遙感影像剖分模板庫模型及應用研究

安豐光，宋樹華，陳 東，楊 莉

(1.北京大學遙感與地理信息系統研究所，北京 100871；2.中國資源衛星應用中心，北京 100094；3.中鐵第四勘察設計院集團有限公司，湖北 武漢 430063)

遙感影像剖分模板庫模型及應用研究

安豐光1，宋樹華2，陳 東1，楊 莉3

(1.北京大學遙感與地理信息系統研究所，北京 100871；2.中國資源衛星應用中心，北京 100094；3.中鐵第四勘察設計院集團有限公司，湖北 武漢 430063)

以GeoSOT網格不同層級、不同大小的剖分面片為基本單元，建立不同尺度剖分面片的標準影像、控制點位、基礎特征數據、數字地形數據等基礎信息，并由此形成全球多尺度、多分辨率、多傳感器、多光譜分辨率遙感影像剖分模板庫。在數據處理時，以剖分面片為單位，利用剖分模板庫中的基礎信息，對待處理影像數據進行運算，實現遙感數據快速處理。試驗證明，基于GeoSOT的遙感數據剖分模板庫可提高遙感數據處理效率。

GeoSOT網格；剖分面片；遙感數據剖分模板庫；數據處理；模板庫

一、引 言

隨著航空航天技術、傳感技術、數據庫技術的飛速發展，衛星遙感影像的數據量已經急劇上升[1]。急劇增長的遙感數據在為人們分析、解決問題提供了新的途徑的同時，空間應用需求對數據處理的精度和時間提出了新的要求，處理的精度要求越來越高，而處理的時間卻要求越來越短[2]。為此，國內外學者通?；谟嬎銠C集群并行計算策略來加快遙感數據處理。如基于計算影像2-D關系[3]、多層金字塔架構[4]、混合分類算法[5]、基于影像分割[6-11]等并行方法，以及基于分布式計算的遙感數據處理方法[12]。但這些遙感數據處理方法多是通過增加計算機計算節點或計算進程等計算資源來加快數據處理，或者根據遙感數據灰度、色彩、紋理等特征分割成若干互不交疊的多區域進行處理?，F有分割算法大都是針對具體問題的，尚無通用的分割理論和算法[1]。為此，本文提出基于2n及整型一維數組全球經緯度剖分網格GeoSOT[13]剖分面片的遙感數據處理方法，以實現從遙感數據組織結構的層面上，提高遙感數據處理效率。

二、基于GeoSOT遙感影像分塊與標識方法

1.GeoSOT網格及其編碼

GeoSOT網格在地球表面經緯度空間3次擴展基礎上進行嚴格的遞歸四叉剖分。其中，3次空間擴展依次是將整個地球表面 360°×360°擴展為512°×512°、1°擴展為64′，以及1′擴展為64″。在逐級遞歸剖分過程中，當遇到沒有實際地理意義的區域時，不再向下剖分。這樣，1級網格大小為256°× 256°，2級網格大小為128°×128°，……，32級網格大小為1/2048″×1/2048″，在赤道附近的尺度約為1.5 cm，如圖1所示。

圖1 GeoSOT網格多級剖分示意圖

根據上述劃分規則，每個GeoSOT網格單元采用如下方式對其進行編碼，如圖2所示。假設第k層某剖分面片編碼為a0、a1、a2、…、ak，a0取0，a1～ak取為0、1、2、3，1≤k≤31。通過該編碼方式，實現對大到整個地球小到厘米級的GeoSOT網格單元的編碼且該編碼全球唯一。同時，由于GeoSOT網格中每個剖分面片在地球上具有確定的地理空間范圍，因此GeoSOT網格單元剖分編碼具有了準確的地理空間含義，可在某種程度上具有地理空間坐標的意義。

2.基于GeoSOT的遙感數據分塊與標識方法

本文提出的基于GeoSOT的遙感數據分塊思路是，按照GeoSOT網格剖分面片的大小對不同分辨率的遙感影像進行分塊。由于GeoSOT網格剖分面片空間位置固定、大小具有層次性，對于同一區域的不同類型影像數據塊具有相同的空間范圍大小，同時，為在盡量不改變目前遙感數據組織模式的前提下，通過建立遙感數據邏輯剖分文件，實現基于GeoSOT的遙感數據的邏輯分塊。具體思路是，利用GeoSOT網格剖分面片的空間位置確定性，將其覆蓋在遙感影像上，遙感影像根據剖分面片的邊進行“虛擬劃分”，并將剖分面片對應的部分標識設為該面片的編碼，同時將剖分面片編碼與遙感影像四角對應的影像行列號信息寫入邏輯剖分文件。在數據處理時，通過邏輯剖分索引，獲取目標區剖分面片對應的遙感數據，然后對數據進行處理。

圖2 GeoSOT網格不同象限剖分面片編碼示意圖

基于GeoSOT的遙感數據分塊體系，使得不同類型的遙感數據具有相同空間范圍，從而建立了統一的遙感數據分塊體系，實現了同一區域的遙感數據高效關聯，有助于跨部門不同類型遙感數據的處理。

三、基于GeoSOT的遙感數據剖分模板庫

1.遙感數據剖分模板庫數據模型

在GeoSOT框架下，以不同層級、大小的剖分面片為基本單元，建立不同尺度剖分面片的標準影像、控制點位、基礎特征數據、數字地形數據等基礎信息，并對這些信息采用剖分面片編碼進行統一標識，由此形成基于GeoSOT剖分面片的全球多尺度、多分辨率、多傳感器、多光譜分辨率遙感影像剖分模板庫[14]。它猶如“剖分面片的DNA特征庫”，為全球遙感數據提供自動化計算處理的模板素材，為剖分數據模板批處理提供了理論依據和基準數據支持。

遙感數據剖分模板庫的數據模型依托地球剖分GeoSOT框架，如圖3所示。

1)概念層描述遙感數據剖分模板庫的統一接口和抽象模型，是各類模板的設計基礎，遙感數據剖分模板庫的建設也以概念層為依據。

2)數據層包括各類遙感影像控制點數據、目標特征數據、高程數據等基礎數據信息，并可根據實際需求進行方便的擴展或定制。其中，基礎數據信息可從高分辨率的高級遙感影像產品中獲取。

3)操作層由針對數據層各類模板的具體算法組成，包括圖像配準、投影變換、拼接鑲嵌、目標檢測、地形分析、區域環境量化等，以及對特定的數據處理操作進行定制。

圖3 遙感數據剖分模板庫數據模型框架圖[14]

2.基于遙感數據剖分模板庫的數據處理

當處理新的遙感數據時，以剖分面片為處理單元，通過剖分面片編碼獲得待處理的局部遙感數據以及剖分面片對應的剖分模板庫的基礎信息，利用基礎信息即可對新的遙感數據進行幾何校正、圖像配準、校正處理等，將原始的0級或1級遙感數據直接轉化成為具有高精度的高級遙感數據產品，從而實現多源遙感數據快速處理，如圖4所示。

圖4 基于全球遙感數據剖分模板庫的數據產品生產[14]

3.影像剖分模板建設

由于目前遙感數據種類很多，有可見光、紅外、高光譜、SAR等不同分辨率的遙感數據，且全球不同層級不同尺度的標準景單元數量量大，建設全球遙感影像剖分模板庫將是一個龐大、復雜的工程。因此，建立地球剖分模板庫時需要考慮的問題敘述如下。

(1)基于標準景單元的模板數據建設規模

目前傳統遙感影像控制點數據庫和標準基準影像數據庫在數據組織與管理時，并沒有太多考慮數據的空間區域性問題，只是根據實際需要建立不同相應的控制點、標準影像數據等信息。而在標準分景框架中，不同層級的標準景單元大小不同，其對應的地球表面空間地理范圍也不同，因此需要針對不同層級的標準景所對應的地理空間特點，制定不同規模的標準控制點、標準基準影像等信息設計規模和設計策略。

(2)影像剖分模板的生成

考慮到地球剖分模板庫的龐大性，在影像剖分模板生成時基本上應該是全自動化，盡可能減少人工干預，因此，需要針對不同類型的遙感數據，設計相應的基準數據處理方法，以便于高效地生成各類不同尺度的剖分影像模板，如圖5所示。

圖5 影像剖分模板生成流程圖[14]

4.應用前景

1)縮短衛星信息處理鏈，提高數據處理效率。通過與影像特征模板的高精度配準和拼接鑲嵌，實現原始遙感數據直接生成4級產品，縮短數據處理流程。

2)提高目標普查效率和自動化程度。通過基于目標特征模板的高性能并行計算，實現算法執行的自動化，從而提高目標普查效率。

四、試驗及分析

根據GeoSOT格網及編碼模型，在WorldWind開源代碼的基礎上，利用 Microsoft Visual Studio 2008 C＃作為開發平臺，開發基于GeoSOT網格的數據球系統，實現對基于GeoSOT的遙感數據剖分模板庫進行原理驗證。模擬系統主要驗證基于遙感數據剖分模板庫的圖像配準與目標檢測功能。驗證系統使用的遙感數據為廈門某區域的0.61 m分辨率2級產品數據。模擬系統的平臺是一臺主頻為2.4 GHz的雙核CPU，2 GB內存，240 GB硬盤的PC機。

具體過程是在數據球上點擊廈門某區域的剖分面片，利用剖分面片編碼獲取面片對應2級影像數據和遙感數據剖分模板中的控制點信息和基準影像數據，利用控制點信息對低級別遙感數據產品進行圖像配準；然后，將配準后的影像數據與基準影像數據進行目標檢測。表1為基于遙感數據剖分模板庫的圖像配準與采用Global Mapper系統試驗對比情況。在對比試驗中，由于Global Mapper必須以整幅遙感影像為對應進行圖像配準，而基于遙感數據剖分模板庫是以剖分面片為處理單元并行進行圖像配準處理，因此基于遙感數據剖分模板庫圖像配準效率要高。圖6為基于遙感數據剖分模板庫的圖像配準和目標檢測結果。

表1 與Global Mapper系統的圖像配準比較結果

圖6 基于剖分模板庫的圖像配準和目標檢測結果

五、結束語

利用GeoSOT網格的全球多層次性和剖分面片編碼的全球唯一性和遙感影像點陣特點，使得以不同層級、不同大小的剖分面片為基本單元的遙感數據剖分模板庫成為可能。為此，本文設計了基于地球剖分GeoSOT框架的遙感數據剖分模板庫的數據模型，以及相關的數據處理流程圖。最后通過仿真驗證，基于GeoSOT數據剖分模板庫有助于遙感數據快速處理。但本文只是對遙感數據剖分模板庫進行了原理性驗證，其應用還需進一步研究。

[1] 鄭月玲.遙感影像并行計算策略研究[D].阜新：遼寧技術工程大學，2010.

[2] 史園莉，申文明，熊文成，等.遙感數據集群處理作業調度管理系統研究[J].計算機工程與應用，2012，48 (25)：77-82.

[3] BOUSSAKTA S.A Novel Method for Parallel Image Processing Applications[J].Journal of Systems Architecture，1999，45(10)：825-839.

[4] CROOKES D.Architectures for High Performance Image Processing：The Future[J].Journal of Systems Architecture，1999，45(10)：739-748.

[5] PHILLIPS R D，WATSON L T，WYNNE R H.Highbird Image Classification and Parameter Selection Using a Shared Memory Parallel Algorithm[J].Computers＆Geosciences，2007，33(7)：875-897.

[6] MOGA A N，GABBOUJ M F.Parallel Marker-based Image Segmentation with Watershed Transformation[J]. Journal of Parallel and Distributed Computing，1998，51 (1)：27-45.

[7] GU Haiyan，LI H，HAN Y，et al.An Efficient Multiscale SRMMHR(Statistical Region Merging and Minimum Heterogeneity Rule) Segmentation Method for High-resolution Remote Sensing Imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2009，2(2)：67-73.

[8] 張健，徐茂興.連通域標記并行算法在多核處理器上的設計和實現[J].計算機系統應用，2010，19(4)：140-143.

[9] 郭佳，郭治成.基于并行四鄰域區域生長的遙感圖像分割方法[J].蘭州石化職業學院學報，2008，8(2)：31-33.

[10] 劉敬偉，李岑，侯帥.基于水平集的并行融合圖像分割[J].計算機工程與應用，2008，44(16)：160-162.

[11] 沈占峰，駱劍承，吳煒，等.遙感影像均值漂移分割算法的并行化實現[J].哈爾濱工業大學學報，2010，42(5)：811-815.

[12] 李軍，李德仁.分布式遙感圖像處理中的若干關鍵技術[J].武漢測繪科技大學學報，1999，24(1)：15-19.

[13] 程承旗，任伏虎，濮國梁，等.空間信息剖分組織導論[M].北京：科學出版社，2012.

[14] 宋樹華.遙感數據標準分景框架及其應用模型研究[D].北京：北京大學，2011.

Preliminary Studies on Remote Sensing Data Subdivision Template Library and Application

AN Fengguang，SONG Shuhua，CHEN Dong，YANG Li

P237

B

0494-0911(2014)12-0009-03

安豐光，宋樹華，陳東，等.遙感影像剖分模板庫模型及應用研究[J].測繪通報，2014(12)：9-11.

10.13474/j.cnki.11-2246.2014. 0385

2013-08-14

安豐光(1971—)，男，山東日照人，博士，高級工程師，研究方向為高光譜遙感信息處理與應用技術。