靜態多分辨率層次模型技術的研究與實踐

朱 光，楊耀東

(北京建筑大學 測繪與城市空間信息學院，北京 100044)

一、引 言

隨著新型傳感技術的提高，遙感數據正呈幾何級數的速率增長。同時，Internet技術的飛速發展使得通過網絡實現遙感數據的共享和三維顯示已經成為現實。但是由于網絡帶寬和圖形硬件的制約，海量遙感影像及地形數據的網絡三維可視化仍然存在問題，主要表現在效率方面。因此，如何簡化和壓縮海量遙感數據，以達到節省網絡帶寬、加快圖形繪制速度的目的成為三維GIS研究中的一個關鍵問題。

為達到數據簡化效果，目前使用比較廣泛的是LOD(level of detail)技術，即在保證顯示精度的前提下，不同視覺條件、不同區域采用不同分辨率的模型來表示同一個對象。采用LOD技術建立的瓦片金字塔模型是一種靜態多分辨率層次模型，它可以直接提供不同分辨率的數據而無需進行實時重采樣。金字塔模型能夠減少完成場景繪制所需的總機時，并且分塊的瓦片金字塔還能夠進一步減少數據訪問量，提高系統的輸入、輸出執行效率，從而提升系統的整體性能。當三維顯示窗口大小固定時，采用瓦片金字塔模型可以使數據訪問量基本保持不變，這一特性對海量遙感數據的實時三維可視化是非常重要的。

為達到數據壓縮效果，選取一個高壓縮比的圖像壓縮標準對遙感數據進行壓縮是必要的。目前使用比較廣泛的是新一代靜止圖像壓縮標準，即JPEG2000標準。該標準采用小波變換和最新的壓縮算法，不僅能夠獲得較好的壓縮比，而且可對壓縮碼流進行靈活的處理[1]。

本文在研究金字塔技術和圖像壓縮技術的前提下，設計并實現了一個Web3DGIS平臺，并利用該平臺解決了多個地區海量地形及影像數據的實時三維可視化問題。

二、平臺整體架構

作為一個Web3DGIS平臺，應當具有以下特點：可通過網絡快速獲取數據、地形及實現紋理的快速渲染。為滿足以上需要，本文設計了一個以高度壓縮的柵格數據瓦片金字塔模型為核心的平臺架構。其整體架構如圖1所示。

整個平臺由數據層、業務邏輯層、表示層組成。其中，數據層負責柵格數據金字塔的存儲與發布；業務邏輯層用于連接表示層與數據層，起到了數據交換中承上啟下的作用；表示層是系統的UI部分，負責使用者與整個系統的交互。

三、金字塔構建與發布

本文使用的瓦片金字塔模型是基于四叉樹結構，以分層分塊的方式構建的。利用這種方式組織的金字塔模型具有以下特點：

1) 對于樹中任意相鄰的層，從上到下，分辨率呈倍數遞增關系，下一層網格分辨率是上一層的2倍，這樣可以很方便地使用四叉樹索引技術進行快速定位。

圖1 平臺整體架構圖

2) 樹中每個節點對應一塊區域，通過選擇位于不同層的節點來實現對特定區域不同分辨率的表示，這樣就可以直接提供不同分辨率的數據而無需實時重采樣。

1. 數據分層分塊

在構建金字塔時，首先把原始柵格數據作為金字塔的底層，并對其進行分塊，形成底層瓦片矩陣。在底層的基礎上，從左下角開始，從左至右、從下到上按每2×2個像素合成一個像素的方法生成像素矩陣，并進行分塊，形成上一層瓦片矩陣。如此操作，便可構成整個瓦片金字塔模型，如圖2所示。

分層分塊后的文件命名要能反映出數據所在層級和數據的坐標信息，本文采用如下命名規則：Dataset NameLevel of LODFileXFileX_FileY.abc。其中，Level of LOD為數據所在金字塔模型的層號；FileX為塊的行號；FileY為塊的列號。利用該規則可以實現文件名與文件坐標之間的換算。

圖2 數據分層分塊示意圖

1) 已知某點坐標(X,Y)(緯度，經度)，求其在某層N的文件名。其公式為

式中,“[]”為向下取整符。

2) 已知瓦片文件名以及所在層號N，求這張圖片的左下角坐標。其公式為

2. 金字塔模型的構建

本文中瓦片金字塔模型的構建通過C++語言結合GDAL(geospatial data abstraction library)開源庫進行實現，其執行流程如圖3所示。

圖3 金字塔模型構建流程圖

如圖3所示，程序首先根據配置參數，如頂層瓦片分辨率、起始點坐標等，計算瓦片金字塔的層級與底層瓦片行列跨度；然后對原始數據進行切片，如果原始數據坐標并非基于WGS-84空間參考，程序會將其自動轉換到WGS-84坐標系下；最后進行重采樣建立瓦片金字塔。

在切片的過程中，由于部分瓦片包含無數據區域，會造成瓦片中原始數據范圍之外出現黑色區域，從而影響顯示效果。為避免這種情況的發生，程序執行過程中會自動檢測黑色區域，并將其轉換為透明色。

一般情況下，金字塔模型增加了數據的存儲空間，當原始數據的數據量比較大時，很可能會造成存儲空間不足。為解決上述問題，對于完全被原始數據覆蓋的瓦片，程序采用JPEG2000標準對其進行壓縮，從而得到了明顯的數據壓縮效果，節約了存儲空間，同時減小了客戶端的數據訪問量，節省了網絡帶寬。

程序中MosaicPipeline模塊實現了同名瓦片之間的融合，該功能可以將多個原始數據統一到同一金字塔模型中，從而避免了相同瓦片的重復獲取，提高了系統執行效率。

3. 金字塔模型的發布

本文在研究World Wind Server等開源地圖服務器的基礎上，開發了一套能夠發布多數據格式瓦片金字塔模型的WMS服務器，并用以發布本文構建的瓦片金字塔。該服務器實現了WMS標準，客戶端通過實現WMS的訪問標準可以流暢地訪問服務器發布的瓦片數據。

另外，上述地圖服務器部署方便，并且支持多種操作系統及硬件設備，基于此優點，用戶可以方便快捷地搭建一個WebGIS平臺。

四、客戶端設計與實現

本文中客戶端基于Java和C++語言，使用Eclipse與Microsoft Visual Studio 2010進行開發，其模塊設計如圖4所示。

圖4 客戶端模塊設計圖

配置文件中存儲一些系統相關參數，如服務器地址、默認圖層等，系統初始化時讀取配置文件內容并創建默認對象。場景控制器負責事件監聽，保存事件觸發后相關場景參數的修改，并使用基于四叉樹的瓦片檢索算法檢索當前場景的可見瓦片。通過三級緩存機制保存在服務器中獲取的瓦片數據，完成數據解析之后，通過構建地形網格和紋理貼圖產生三維場景。

客戶端大部分功能由Java語言實現。其中，渲染模塊使用了JOGL(Java bindings for OpenGL)技術；JP2文件的讀取采用C++語言，借助了OpenJPEG開源庫進行實現，并應用動態鏈接庫技術與Java主程序進行融合。功能開發完畢之后將應用程序以Applet方式嵌入到網頁中運行，通過JavaScript語言實現網頁與Applet之間的交互，從而產生豐富的視覺效果。

五、應用案例

本文的研究成果已成功應用于多個地區海量遙感數據的實時三維可視化。以某地區為例，該地區使用的是1∶10 000的DEM數據、0.40 m分辨率和0.06 m分辨率的DOM數據，數據實際覆蓋面積超過2500 km2，總數據量超過120 GB。對DEM和DOM數據分別建立了7層和9層金字塔模型，DEM瓦片大小為150像素×150像素，DOM瓦片大小為512像素×512像素。進行數據壓縮之后總數據量約為2 GB。測試結果顯示，當三維窗口大小為800像素×600像素時，平均幀頻為26.5幀/秒。效果如圖5所示。

圖5 某地區海量地形及影像數據三維可視化效果圖

六、結束語

試驗表明，通過重采樣、分層分塊的方法構建瓦片金字塔模型，并采用JPEG2000標準對數據進行壓縮處理，可以有效地簡化與壓縮海量遙感數據；通過基于線性四叉樹的目標瓦片搜索算法，大大減少了三維場景繪制的數據量，提高了系統的執行效率。進而說明本文采用的方法有效地減小了計算機渲染負擔，加快了圖形生成速度，節省了網絡帶寬，能夠滿足大范圍三維場景模擬的需要。另外，對于矢量數據，本文采用類似柵格數據金字塔的方式進行發布，有效地解決了系統對大數據量矢量數據的支持。

本文構建的Web3DGIS平臺已經實現了瓦片金字塔模型的構建和發布，海量地形及影像數據的實時三維可視化，并解決了大數據量矢量數據的加載顯示與查詢檢索，初步實現了模型數據的加載(如.3ds、.dae、傾斜相機數據)。但對于大數據量模型數據的支持還不完善，這也是未來需要研究和克服的問題。

參考文獻：

[1] 張曉娣, 劉貴忠, 曾召華, 等. JPEG2000圖像壓縮編碼系統及其關鍵技術[J]. 電視技術, 2001(8):13-17.

[2] 姚慧敏, 崔鐵軍, 邵世新, 等.基于四叉樹的LOD地形模型及其數據組織方法研究[J].地理信息世界, 2007(6):1-4.

[3] 歐陽甜子, 杜紅, 占小剛. 基于動態LOD四叉樹算法的地形三維可視化[J]. 電腦開發與應用, 2009,22(2):11-13.

[4] 杜瑩，武玉國，王曉明，等. 全球多分辨率虛擬地形環境的金字塔模型研究[J]. 系統仿真學報, 2006,18(4):955-958.

[5] 王源, 劉建永, 江南, 等. 視點相關實時LOD 地形模型動態構網算法[J]. 測繪學報, 2003,32(1):48-51.

[6] 張玉杰, 崔鐵軍. 多分辨率地形模型的研究與實踐[J]. 地理信息世界, 2006(5):1-4.

[7] 王慧, 申家雙, 陳冬陽, 等. 一種高性能的大區域遙感影像管理模型[J]. 海洋測繪, 2006(3)：1-4.

[8] WAN Ming, ZHANG Wei, MURRAY M O, et al. Automatic Target Tracking on Multi-resolution Terrain[J]. Journal of Zhejiang University, 2006, 7(7):1275-1281.

[9] BAO Xiaohong,PAJAROLA R. LOD-based Clustering Techniques for Optimizing Large-scale Terrain Storage and Visualization[C]∥Proc. of VDA’03.Santa Clara.USA:[s.n.],2003.

[10] ZHAO Yuxin,MA Y. A Modified LOD Terrain Model Based on QuadTree Algorithm[C]∥2009 International Joint Conference on Computational Sciences and Optimization.Haina:[s.n.],2009:259-263.

[11] ZHANG Jin, TONG Xiaohua. Multiresolution Terrian Model in GIS[J]. ACTA GEODAETICA et CARTOGRAPHICA SINICA, 2002, 31(S0):93-96.