CN114491108A - 一种基于多源遥感应用数据的在线分类***及方法 - Google Patents
一种基于多源遥感应用数据的在线分类***及方法 Download PDFInfo
- Publication number
- CN114491108A CN114491108A CN202111650756.7A CN202111650756A CN114491108A CN 114491108 A CN114491108 A CN 114491108A CN 202111650756 A CN202111650756 A CN 202111650756A CN 114491108 A CN114491108 A CN 114491108A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- information
- sensing image
- classification
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 60
- 230000000007 visual effect Effects 0.000 claims abstract description 35
- 238000007635 classification algorithm Methods 0.000 claims abstract description 28
- 238000012800 visualization Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 64
- 238000000605 extraction Methods 0.000 claims description 37
- 238000007405 data analysis Methods 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 238000007476 Maximum Likelihood Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 5
- 230000018109 developmental process Effects 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 101150036841 minJ gene Proteins 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于多源遥感应用数据的在线分类***及方法,属于卫星遥感技术领域。本发明包括以下步骤:步骤一:构建基于空间和要素的多源数据检索模型,根据模型对满足需求的遥感影像数据直接定位,以及对元数据信息快速、准确获取;步骤二:对用户在线定制产品进行二维可视化,通过时序分析和空间分析方式对在线定制产品的产品数据信息进行分析,利用散点图、饼图和柱状图对产品数据信息进行在线分析及可视化展示;步骤三:具有浏览下载权限的用户,借助相关视图按钮及相关工具对步骤二中满足自身实际需求的定制产品的产品数据进行浏览、下载;步骤四:根据步骤三中用户下载的产品信息调用在线分类算法对卫星遥感影像进行在线处理。
Description
技术领域
本发明涉及卫星遥感技术领域,具体为一种基于多源遥感应用数据的在线分类***及方法。
背景技术
自我国对航天遥感事业研究开展以来,卫星遥感技术蓬勃发展,卫星***门类逐渐丰富,并形成具有一定规模和广泛程度的军民应用体系,卫星应用向深度化、综合化发展,产业规模逐年增加。但是,我国现有的遥感、导航、通信卫星***各成体系、军民孤立、信息分离、服务滞后,随着信息化的发展,遥感应用数据的应用范围越来越广泛,数据类型逐渐增多、数据量越来越大,不同领域、层次的用户对遥感应用数据的需求越来越强烈,区域(智慧城市)、行业信息化和社会大众等用户对全范围、近实时通导遥信息深层次应用与产业化发展需求也逐渐强烈。
现有的基于多源遥感应用数据的在线分类方法必须在选择生产数据、算法、提交生产订单之后,通过人工授权并操作复杂的生产流程,才能生产出满意的产品,流程复杂繁琐,且效率低下,以及生产产品的算法、样本数据对生产产品的数据具有唯一性,导致方法应用范围窄,不易于扩展***、更新算法,以及在使用算法公式对遥感影像进行地物分类提取时,数据分析范围较广和分类结果误差较大,导致分类后的定制产品不满足用户需求,进而降低该***的使用效果。
发明内容
本发明的目的在于提供一种基于多源遥感应用数据的在线分类***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于多源遥感应用数据的在线分类方法,所述方法包括以下步骤:
步骤一:构建基于空间和要素的多源数据检索模型,根据模型对满足需求的遥感影像数据直接定位,以及对元数据信息快速、准确获取;
步骤二:基于步骤一构建的二维模型,对用户在线定制产品进行二维可视化,通过时序分析和空间分析方式对在线定制产品的产品数据信息进行分析,利用散点图、饼图和柱状图对产品数据信息进行在线分析及可视化展示,可视化展示还可对二维模型中的二维视图进行放大、缩小、旋转和贴图操作;
步骤三:具有浏览下载权限的用户,借助相关视图按钮及相关工具对步骤二中满足自身实际需求的定制产品的产品数据进行浏览、下载,用户借助相关视图按钮及相关工具还可对二维矢量、栅格数据进行放大、缩小和全局显示,以及通过设定的条件对二维视图信息进行查询显示;
步骤四:根据步骤三中用户下载的产品信息调用在线分类算法对卫星遥感影像进行在线处理;
步骤五:用户根据自身的用户名和口令信息登陆***,根据用户实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单;
步骤六:基于步骤五中生成的任务订单,用户根据自身需求选择一个或多个分类定制信息进行推送,将分类定制信息推送到用户移动端应用。
进一步的,所述步骤一中基于构建模型对元数据信息进行查询检索的具体方法为:
步骤一(Ⅰ).基于前后端分离的开发方式,选择vue前端框架搭建在线分类定制***,利用SSM、zookeeper搭建***后台,在vue前端页面设置卫星遥感数据的属性信息检索条件,属性信息包括卫星、传感器、云量、分辨率、时间和区域坐标范围,其中,区域坐标范围属性信息表示步骤一模型中的空间,卫星、传感器、云量、分辨率和时间属性信息表示步骤一模型中的要素,SSM常作为数据源较简单的web项目的框架,ZooKeeper表示一个分布式的,开放源码的分布式应用程序协调服务;
步骤一(Ⅱ).创建关系型数据库,创建时对常用作检索条件的属性字段建立索引,以及根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理,从而提高对卫星遥感影像的元数据信息管理效率和检索效率,关系型数据库指采用关系模型来组织数据的数据库,关系型数据库中的每条数据即为每景卫星遥感影像的相关属性信息,元数据又称中介数据、中继数据,指描述数据属性的信息;
步骤一(Ⅲ).基于步骤一(Ⅰ)设置的检索条件使用数据库查询语言,对创建的关系型数据库中存储的卫星遥感影像元数据信息记录进行数据检索,其中在使用单要素条件检索百万条记录时时间达到秒级。
进一步的,所述步骤四调用在线分类算法对卫星遥感影像进行在线处理的具体方法为:
步骤四(Ⅰ).选择待处理的卫星遥感影像数据,对选择的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则可直接选择数据、样本、算法进行遥感影像地物分类提取操作,反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再选择数据、样本、算法进行遥感影像地物分类提取操作;
步骤四(Ⅱ).选择进行分类处理的栈式去噪自编码器算法,设置生产算法参数,调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,之后再调用在线分类算法对遥感影像数据进行地物分类提取;
步骤四(Ⅲ).基于步骤四(Ⅱ)将遥感影像数据分割成对应行列号下的影像数据块,然后分别对影像数据块进行分类提取,处理完成后,对这些影像数据块进行拼接,最终得到完整的地物分类结果产品;
步骤四(Ⅳ).对步骤四(Ⅱ)和步骤四(Ⅲ)中得到的根据分类结果生成的产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示,便于用户对分类定制产品进行选择。
进一步的,所述步骤四(Ⅰ)中选择数据、样本、算法进行遥感影像地物分类提取操作的具体步骤为:
①.选择待处理的卫星遥感影像数据,对卫星遥感影像数据进行校正处理;
②.根据用户需求选择样本类别,并根据不同的样本类别通过web端的地图控件绘制对应的样本点,将这些样本点按照与算法约定好的格式形成样本集文件;
③.对遥感影像进行地物分类提取,具体的方法为:
1)组织提交的样本集合,获取样本对应坐标下的像素;
2)基于1)中获取的数据,选择算法模型,进行模型训练,获取分类器;
选择的算法模型为最大似然分类算法,通过最大似然分类算法寻找遥感影像数据中较高概率产生观察数据的部分,具体步骤为:
构建概率密度函数fD,设fD的概率分布为D,分布参数为θ,从分布中抽出一个具有e个值的采样X1,X2,…,Xe,利用函数fD计算其概率,具体的概率计算公式P为:
P(X1,X2,…,Xe)=fD(X1,X2,…,Xe|θ);
其中,Xe|θ表示第e个采样值的概率大小;
对θ可能性最大的值进行计算,具体的可能性计算公式lik(θ)为:
lik(θ)=fD(X1,X2,…,Xe|θ);
寻找在θ的所有取值上,使这个函数最大化,这个使函数最大化的值即被称为θ的最大似然估计;
对获取的最大似然估计值θ进行误差求解,根据误差结果对最大似然估计值θ进行调整,具体的误差求解公式H(θ)为:
3)基于分类器,对遥感影像数据本身的像素点进行筛选提取,分类器表示基于样本与坐标信息获取的样本像素集合。
进一步的,所述步骤四(Ⅲ)中最终得到完整的地物分类结果产品的具体方法为:
(1).构建判断模型对遥感影像是否需要进行切割处理进行判断,具体构建的判断模型 Q为:
其中,A1、A2分别表示待处理的卫星遥感影像的横向距离和纵向距离,A1*A2表示待处理的卫星遥感影像大小,R1、R2分别表示遥感影像切片的横向切片阈值和纵向切片阈值, R1*R2表示遥感影像切片阈值,当Q≤1时,表示不需要对遥感影像进行切片处理,当Q≥1时,表示需要对遥感影像进行切片处理;
(2).基于(1)中的判断结果对遥感影像需要切片的数量进行计算,具体的计算公式为:
横向切片数量W为:
纵向切片数量C为:
(3).构建坐标系,将待处理的卫星遥感影像放置在坐标系中,基于(2)中的计算的切片数量对每个小遥感影像切片对应的经纬度坐标进行计算,具体的计算公式为:
切片横坐标为:
切片纵坐标为:
其中,i=1、2、3、…、W,表示第i个横向分割的小遥感影像,j=1、2、3、…、C,表示第j 个纵向分割的小遥感影像,(x′,y′)表示待处理的卫星遥感影像距离原点最远点的经纬度坐标,(x1,y1)表示与(x′,y′)点位于同一水平线上的卫星遥感影像经纬度坐标,表示当纵坐标相同时,每个小遥感影像的横向距离,表示当横坐标相同时,每个小遥感影像的纵向距离,xj(i-1)表示第i-1个小遥感影像对应的横坐标,yj(i-1)示第i-1个小遥感影像对应的纵坐标,则各切片上某一点对应的经纬度坐标为(xji,yji);
(4).在切片的同时对每一个小影像块使用几行几列进行标记,具体的标记格式为:
name_m_n;
其中,m表示行数,n表示列数;
(5).把切分的遥感影像切片放到待分类的临时文件夹下,遥感影像切片分类结果放在结果临时文件夹下,在完成遥感影像切片操作后,遍历每一个待分类切片数据进行分类生产,待每一个遥感影像切片均完成地物分类提取生产之后,遍历结果临时文件夹中的分类结果,根据切片数据自身的经纬度坐标信息及切分时候存留的标记信息对这些结果进行拼接,在所有的结果均被遍历到之后完成一景影像数据的拼接,生成一景遥感影像数据分类产品。
一种基于多源遥感应用数据的在线分类***,包括信息检索模块、信息可视化展示模块、信息浏览下载模块、产品分类模块、订单管理模块和信息推送模块;
所述信息检索模块用于建立一种基于空间和要素的多源数据检索模型,并将构建的二维模型和数据检索结果传输至信息可视化展示模块;
所述信息可视化展示模块用于对信息检索模块传输的二维模型和数据检索结果进行接收,基于构建的二维模型支持服务器端、PC端产品信息的多源、多尺度展示,以及提供在线数据分析功能,并将数据分析结果和展示的产品信息输送至信息浏览下载模块。
所述信息浏览下载模块用于信息可视化展示模块传输的数据分析结果和展示的产品信息进行接收,利用相关视图按钮及相关工具对产品信息进行浏览,结合实际需求下载所需的产品信息,并将下载的产品信息和数据分析结果传输至产品分类模块;
所述产品分类模块对信息浏览下载模块传输的产品信息和数据分析结果进行接收,根据接收内容和用户需求为用户提供相匹配的分类定制产品,并将分类定制产品传输至订单管理模块;
所述订单管理模块对产品分类模块传输的分类定制产品进行接收,根据分类定制产品选择相应栏目,调用订单模板编制相关的订单信息,生成任务订单,并将生成的任务订单传输至信息推送模块;
所述信息推送模块对订单管理模块传输的任务订单进行接收,用户根据自身需求选择一个或多个分类定制信息进行推送,对生成的任务订单进行确认。
进一步的,所述信息检索模块包括多源数据检索模型构建单元、关系型数据库创建单元和数据检索单元;
所述多源数据检索模型构建单元在vue前端框架搭建在线分类定制***,并在vue前端页面设置卫星遥感数据的属性信息检索条件,利用SSM、zookeeper搭建***后台,通过前后端分离的方式构建多源数据检索模型,并将构建的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件传输至关系型数据库创建单元;
所述关系型数据库创建单元对多源数据检索模型构建单元传输的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件进行接收,由每景卫星遥感影像的相关属性信息构建关系型数据库,对关系型数据库中常用作检索条件的属性字段建立索引,根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理,并将分区处理后的关系型数据库和多源数据检索模型传输的至数据检索单元;
所述数据检索单元对关系型数据库创建单元传输的关系型数据库和多源数据检索模型进行接收,使用数据库查询语言,在创建的关系型数据库中对用户需求的卫星遥感影像元数据信息进行数据检索,并将数据检索结果和多源数据检索模型传输至信息可视化展示模块。
进一步的,所述信息可视化展示模块对信息检索模块传输的二维模型和数据检索结果进行接收,构建的二维模型支持服务器端、PC端产品信息的多源、多尺度展示,通过时序分析和空间分析方式对产品数据信息进行分析,将分析结果通过散点图、饼图和柱状图进行显示,并将数据分析结果和展示的产品信息输送至信息浏览下载模块;
所述信息浏览下载模块对信息可视化展示模块传输的数据分析结果和展示的产品信息进行接收,用户利用相关视图按钮及相关工具对产品信息进行浏览,对产品二维视图中二维矢量、栅格数据进行放大、缩小和全局显示,同时可以通过设定条件对产品信息进行查询显示,用户可以根据权限和相关的配置,结合实际需求下载所需的产品信息,并将下载的产品信息和数据分析结果传输至产品分类模块。
进一步的,所述产品分类模块包括遥感影像地物分类提取单元、遥感影像分割单元、地物分类结果产品获取单元和可视化显示单元;
所述遥感影像地物分类提取单元对信息浏览下载模块传输的产品信息和数据分析结果进行接收,对接收产品的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则将产品的卫星遥感影像数据传输至遥感影像分割单元,反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再次进行类型判断;
所述遥感影像分割单元对遥感影像地物分类提取单元传输的产品卫星遥感影像数据进行接收,选择分类处理算法,设置生产算法参数,接着调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,并将切割处理后的影像数据块和选择的分类处理算法传输至地物分类结果产品获取单元,若算法设置的生产参数低于阈值,则直接将遥感影像和选择的分类处理算法传输至地物分类结果产品获取单元;
所述地物分类结果产品获取单元对遥感影像分割单元传输的遥感影像、切割处理后的影像数据块和选择的分类处理算法进行接收,通过选择的分类处理算法对接收的遥感影像和切割处理后的影像数据块进行分类提取,处理完成后,将影像数据块进行拼接,最终得到完整的地物分类结果产品,并将得到的地物分类结果产品传输至可视化显示单元;
所述可视化显示单元对地物分类结果产品获取单元传输的地物分类结果产品进行接收,根据接收内容生成产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示,并将可视化显示结果传输至订单管理模块。
进一步的,所述订单管理模块对可视化显示单元传输的可视化显示结果进行接收,用户根据自身用户名和口令信息登陆***,基于可视化显示结果根据自身实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单,并将生成的任务订单传输至信息推送模块;
所述信息推送模块对订单管理模块传输的任务订单进行接收,用户在生成的任务订单中根据自身需求选择一个或多个分类定制信息,将其推送至***终端,***终端在数据更新的第一时间将分类定制信息推送到移动平台对生成的任务订单进行确认。
与现有技术相比,本发明所达到的有益效果是:
1.本发明通过整合遥感处理算法及处理工具资源进行集成,并利用标准WebService调用方式以按需共享的方式为用户统一提供在线数据分析服务,使用户无需安装复杂处理软件就能在线对数据进行处理分析,满足多层次用户对遥感应用数据产品多样化需求的遥感应用数据在线定制分类***,该***遥感应用数据类型多、数据量大、应用范围广。
2.本发明针对多源遥感应用数据,无需安装任何第三方插件,在线自定义选择样本及多种分类算法,通过在线调用获取生产数据,实现多源遥感应用数据的在线分类,该方法操作更简易、灵活,应用范围更加广泛,且易于扩展***、更新算法。
3.本发明通过在使用算法公式对遥感影像进行地物分类提取时,先通过在线算法对遥感影像中较高概率产生观察数据的部分进行寻找,接着对分类提取过程中的分类误差进行计算,避免分类后的结果误差与实际情况不符,进而保证通过分类提取后的遥感影像得到的定制产品满足用户需求,进一步提高了该***的使用效果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于多源遥感应用数据的在线分类***及方法的业务处理流程示意图;
图2是本发明一种基于多源遥感应用数据的在线分类***及方法的***技术服务流程图;
图3是本发明一种基于多源遥感应用数据的在线分类***及方法的***工作流程;
图4是本发明一种基于多源遥感应用数据的在线分类***及方法的多源遥感应用数据在线定制分类***总体路线示意图;
图5是本发明一种基于多源遥感应用数据的在线分类***及方法的多源遥感应用数据在线定制分类***总体架构。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1-图5,本发明提供技术方案:一种基于多源遥感应用数据的在线分类方法,方法包括以下步骤:
步骤一:构建基于空间和要素的多源数据检索模型,根据模型对满足需求的遥感影像数据直接定位,以及对元数据信息快速、准确获取,构建模型对元数据信息进行查询检索的具体方法为:
步骤一(Ⅰ).基于前后端分离的开发方式,选择vue前端框架搭建在线分类定制***,利用SSM、zookeeper搭建***后台,在vue前端页面设置卫星遥感数据的属性信息检索条件,属性信息包括卫星、传感器、云量、分辨率、时间和区域坐标范围,其中,区域坐标范围属性信息表示步骤一模型中的空间,卫星、传感器、云量、分辨率和时间属性信息表示步骤一模型中的要素,SSM常作为数据源较简单的web项目的框架,ZooKeeper表示一个分布式的,开放源码的分布式应用程序协调服务;
步骤一(Ⅱ).创建关系型数据库,创建时对常用作检索条件的属性字段建立索引,以及根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理,从而提高对卫星遥感影像的元数据信息管理效率和检索效率,关系型数据库指采用关系模型来组织数据的数据库,关系型数据库中的每条数据即为每景卫星遥感影像的相关属性信息,元数据又称中介数据、中继数据,指描述数据属性的信息;
步骤一(Ⅲ).基于步骤一(Ⅰ)设置的检索条件使用数据库查询语言,对创建的关系型数据库中存储的卫星遥感影像元数据信息记录进行数据检索,其中在使用单要素条件检索百万条记录时时间达到秒级;
步骤二:基于步骤一构建的二维模型,对用户在线定制产品进行二维可视化,通过时序分析和空间分析方式对在线定制产品的产品数据信息进行分析,利用散点图、饼图和柱状图对产品数据信息进行在线分析及可视化展示,可视化展示还可对二维模型中的二维视图进行放大、缩小、旋转和贴图操作;
步骤三:具有浏览下载权限的用户,借助相关视图按钮及相关工具对步骤二中满足自身实际需求的定制产品的产品数据进行浏览、下载,用户借助相关视图按钮及相关工具还可对二维矢量、栅格数据进行放大、缩小和全局显示,以及通过设定的条件对二维视图信息进行查询显示;
步骤四:根据步骤三中用户下载的产品信息调用在线分类算法对卫星遥感影像进行在线处理,具体方法为:
步骤四(Ⅰ).选择待处理的卫星遥感影像数据,对选择的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则可直接选择数据、样本、算法进行遥感影像地物分类提取操作,反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再选择数据、样本、算法进行遥感影像地物分类提取操作,其中选择数据、样本、算法进行遥感影像地物分类提取操作的具体步骤为:
①.选择待处理的卫星遥感影像数据,对卫星遥感影像数据进行校正处理;
②.根据用户需求选择样本类别,并根据不同的样本类别通过web端的地图控件绘制对应的样本点,将这些样本点按照与算法约定好的格式形成样本集文件;
③.对遥感影像进行地物分类提取,具体的方法为:
1)组织提交的样本集合,获取样本对应坐标下的像素;
2)基于1)中获取的数据,选择算法模型,进行模型训练,获取分类器;
选择的算法模型为最大似然分类算法,通过最大似然分类算法寻找遥感影像数据中较高概率产生观察数据的部分,具体步骤为:
构建概率密度函数fD,设fD的概率分布为D,分布参数为θ,从分布中抽出一个具有e个值的采样X1,X2,…,Xe,利用函数fD计算其概率,具体的概率计算公式P为:
P(X1,X2,…,Xe)=fD(X1,X2,…,Xe|θ);
其中,Xe|θ表示第e个采样值的概率大小;
对θ可能性最大的值进行计算,具体的可能性计算公式lik(θ)为:
lik(θ)=fD(X1,X2,…,Xe|θ);
寻找在θ的所有取值上,使这个函数最大化,这个使函数最大化的值即被称为θ的最大似然估计;
对获取的最大似然估计值θ进行误差求解,根据误差结果对最大似然估计值θ进行调整,具体的误差求解公式H(θ)为:
3)基于分类器,对遥感影像数据本身的像素点进行筛选提取,分类器表示基于样本与坐标信息获取的样本像素集合;
步骤四(Ⅱ).选择进行分类处理的栈式去噪自编码器算法,设置生产算法参数,调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,之后再调用在线分类算法对遥感影像数据进行地物分类提取;
步骤四(Ⅲ).基于步骤四(Ⅱ)将遥感影像数据分割成对应行列号下的影像数据块,然后分别对影像数据块进行分类提取,处理完成后,对这些影像数据块进行拼接,最终得到完整的地物分类结果产品,具体方法为:
(1).构建判断模型对遥感影像是否需要进行切割处理进行判断,具体构建的判断模型Q为:
其中,A1、A2分别表示待处理的卫星遥感影像的横向距离和纵向距离,A1*A2表示待处理的卫星遥感影像大小,R1、R2分别表示遥感影像切片的横向切片阈值和纵向切片阈值, R1*R2表示遥感影像切片阈值,当Q≤1时,表示不需要对遥感影像进行切片处理,当Q≥1时,表示需要对遥感影像进行切片处理;
(2).基于(1)中的判断结果对遥感影像需要切片的数量进行计算,具体的计算公式为:
横向切片数量W为:
纵向切片数量C为:
(3).构建坐标系,将待处理的卫星遥感影像放置在坐标系中,基于(2)中的计算的切片数量对每个小遥感影像切片对应的经纬度坐标进行计算,具体的计算公式为:
切片横坐标为:
切片纵坐标为:
其中,i=1、2、3、…、W,表示第i个横向分割的小遥感影像,j=1、2、3、…、C,表示第j 个纵向分割的小遥感影像,(x′,y′)表示待处理的卫星遥感影像距离原点最远点的经纬度坐标,(x1,y1)表示与(x′,y′)点位于同一水平线上的卫星遥感影像经纬度坐标,表示当纵坐标相同时,每个小遥感影像的横向距离,表示当横坐标相同时,每个小遥感影像的纵向距离,xj(i-1)表示第i-1个小遥感影像对应的横坐标,yj(i-1)示第i-1个小遥感影像对应的纵坐标,则各切片上某一点对应的经纬度坐标为(xji,yji);
(4).在切片的同时对每一个小影像块使用几行几列进行标记,具体的标记格式为:
name_m_n;
其中,m表示行数,n表示列数;
(5).把切分的遥感影像切片放到待分类的临时文件夹下,遥感影像切片分类结果放在结果临时文件夹下,在完成遥感影像切片操作后,遍历每一个待分类切片数据进行分类生产,待每一个遥感影像切片均完成地物分类提取生产之后,遍历结果临时文件夹中的分类结果,根据切片数据自身的经纬度坐标信息及切分时候存留的标记信息对这些结果进行拼接,在所有的结果均被遍历到之后完成一景影像数据的拼接,生成一景遥感影像数据分类产品;
步骤四(Ⅳ).对步骤四(Ⅱ)和步骤四(Ⅲ)中得到的根据分类结果生成的产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示,便于用户对分类定制产品进行选择;
步骤五:用户根据自身的用户名和口令信息登陆***,根据用户实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单;
步骤六:基于步骤五中生成的任务订单,用户根据自身需求选择一个或多个分类定制信息进行推送,将分类定制信息推送到用户移动端应用。
一种基于多源遥感应用数据的在线分类***,包括信息检索模块S1、信息可视化展示模块S2、信息浏览下载模块S3、产品分类模块S4、订单管理模块S5和信息推送模块S6;
信息检索模块S1用于建立一种基于空间和要素的多源数据检索模型,并将构建的二维模型和数据检索结果传输至信息可视化展示模块S2,信息检索模块S1包括多源数据检索模型构建单元S11、关系型数据库创建单元S12和数据检索单元S13;
多源数据检索模型构建单元S11在vue前端框架搭建在线分类定制***,并在vue前端页面设置卫星遥感数据的属性信息检索条件,利用SSM、zookeeper搭建***后台,通过前后端分离的方式构建多源数据检索模型,并将构建的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件传输至关系型数据库创建单元S12;
关系型数据库创建单元S12对多源数据检索模型构建单元S11传输的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件进行接收,由每景卫星遥感影像的相关属性信息构建关系型数据库,对关系型数据库中常用作检索条件的属性字段建立索引,根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理,并将分区处理后的关系型数据库和多源数据检索模型传输的至数据检索单元S13;
数据检索单元S13对关系型数据库创建单元S12传输的关系型数据库和多源数据检索模型进行接收,使用数据库查询语言,在创建的关系型数据库中对用户需求的卫星遥感影像元数据信息进行数据检索,并将数据检索结果和多源数据检索模型传输至信息可视化展示模块 S2;
信息可视化展示模块S2对信息检索模块S1传输的二维模型和数据检索结果进行接收,构建的二维模型支持服务器端、PC端产品信息的多源、多尺度展示,通过时序分析和空间分析方式对产品数据信息进行分析,将分析结果通过散点图、饼图和柱状图进行显示,并将数据分析结果和展示的产品信息输送至信息浏览下载模块S3;
信息浏览下载模块S3对信息可视化展示模块S2传输的数据分析结果和展示的产品信息进行接收,用户利用相关视图按钮及相关工具对产品信息进行浏览,对产品二维视图中二维矢量、栅格数据进行放大、缩小和全局显示,同时可以通过设定条件对产品信息进行查询显示,用户可以根据权限和相关的配置,结合实际需求下载所需的产品信息,并将下载的产品信息和数据分析结果传输至产品分类模块S4;
产品分类模块S4对信息浏览下载模块S3传输的产品信息和数据分析结果进行接收,根据接收内容和用户需求为用户提供相匹配的分类定制产品,并将分类定制产品传输至订单管理模块S5,产品分类模块S4包括遥感影像地物分类提取单元S41、遥感影像分割单元S42、地物分类结果产品获取单元S43和可视化显示单元S44;
遥感影像地物分类提取单元S41对信息浏览下载模块S3传输的产品信息和数据分析结果进行接收,对接收产品的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则将产品的卫星遥感影像数据传输至遥感影像分割单元S42,反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再次进行类型判断;
遥感影像分割单元S42对遥感影像地物分类提取单元S41传输的产品卫星遥感影像数据进行接收,选择分类处理算法,设置生产算法参数,接着调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,并将切割处理后的影像数据块和选择的分类处理算法传输至地物分类结果产品获取单元S43,若算法设置的生产参数低于阈值,则直接将遥感影像和选择的分类处理算法传输至地物分类结果产品获取单元S43;
地物分类结果产品获取单元S43对遥感影像分割单元S42传输的遥感影像、切割处理后的影像数据块和选择的分类处理算法进行接收,通过选择的分类处理算法对接收的遥感影像和切割处理后的影像数据块进行分类提取,处理完成后,将影像数据块进行拼接,最终得到完整的地物分类结果产品,并将得到的地物分类结果产品传输至可视化显示单元S44;
可视化显示单元S44对地物分类结果产品获取单元S43传输的地物分类结果产品进行接收,根据接收内容生成产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示,并将可视化显示结果传输至订单管理模块S5;
订单管理模块S5对可视化显示单元S44传输的可视化显示结果进行接收,用户根据自身用户名和口令信息登陆***,基于可视化显示结果根据自身实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单,并将生成的任务订单传输至信息推送模块S6;
信息推送模块S6对订单管理模块S5传输的任务订单进行接收,用户在生成的任务订单中根据自身需求选择一个或多个分类定制信息,将其推送至***终端,***终端在数据更新的第一时间将分类定制信息推送到移动平台对生成的任务订单进行确认。
实施例一:设定遥感影像切片阈值为1000*1000,待处理的卫星遥感影像大小为2000*3000,待处理的卫星遥感影像四点经纬度坐标为(4,4),(8,4),(8,0),(4,0);
则需要对遥感影像进行切片处理;
横向切片数量W为:
纵向切片数量C为:
切片横坐标分别为:
x11=x1=4;
切片纵坐标为:
y11=y1=4;
则遥感影像对应的横向切片坐标分别为:(4,4),(6,4),(8,4)。
实施例二:选择的算法模型还包括栈式去噪自编码器、BP神经网络分类算法、最小距离分类算法和支持向量机算法;
栈式去噪自编码器:
构建栈式去噪自编码器模型,模型由多个基础组成单元DAE堆叠而成,通过堆叠方式将浅层网建立成深层网络,栈式去噪自编码器包括两个过程:编码和解码,编码器的作用是将输入数据映射到隐藏层,得到新的特征表示,解码器的作用则是将隐藏层的映射数据映射回原始输入数据
栈式去噪自编码器模型自动分析每种地物类型的光谱统计度量参数,并识别待处理影像中各像元所属地物类别的具体方法为:
编码公式为:
解码公式为:
待处理影像数据重建的误差L为:
L=||x-g(h(x))||2;
其中,g(h(x))表示将模型隐藏层的映射数据带入解码公式求得的原始输入数据,x-g(h(x))表示实际原始输入数据与计算得到的原始输入数据之差,在隐藏层中加入稀疏矩阵,减少模型参数,用少的维度来代表输入数据,使隐藏节点输出的平均值尽量为0,将大部分隐藏层节点设置为非激活状态,稀疏矩阵表示在矩阵中数值为0的元素数目远远多于非 0元素的数目,并且非0元素分布没有规律;
隐藏层的激活值表现为:
其中,a(k) j(x)表示第k层隐藏层中第j个神经元的激活值,为了让更多的神经节点处于抑制状态,定义栈式去噪自编码器模型的损失函数Jsparse(W,b)为:
其中,x(i)表示第i个样本;N表示样本的数量;Sl表示第l层的单元数,λ是正则化系数,β是惩罚因子的权重,通过梯度下降算法求解minJsparse(W,b),获取局部最优解;
BP神经网络分类算法:
当输入一个样例后,获得该样例的特征向量,再根据权向量得到感知器的输入值,然后使用sigmoid函数计算出每个感知器的输出,再将此输出作为下一层感知器的输入,依次类推,直到输出层,算法的推导过程主要是利用梯度下降算法最小化损失函数的过程,现在损失函数为:
其中,Tu表示解码器的期望输出,u表示栈式去噪自编码器模型的网络层数,x表示解码器输出的映射处理后的原始输入数据,E表示期望输出与实际输出的误差值,通过E值大小对地物典型光谱参数进行分析,进而对待处理影像中各像元所属地物类别进行识别;
对于网络中的每个权值wij,计算其导数:
权值的改变朝着损失函数的负梯度方向,于是有权值改变量Δwij为:
最小距离分类算法:
通过最小距离分类算法标记待处理影像中的典型地物,具体方法为:
在二维模型中,对已知的属于同一地物类别像元的两个维度的均值进行计算,通过对识别的地物类别到各已知属于同一地物类别之间的距离进行计算,从而对待处理影像中的典型地物进行标记,具体的距离计算公式为:
d(f,hi)=|f-hi|2=(f-hi)T(f-hi)=fTf-(fThi+fhi T-hi Thi);
其中d(f,hi)表示识别的地物类别到各已知属于同一地物类别之间的距离,i表示地物类别,f表示识别的地物类别,hi表示已知的属于i类地物的均值,当d(f,hi)取最小值时,根据此时i的取值判断该识别的地物属于什么类别;
支持向量机算法:
通过支持向量机分类算法对遥感影像进行分割,具体的方法为:
求使遥感影像间隔最大的分离超平面:
W*·x′+b*=0;
分离遥感影像时相应的分类决策函数f(x):
f(x)=sign(W*·x′+b*);
其中,b*表示移项,W*表示系数,当样本点(x′i,y′i)被超平面(W*,b*)正确分类时,点x′i与超平面(W*,b*)的距离为:
为了求解线性可分支持向量机的最优化问题,将它作为原始最优化问题,应用拉格朗日对偶性,通过求解对偶问题得到原始问题最优解,最优解为:
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (10)
1.一种基于多源遥感应用数据的在线分类方法,其特征在于:所述方法包括以下步骤:
步骤一:构建基于空间和要素的多源数据检索模型,根据模型对满足需求的遥感影像数据直接定位,以及对元数据信息快速、准确获取;
步骤二:基于步骤一构建的二维模型,对用户在线定制产品进行二维可视化,通过时序分析和空间分析方式对在线定制产品的产品数据信息进行分析,利用散点图、饼图和柱状图对产品数据信息进行在线分析及可视化展示;
步骤三:具有浏览下载权限的用户,借助相关视图按钮及相关工具对步骤二中满足自身实际需求的定制产品的产品数据进行浏览、下载,用户借助相关视图按钮及相关工具还可对二维矢量、栅格数据进行放大、缩小和全局显示,以及通过设定的条件对二维视图信息进行查询显示;
步骤四:根据步骤三中用户下载的产品信息调用在线分类算法对卫星遥感影像进行在线处理;
步骤五:用户根据自身的用户名和口令信息登陆***,根据用户实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单;
步骤六:基于步骤五中生成的任务订单,用户根据自身需求选择一个或多个分类定制信息进行推送,将分类定制信息推送到用户移动端应用。
2.根据权利要求1所述的一种基于多源遥感应用数据的在线分类方法,其特征在于:所述步骤一中基于构建模型对元数据信息进行查询检索的具体方法为:
步骤一(Ⅰ).基于前后端分离的开发方式,选择vue前端框架搭建在线分类定制***,利用SSM、zookeeper搭建***后台,在vue前端页面设置卫星遥感数据的属性信息检索条件;
步骤一(Ⅱ).创建关系型数据库,创建时对常用作检索条件的属性字段建立索引,以及根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理;
步骤一(Ⅲ).基于步骤一(Ⅰ)设置的检索条件使用数据库查询语言,对创建的关系型数据库中存储的卫星遥感影像元数据信息记录进行数据检索。
3.根据权利要求2所述的一种基于多源遥感应用数据的在线分类方法,其特征在于:所述步骤四中调用在线分类算法对卫星遥感影像进行在线处理的具体方法为:
步骤四(Ⅰ).选择待处理的卫星遥感影像数据,对选择的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则可直接选择数据、样本、算法进行遥感影像地物分类提取操作,反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再选择数据、样本、算法进行遥感影像地物分类提取操作;
步骤四(Ⅱ).选择进行分类处理的栈式去噪自编码器算法,设置生产算法参数,调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,之后再调用在线分类算法对遥感影像数据进行地物分类提取;
步骤四(Ⅲ).基于步骤四(Ⅱ)将遥感影像数据分割成对应行列号下的影像数据块,然后分别对影像数据块进行分类提取,处理完成后,对这些影像数据块进行拼接,最终得到完整的地物分类结果产品;
步骤四(Ⅳ).对步骤四(Ⅱ)和步骤四(Ⅲ)中得到的根据分类结果生成的产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示。
4.根据权利要求3所述的一种基于多源遥感应用数据的在线分类方法,其特征在于:所述步骤四(Ⅰ)中选择数据、样本、算法进行遥感影像地物分类提取操作的具体步骤为:
①.选择待处理的卫星遥感影像数据,对卫星遥感影像数据进行校正处理;
②.根据用户需求选择样本类别,并根据不同的样本类别通过web端的地图控件绘制对应的样本点,将这些样本点按照与算法约定好的格式形成样本集文件;
③.对遥感影像进行地物分类提取,具体的方法为:
1)组织提交的样本集合,获取样本对应坐标下的像素;
2)基于1)中获取的数据,选择算法模型,进行模型训练,获取分类器;
选择的算法模型为最大似然分类算法,通过最大似然分类算法寻找遥感影像数据中较高概率产生观察数据的部分,具体步骤为:
构建概率密度函数fD,设fD的概率分布为D,分布参数为θ,从分布中抽出一个具有e个值的采样X1,X2,…,Xe,利用函数fD计算其概率,具体的概率计算公式P为:
P(X1,X2,…,Xe)=fD(X1,X2,…,Xe|θ);
其中,Xe|θ表示第e个采样值的概率大小;
对θ可能性最大的值进行计算,具体的可能性计算公式lik(θ)为:
lik(θ)=fD(X1,X2,…,Xe|θ);
寻找在θ的所有取值上,使这个函数最大化,这个使函数最大化的值即被称为θ的最大似然估计;
对获取的最大似然估计值θ进行误差求解,根据误差结果对最大似然估计值θ进行调整,具体的误差求解公式H(θ)为:
3)基于分类器,对遥感影像数据本身的像素点进行筛选提取。
5.根据权利要求4所述的一种基于多源遥感应用数据的在线分类方法,其特征在于:所述步骤四(Ⅲ)中最终得到完整的地物分类结果产品的具体方法为:
(1).构建判断模型对遥感影像是否需要进行切割处理进行判断,具体构建的判断模型Q为:
其中,A1、A2分别表示待处理的卫星遥感影像的横向距离和纵向距离,A1*A2表示待处理的卫星遥感影像大小,R1、R2分别表示遥感影像切片的横向切片阈值和纵向切片阈值,R1*R2表示遥感影像切片阈值,当Q≤1时,表示不需要对遥感影像进行切片处理,当Q≥1时,表示需要对遥感影像进行切片处理;
(2).基于(1)中的判断结果对遥感影像需要切片的数量进行计算,具体的计算公式为:
横向切片数量W为:
纵向切片数量C为:
(3).构建坐标系,将待处理的卫星遥感影像放置在坐标系中,基于(2)中的计算的切片数量对每个小遥感影像切片对应的经纬度坐标进行计算,具体的计算公式为:
切片横坐标为:
切片纵坐标为:
其中,i=1、2、3、…、W,表示第i个横向分割的小遥感影像,j=1、2、3、…、C,表示第j个纵向分割的小遥感影像,(x′,y′)表示待处理的卫星遥感影像距离原点最远点的经纬度坐标,(x1,y1)表示与(x′,y′)点位于同一水平线上的卫星遥感影像经纬度坐标,表示当纵坐标相同时,每个小遥感影像的横向距离,表示当横坐标相同时,每个小遥感影像的纵向距离,xj(i-1)表示第i-1个小遥感影像对应的横坐标,yj(i-1)示第i-1个小遥感影像对应的纵坐标,则各切片上某一点对应的经纬度坐标为(xji,yji);
(4).在切片的同时对每一个小影像块使用几行几列进行标记,具体的标记格式为:
name_m_n;
其中,m表示行数,n表示列数;
(5).把切分的遥感影像切片放到待分类的临时文件夹下,遥感影像切片分类结果放在结果临时文件夹下,在完成遥感影像切片操作后,遍历每一个待分类切片数据进行分类生产,待每一个遥感影像切片均完成地物分类提取生产之后,遍历结果临时文件夹中的分类结果,根据切片数据自身的经纬度坐标信息及切分时候存留的标记信息对这些结果进行拼接,在所有的结果均被遍历到之后完成一景影像数据的拼接,生成一景遥感影像数据分类产品。
6.一种基于多源遥感应用数据的在线分类***,其特征在于:包括信息检索模块(S1)、信息可视化展示模块(S2)、信息浏览下载模块(S3)、产品分类模块(S4)、订单管理模块(S5)和信息推送模块(S6);
所述信息检索模块(S1)用于建立一种基于空间和要素的多源数据检索模型,并将构建的二维模型和数据检索结果传输至信息可视化展示模块(S2);
所述信息可视化展示模块(S2)用于对信息检索模块(S1)传输的二维模型和数据检索结果进行接收,基于构建的二维模型支持服务器端、PC端产品信息的多源、多尺度展示,以及提供在线数据分析功能,并将数据分析结果和展示的产品信息输送至信息浏览下载模块(S3)。
所述信息浏览下载模块(S3)用于信息可视化展示模块(S2)传输的数据分析结果和展示的产品信息进行接收,利用相关视图按钮及相关工具对产品信息进行浏览,结合实际需求下载所需的产品信息,并将下载的产品信息和数据分析结果传输至产品分类模块(S4);
所述产品分类模块(S4)对信息浏览下载模块(S3)传输的产品信息和数据分析结果进行接收,根据接收内容和用户需求为用户提供相匹配的分类定制产品,并将分类定制产品传输至订单管理模块(S5);
所述订单管理模块(S5)对产品分类模块(S4)传输的分类定制产品进行接收,根据分类定制产品选择相应栏目,调用订单模板编制相关的订单信息,生成任务订单,并将生成的任务订单传输至信息推送模块(S6);
所述信息推送模块(S6)对订单管理模块(S5)传输的任务订单进行接收,用户根据自身需求选择一个或多个分类定制信息进行推送,对生成的任务订单进行确认。
7.根据权利要求6所述的一种基于多源遥感应用数据的在线分类***,其特征在于:所述信息检索模块(S1)包括多源数据检索模型构建单元(S11)、关系型数据库创建单元(S12)和数据检索单元(S13);
所述多源数据检索模型构建单元(S11)在vue前端框架搭建在线分类定制***,并在vue前端页面设置卫星遥感数据的属性信息检索条件,利用SSM、zookeeper搭建***后台,通过前后端分离的方式构建多源数据检索模型,并将构建的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件传输至关系型数据库创建单元(S12);
所述关系型数据库创建单元(S12)对多源数据检索模型构建单元(S11)传输的多源数据检索模型和设置的卫星遥感数据的属性信息检索条件进行接收,由每景卫星遥感影像的相关属性信息构建关系型数据库,对关系型数据库中常用作检索条件的属性字段建立索引,根据遥感影像的使用管理环境、数据量大小对创建的关系型数据库进行分区处理,并将分区处理后的关系型数据库和多源数据检索模型传输的至数据检索单元(S13);
所述数据检索单元(S13)对关系型数据库创建单元(S12)传输的关系型数据库和多源数据检索模型进行接收,使用数据库查询语言,在创建的关系型数据库中对用户需求的卫星遥感影像元数据信息进行数据检索,并将数据检索结果和多源数据检索模型传输至信息可视化展示模块(S2)。
8.根据权利要求7所述的一种基于多源遥感应用数据的在线分类***,其特征在于:所述信息可视化展示模块(S2)对信息检索模块(S1)传输的二维模型和数据检索结果进行接收,构建的二维模型支持服务器端、PC端产品信息的多源、多尺度展示,通过时序分析和空间分析方式对产品数据信息进行分析,将分析结果通过散点图、饼图和柱状图进行显示,并将数据分析结果和展示的产品信息输送至信息浏览下载模块(S3);
所述信息浏览下载模块(S3)对信息可视化展示模块(S2)传输的数据分析结果和展示的产品信息进行接收,用户利用相关视图按钮及相关工具对产品信息进行浏览,对产品二维视图中二维矢量、栅格数据进行放大、缩小和全局显示,同时可以通过设定条件对产品信息进行查询显示,用户可以根据权限和相关的配置,结合实际需求下载所需的产品信息,并将下载的产品信息和数据分析结果传输至产品分类模块(S4)。
9.根据权利要求8所述的一种基于多源遥感应用数据的在线分类***,其特征在于:所述产品分类模块(S4)包括遥感影像地物分类提取单元(S41)、遥感影像分割单元(S42)、地物分类结果产品获取单元(S43)和可视化显示单元(S44);
所述遥感影像地物分类提取单元(S41)对信息浏览下载模块(S3)传输的产品信息和数据分析结果进行接收,对接收产品的卫星遥感影像数据类型进行判断,若判断选择的数据已进行校正处理,则将产品的卫星遥感影像数据传输至遥感影像分割单元(S42),反之,给出提示,提醒用户进行数据校正处理,校正处理完成后再次进行类型判断;
所述遥感影像分割单元(S42)对遥感影像地物分类提取单元(S41)传输的产品卫星遥感影像数据进行接收,选择分类处理算法,设置生产算法参数,接着调用在线分类算法对遥感影像数据进行地物分类提取,若遥感影像像素大小超过算法设置的产品生产参数阈值,则采用行列矩阵方式对待生产数据进行切割处理,并将切割处理后的影像数据块和选择的分类处理算法传输至地物分类结果产品获取单元(S43),若算法设置的生产参数低于阈值,则直接将遥感影像和选择的分类处理算法传输至地物分类结果产品获取单元(S43);
所述地物分类结果产品获取单元(S43)对遥感影像分割单元(S42)传输的遥感影像、切割处理后的影像数据块和选择的分类处理算法进行接收,通过选择的分类处理算法对接收的遥感影像和切割处理后的影像数据块进行分类提取,处理完成后,将影像数据块进行拼接,最终得到完整的地物分类结果产品,并将得到的地物分类结果产品传输至可视化显示单元(S44);
所述可视化显示单元(S44)对地物分类结果产品获取单元(S43)传输的地物分类结果产品进行接收,根据接收内容生成产品影像及结果分析数据文件,通过可视化工具对结果分析数据文件通过图表的方式进行可视化显示,并将可视化显示结果传输至订单管理模块(S5)。
10.根据权利要求9所述的一种基于多源遥感应用数据的在线分类***,其特征在于:所述订单管理模块(S5)对可视化显示单元(S44)传输的可视化显示结果进行接收,用户根据自身用户名和口令信息登陆***,基于可视化显示结果根据自身实际需求,选择相应栏目,调用订单模板来编制相关的订单信息,生成任务订单,并将生成的任务订单传输至信息推送模块(S6);
所述信息推送模块(S6)对订单管理模块(S5)传输的任务订单进行接收,用户在生成的任务订单中根据自身需求选择一个或多个分类定制信息,将其推送至***终端,***终端在数据更新的第一时间将分类定制信息推送到移动平台对生成的任务订单进行确认。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650756.7A CN114491108B (zh) | 2021-12-30 | 2021-12-30 | 一种基于多源遥感应用数据的在线分类***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650756.7A CN114491108B (zh) | 2021-12-30 | 2021-12-30 | 一种基于多源遥感应用数据的在线分类***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114491108A true CN114491108A (zh) | 2022-05-13 |
CN114491108B CN114491108B (zh) | 2023-03-24 |
Family
ID=81507679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111650756.7A Active CN114491108B (zh) | 2021-12-30 | 2021-12-30 | 一种基于多源遥感应用数据的在线分类***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114491108B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115934759A (zh) * | 2022-11-30 | 2023-04-07 | 二十一世纪空间技术应用股份有限公司 | 一种面向海量多源异构卫星数据查询的加速计算方法 |
CN116028566A (zh) * | 2023-02-21 | 2023-04-28 | 中国科学院空间应用工程与技术中心 | 一种航天器数据分析***、方法、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1637838A2 (de) * | 2004-09-15 | 2006-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verarbeitung von Fernerkundungsdaten |
CN111126482A (zh) * | 2019-12-23 | 2020-05-08 | 自然资源部国土卫星遥感应用中心 | 一种基于多分类器级联模型的遥感影像自动分类方法 |
CN111125080A (zh) * | 2019-12-23 | 2020-05-08 | 北京航天世景信息技术有限公司 | 基于图斑模型的多源遥感影像一体化管理***及方法 |
CN111666313A (zh) * | 2020-05-25 | 2020-09-15 | 中科星图股份有限公司 | 基于多源异构遥感数据关联构建及多用户数据匹配方法 |
-
2021
- 2021-12-30 CN CN202111650756.7A patent/CN114491108B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1637838A2 (de) * | 2004-09-15 | 2006-03-22 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verarbeitung von Fernerkundungsdaten |
CN111126482A (zh) * | 2019-12-23 | 2020-05-08 | 自然资源部国土卫星遥感应用中心 | 一种基于多分类器级联模型的遥感影像自动分类方法 |
CN111125080A (zh) * | 2019-12-23 | 2020-05-08 | 北京航天世景信息技术有限公司 | 基于图斑模型的多源遥感影像一体化管理***及方法 |
CN111666313A (zh) * | 2020-05-25 | 2020-09-15 | 中科星图股份有限公司 | 基于多源异构遥感数据关联构建及多用户数据匹配方法 |
Non-Patent Citations (2)
Title |
---|
董房等: "一种卫星遥测在线状态监测及分析***的设计", 《电子科学技术》 * |
谢秋平等: "遥感数据在线信息分析服务技术研究", 《测绘通报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115934759A (zh) * | 2022-11-30 | 2023-04-07 | 二十一世纪空间技术应用股份有限公司 | 一种面向海量多源异构卫星数据查询的加速计算方法 |
CN115934759B (zh) * | 2022-11-30 | 2023-12-22 | 二十一世纪空间技术应用股份有限公司 | 一种面向海量多源异构卫星数据查询的加速计算方法 |
CN116028566A (zh) * | 2023-02-21 | 2023-04-28 | 中国科学院空间应用工程与技术中心 | 一种航天器数据分析***、方法、介质及设备 |
CN116028566B (zh) * | 2023-02-21 | 2023-08-22 | 中国科学院空间应用工程与技术中心 | 一种航天器数据分析***、方法、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114491108B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111666313B (zh) | 基于多源异构遥感数据关联构建及多用户数据匹配方法 | |
Zhao et al. | Classifying airborne LiDAR point clouds via deep features learned by a multi-scale convolutional neural network | |
CN110245709B (zh) | 基于深度学习和自注意力的3d点云数据语义分割方法 | |
CN114491108B (zh) | 一种基于多源遥感应用数据的在线分类***及方法 | |
WO2023168781A1 (zh) | 一种基于时空交互关系的土壤镉风险预测方法 | |
Peiman | Pre-classification and post-classification change-detection techniques to monitor land-cover and land-use change using multi-temporal Landsat imagery: a case study on Pisa Province in Italy | |
Buyukdemircioglu et al. | Semi-automatic 3D city model generation from large-format aerial images | |
CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
WO2024087639A1 (zh) | 基于内容理解的遥感影像推荐方法 | |
CN110287219B (zh) | 一种数据处理方法及*** | |
CN104679827A (zh) | 一种基于大数据的***息关联方法及挖掘引擎 | |
CN111414954B (zh) | 一种岩石图像检索方法及其*** | |
Su et al. | A new hierarchical moving curve-fitting algorithm for filtering lidar data for automatic DTM generation | |
CN111598460A (zh) | 土壤重金属含量的监测方法、装置、设备及存储介质 | |
CN113838058A (zh) | 一种基于小样本分割的医学图像自动标注方法及*** | |
Tarsha Kurdi et al. | Automatic evaluation and improvement of roof segments for modelling missing details using Lidar data | |
Lin et al. | Extracting urban landmarks from geographical datasets using a random forests classifier | |
CN113408663B (zh) | 融合模型构建方法、融合模型使用方法、装置和电子设备 | |
CN117422936B (zh) | 一种遥感图像分类方法及*** | |
Zhou et al. | Pairs autogeo: an automated machine learning framework for massive geospatial data | |
CN117290561A (zh) | 业务状态信息反馈方法、装置、设备和计算机可读介质 | |
CN112465821A (zh) | 一种基于边界关键点感知的多尺度害虫图像检测方法 | |
CN117093890A (zh) | 一种能源资源开发区域生态环境综合评价方法 | |
Itakura et al. | Automatic method for segmenting leaves by combining 2D and 3D image-processing techniques | |
CN113609913B (zh) | 一种基于采样阈值区间加权的松材线虫病树检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |