时对差分结果进行修正,并将结果存储到差分结果数据库中。
本实施例系统主要具有以下几个优点:
1.本系统通过高性能的DSP提高了对海量的高分辨率影像的处理速度。
2.本系统通过任务管理,合理的控制自动生产的流程,可以随时干预生产过程。
3.本系统通过计算机数据库技术和模式识别技术,节约了时间,提高了效率。
4.本系统通过网络技术,通过多节点的验证和差分可视化流水作业,节省人力和管理成本。
本实施例系统可以快速的对高分遥感影像进行处理,在对海量数据进行处理体现了高效的性能,克服了对单一影像处理的限制,通过可视化操作可以对精度进行修正,满足了大规模数据的实时要求。本实用新型可以应用于生产导航道路系统,也可以应用于其它高分辨率影像分类的场合。
下面列举其中的几个应用实例。
应用实例1:导航道路提取
本实用新型可用于手机和车载导航道路更新系统。使用过程如下:在高分辨率原始影像数据库中,通过对高分辨率影像数据预处理后,进行影像处理认为设定,通过设定提取的任务,对影像的范围大小和提取时间等设定,通过任务管理同可用同时对图像进行处理验证和差分验证,可以在任务管理的协调下,对影像进行并行处理。提高了影像处理的速度。
应用实例2:数字化城市
本实用新型可用于数字化城市应用。使用过程如下:通过对不同类型和分辨率的影像管理,对影像进行不同等级的设定,可以提出高分辨率影像的布通信息,包括道路、城市建筑物、植被分布,同时可以提前三维城市,通过该实用新型,很大程度上提高自动化程度,可以在一个平台上同时对不同的目标进行提取,验证和差分应用,通过并发来提高对高分辨率影像的处理。
应用实例3:灾后观测和重建
本实用新型可用于灾后观测和重建。使用过程如下:当发生地震等大规模的灾害时候,通过高分辨率影像,可以快速检测,锁定到灾难的地区,然后通过优先级的设定对该地区进行目标分类,通过差分以前的该地区的影像来决策营救方案,同时也可以查看地区的危害等级,提高时间效率,部署灾害重建计划。
Claims (6)
1.高分辨率影像自动生产系统,其特征在于,所述系统包括主控服务器以及与之数据连接的预处理芯片、特征提取芯片、差分应用终端、数据录入终端和磁盘阵列;
所述主控服务器包括:
管理、调度和维护高分辨率影像数据的数据库系统S1,所述数据库系统的数据储存于所述磁盘阵列;
调用所述预处理芯片预处理高分辨率影像数据的预处理系统S2;
管理高分辨率影像数据提取任务的任务管理系统S3;
调用所述特征提取芯片提取高分辨率影像数据特征的特征提取系统S4;
进行验证处理的特征验证系统S5;
调用所述差分应用终端更新高分辨率影像的应用的差分应用系统S6;
回放、编辑和漫游高分辨率影像数据的可视化系统S7。
2.根据权利要求1所述的高分辨率影像自动生产系统,其特征在于,所述数据库系统S1包括下列数据库:
1)高分辨率原始影像数据库;
2)任务数据库;
3)高分辨率影像特征数据库;
4)高分辨率影像特征验证数据库;
5)高分辨率影像差分数据库。
3.根据权利要求1所述的高分辨率影像自动生产系统,其特征在于,所述预处理系统S2包括:
1)增强图像并抑制背景的图像增强模块;
2)提取特征信息并进行初步分类的提取分类模块。
4.根据权利要求1所述的高分辨率影像自动生产系统,其特征在于,所述任务管理系统S3包括:
1)提取任务管理模块;
2)验证任务管理模块;
3)差分应用任务管理模块。
5.根据权利要求1所述的高分辨率影像自动生产系统,其特征在于,所述特征提取系统S4包括:
1)提取参数设定模块;
2)提取策略设定模块;
3)根据提取参数和提取策略提取高分辨率影像特征的提取模块。
6.根据权利要求1-5任意一项所述的高分辨率影像自动生产系统,其特征在于,所述主控服务器是刀片机服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010201926315U CN201698495U (zh) | 2010-05-11 | 2010-05-11 | 高分辨率影像自动生产系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010201926315U CN201698495U (zh) | 2010-05-11 | 2010-05-11 | 高分辨率影像自动生产系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN201698495U true CN201698495U (zh) | 2011-01-05 |
Family
ID=43399741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010201926315U Expired - Fee Related CN201698495U (zh) | 2010-05-11 | 2010-05-11 | 高分辨率影像自动生产系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN201698495U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110610052A (zh) * | 2019-09-20 | 2019-12-24 | 中国科学院软件研究所 | Pcb自动布线系统及方法 |
-
2010
- 2010-05-11 CN CN2010201926315U patent/CN201698495U/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110610052A (zh) * | 2019-09-20 | 2019-12-24 | 中国科学院软件研究所 | Pcb自动布线系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11004157B2 (en) | XBRL-based intelligent financial cloud platform system, construction method and business implementation method thereof | |
CN113392227B (zh) | 面向轨道交通领域的元数据知识图谱引擎系统 | |
CN109347676A (zh) | 一种异构、一体化的混合云资源管理平台 | |
CN106470216A (zh) | 一种基于信息共享、交互的内容管理系统 | |
CN108984895A (zh) | 一种基于xml异构平台的模型自动识别方法 | |
CN108628607B (zh) | 一种基于人工智能辅助软件开发的方法、系统及存储介质 | |
CN104200702B (zh) | 一种查找车位系统及其方法 | |
CN101908194A (zh) | 银行对公贷款监控的方法 | |
CN102208064A (zh) | 行政协同审批系统及审批方法 | |
CN103136738A (zh) | 一种复杂场景下固定摄像机监控视频与三维模型配准方法 | |
CN104680585A (zh) | 物料堆三维重建系统及方法 | |
CN111444792A (zh) | 票据识别方法、电子设备、存储介质及装置 | |
CN102222232A (zh) | 人脸多阶层快速过滤匹配装置及方法 | |
CN110069826B (zh) | 一种基于bim的项目管理方法、系统及存储介质 | |
CN102541022B (zh) | 基于物联网和3d gis的公路隧道智能检修管理系统 | |
CN105677745B (zh) | 一种通用高效自助数据查询系统及实现方法 | |
CN201698495U (zh) | 高分辨率影像自动生产系统 | |
CN107368605B (zh) | 一种基于图数据库的动态建模方法 | |
CN103325277B (zh) | 一种引导停车系统及工作流程 | |
CN109753541A (zh) | 一种关系网络构建方法和装置、计算机可读存储介质 | |
CN109446278A (zh) | 一种基于区块链的大数据管理平台系统 | |
CN103569421A (zh) | 一种用于卷烟包装机的数据采集分析装置 | |
Cui et al. | Design of highway intelligent transportation system based on the internet of things and artificial intelligence | |
CN115934693A (zh) | 一种区域实有人口动态计算方法 | |
CN202765320U (zh) | 一种用于卷烟包装机的数据采集分析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110105 Termination date: 20180511 |
|
CF01 | Termination of patent right due to non-payment of annual fee |