遥感影像区域覆盖最优数据集的筛选模型

李峰;尤淑撑;魏海;韦二龙;陈莉

【摘 要】随着遥感影像数据越来越多,面向指定区域的遥感数据查询,往往出现查询结果数据量大、数据重叠且数据质量良莠不齐的问题.针对传统查询方法的问题,提出一种遥感影像区域覆盖最优数据集的筛选模型.该模型基于成像时间、云量和分辨率等参数建立归一化数学计算模型,完成指定时空范围内覆盖最优的遥感影像数据集筛选.试验结果表明,使用区域覆盖最优数据集筛选模型,能够有效剔除遥感数据中较早时相、重复覆盖和多云量的数据,有效地缩减用户数据筛选时间. 【期刊名称】《无线电工程》 【年(卷),期】2017(047)010 【总页数】4页(P45-48)

【关键词】遥感影像;筛选模型;最优数据集;智能Agent 【作 者】李峰;尤淑撑;魏海;韦二龙;陈莉

【作者单位】中国电子科技集团公司第五十四研究所,河北石家庄050081;中国电子科技集团公司航天信息应用技术重点实验室,河北石家庄050081;中国土地勘测规划院,北京100035;中国土地勘测规划院,北京100035;中国电子科技集团公司第五十四研究所,河北石家庄050081;中国电子科技集团公司航天信息应用技术重点实验室,河北石家庄050081;中国电子科技集团公司第五十四研究所,河北石家庄050081

【正文语种】中 文

【中图分类】V55

随着对地观测技术的发展，遥感影像数据越积越多，数据量越来越大，从GB数量级迅速增长到TB级数量级[1-2]，传统的遥感数据查询是采用界面分页方法和数据源分页方法，从海量数据中提取所有符合条件的查询结果，查询结果动辄几百条甚至上千条，严重影响用户的使用效率[3-4]。面对用户需求，如何快速从海量遥感影像数据中获取适应用户需求的遥感影像数据，显得尤为重要[5]。为此本文研究了一种遥感影像区域覆盖最优数据集筛选模型，基本思想是根据成像时间、云量和分辨率等参数，自动筛选区域内的时相新、重叠少和云量优的遥感影像，减少用户数据挑选工作量，缩短数据筛选时间，提供数据查询效率。

以全图土地变更调查监测与核查为例，进行某个县的遥感监测信息提取时，需要提取该区域内时间最近、覆盖最全和云量最少的遥感影像，作为遥感监测信息提取工作的原始数据进行专题产品生产[6-7]。若按原始条件直接查询检索出符合要求的影像数据集，数据集中会存在一些区域、成像时间上的冗余数据，主要包括以下几个方面：

① 多景遥感影像数据的成像时间接近，但分辨率不同； ② 同一点的遥感影像数据分辨率相同，但成像时间不同；

③ 同一区域不同遥感影像数据的云量、覆盖率各有优劣，例如数据A的云量较低，但对该地区的覆盖率较低，数据B的云量较高，对该地区的覆盖率较高。 如何从海量遥感影像数据中综合考虑遥感影像的成像时间、分辨率和云量等条件，筛选出最优的影像数据集，提高遥感影像的检索效率，减少人工参与筛选的过程，是遥感影像数据应用过程中亟需解决的问题之一。 2.1 模型总体设计

遥感影像区域覆盖最优数据集筛选模型由客户端、Web服务器、智能Agent和数据源4个模块组成，每个模块主要功能以及模块之间的交互关系如图1所示。

2.1.1 客户端

客户端是用户和筛选模型交互的可视化接口，一般是浏览器，主要实现用户筛选条件的输入和筛选结果的显示[8-9]。 2.1.2 Web服务器

Web服务器是Web应用程序运行的容器[10]。一方面通过HTTP协议和客户端完成消息的交互，另一方面向智能Agent发送SOAP消息调用Web服务[11-12]，实现遥感影像数据筛选。Web服务器主要包含了筛选条件组合、筛选条件编码和页面内容解析等功能。Web服务器将用户在客户端中输入的所有筛选条件进行编码组合，然后封装在SOAP消息中发送给智能Agent[13]。查询结果返回时，Web服务器解析筛选页面的内容，然后发送到客户端。 2.1.3 智能Agent

智能Agent是具有一定智能性的计算机程序[14-15]，能够代表人们在动态变化的环境中进行交互操作。本文中智能Agent是整个筛选系统的核心，它接收Web服务器的查询请求，访问注册的所有数据源，筛选满足条件的遥感影像数据。 2.1.4 数据源

数据源是遥感影像数据的存储中心[16]，提供用于访问本地遥感影像数据的Web服务接口。智能Agent发送SOAP消息调用这些Web服务接口，实现多源遥感影像数据的筛选查询。 2.2 智能Agent设计

智能Agent由筛选预处理、筛选处理和筛选后处理3个功能模块构成，每个模块主要功能以及模块之间的交互关系如图 2所示。 2.2.1 筛选预处理

筛选预处理模块经过参数解析和参数重组获得用户的筛选条件，Web服务器以SOAP消息的形式发送筛选参数，完成区域网格拆分和归一化处理模型构造。

归一化处理是将成像时间、云量、分辨率分别进行处理。成像时间：成像时间越新归一化值越大，取当前设定时间与成像时间差(设取值范围：1 s，5年(157 680 000 s))的倒数(6.34×10-9,1)，并归一化到(0,100)区间范围，取值为α1；云量：百分比值(0.01,100)，在归一化区间范围(0,100)内，取值为α2；分辨率：(0.01 m,100 000 m)取倒数(0.000 01,100)，并归一化到(0,100)区间范围，取值为α3。 2.2.2 筛选处理

筛选处理模块是智能Agent的核心功能模块，处理过程分为遥感数据检索、归一化权重计算、基于网格和权重值的数据筛选3个阶段。

首先，根据输入的地理区域、时间范围、卫星和传感器要求、分辨率范围等条件，检索出符合要求的所有遥感影像数据记录集A。根据业务应用类型，设置归一化后成像时间、云量、分辨率的权重系数，设成像时间系数为γ1，云量系数为γ2，分辨率系数为γ3(0≤γ≤1，γ1+γ2+γ3=1)，则遥感影像数据权重值

γ=γ1*α1+γ2*α2+γ3*α3，根据该方法计算记录集A中每条数据记录的权重值。最后对区域网格拆分后的网格进行遍历，计算记录集A中覆盖每个网格的所有遥感影像数据，将权重值最大的数据记入记录集B，所有网格检索完毕得到初步筛选结果记录集B。 2.2.3 筛选后处理

筛选后处理模块负责筛选结果去重和筛选结果编码反馈。筛选结果去重是指对记录集B进行去重处理，首先创建一个新的结果集C，遍历并判断记录集B中的数据是否在结果集C中存在，不存在则加入C。最后输出最优数据集C。筛选结果编码反馈将完整的最优数据集内容封装到SOAP消息中，回送给Web服务器，完成筛选响应过程。

为了验证本文提出的遥感影像区域覆盖最优数据集筛选模型的可行性和有效性，开发了一个遥感数据筛选查询系统，试验数据采用分布在同一区域、不同时相、不同

卫星的遥感影像数据，以内蒙古赤峰市为示例区域查询2015年7月～9月的遥感影像数据。试验分2部分进行：第1部分直接采用区域、时间、卫星和传感器为查询条件进行检索；第2部分，使用遥感影像区域覆盖最优数据集筛选模型进行筛选。试验效果如图3(a)、图3(b)所示。

通过试验结果可以看出，使用遥感影像区域覆盖最优数据集筛选模型后，能够有效剔除遥感数据集中存在的部分重复覆盖数据，输出时相、分辨率和云量等指标相对更优的数据集。

通过建立遥感影像区域覆盖最优数据集筛选模型，利用Web服务和智能Agent技术设计并实现了遥感影像数据的最优数据集筛选，根据用户输入的地理范围、时间区间和卫星等多种查询条件，筛选出符合条件的最优遥感影像数据集，为在限定条件下获取最优遥感数据集提供了一种解决方法。

【相关文献】

[1] 栾峰，宁方辉，滕惠忠.面向海量遥感影像的数据模型与管理模型设计[J].海洋测绘,2014,34(5):76-78.

[2] 李盛阳，于海军，韩洁.基于三维地球的海量遥感影像高效可视化管理系统的设计与实现[J].遥感技术与应用,2016,31(1):170-176.

[3] 倪睿熙.一种基于JSON的异构数据查询方法[J].无线电通信技术,2013,39(1):73-76.

[4] 谢冰川，赵亮，李莎莎.分布式海量遥感图像编目检索机制[J]．计算机工程，2010,36(20):281-285．

[5] 王士成.遥感数据服务系统能力需求估算方法研究[J].无线电工程,2013,43(4):61-64.

[6] 王忠武，刘顺喜，戴建旺，等.高分二号卫星数据在新增建设用地监测中的应用分析[J].航天器工程,2014,24(6):134-139.

[7] 王忠武，刘顺喜，戴建旺，等.“高分二号”卫星多光谱与全色影像配准策略[J].航天返回与遥感,2015,36(4):48-53.

[8] 盛林.基于Web的海量遥感数据共享系统设计与实现[D].北京：北京建筑大学，2014. [9] 温静，胡玉新，许宁.基于WEB的用户服务与信息发布分系统设计与实现[J].地质力学学报,2015,21(2):163-168.

[10] 郝亮.一个高可扩展的Web服务器架构设计与热部署实现[D].武汉：华中科技大学，2013.

[11] 李振举，李学军，杨晟，等.海量遥感数据管理研究[J]．计算机技术与发展，2015,25(11):152-155.

[12] 杜根远．海量遥感图像内容检索关键技术研究[D].成都：成都理工大学，2011.

[13] 徐故成,崔宾阁.多源海量遥感数据分页查询策略的优化研究[J].计算机工程，2014,40(8):64-69． [14] 刘颖，马斌，王长涛，等.基于多Agent的动态数据并行计算方法研究[J].测控技术，2014,33(7):46-49.

[15] 迟铁.基于Agent的无线网络在建筑环境中的应用研究[D].沈阳：沈阳建筑大学，2011. [16] 黄飞鹏.海量遥感影像管理系统的设计与实现[D].上海：华东师范大学，2011.