應急遙感影像高性能集群處理系統的設計與實現

2016-06-01 03:07:26龔建輝楊正銀陳中林

測繪通報 2016年4期

龔建輝，楊正銀，陳中林

(四川省遙感信息測繪院，四川成都 610100)

龔建輝，楊正銀，陳中林

(四川省遙感信息測繪院，四川成都 610100)

Design and Implementation of High-performance Cluster for Emergency Remote Sensing Image Processing System

GONG Jianhui，YANG Zhengyin，CHEN Zhonglin

摘要：深入分析了PixelGrid高分辨率遙感影像數據一體化測圖系統在生產單位中存在的問題，提出并實現了以控制資料服務體系為基礎，依托高速局域網的分布式并行處理模塊，集成PixelGrid，解決了控制點自動量測并實現了流程化定制作業，提高了應急遙感影像快速處理效率。

關鍵詞：遙感影像；控制資料；服務體系；自動量測；分布式并行處理

四川盆地屬我國地質災害多發區，近年該地區發生了多次特大型地質災害，如“5·12”汶川地震、“4·20”蘆山地震、“7·10”泥石流等，這些地質災害對人民群眾的生命財產安全造成了極大創傷。

如何提高正射影像更新的效率，關鍵在于如何快速獲取航空航天影像空中三角測量所需的地面控制資料。目前主要依靠人工判讀的方法在新獲取的影像和已有的地面控制資料間量測一定數量的控制點對新影像進行空中三角測量。將這些影像與已有的地面控制資料對應起來是一件非常費時費力的工作，而且由于作業時測區內部地物地貌發生的變化通常都是未知的，這就更加增大了控制點判讀的難度。

本文以現代攝影測量與遙感科學技術理論為基礎，融合計算機技術和網絡通信技術，研究多源控制庫構建技術，航空航天影像基于已有地理信息數據進行快速自動匹配定向的理論和技術，并在此基礎上，結合生產單位實際作業中遇到的困難和問題，引進、開發和集成可處理多源航空航天遙感影像的、滿足應急測繪保障體系下測繪作業單位實際生產需要的正射影像并行處理系統。

一、PixelGrid遙感影像高性能集群處理系統存在的問題

我院引進的高分辨率遙感影像數據一體化測圖系統PixelGrid是由中國測繪科學研究院自主研發的“十一五”重大科研成果。該系統全面實現了對衛星影像數據、航空影像數據及低空無人機影像數據的快速自動處理。然而在實際使用過程中存在以下幾個問題：①基于文件的控制點量測；②基于文件的DEM控制；③基于文件的DOM影響更新；④控制資料源分析及整理工作量大；⑤無法進行海量遙感影像數據自動化生產。

筆者所在單位作為測繪生產單位通過不斷的項目生產，積累了大量的控制點資料、DEM數字高程模型成果、DOM正射影像成果等控制資料，該平臺基于文件的處理模式無法對其進行高效的利用，這直接影像到生產效率及給基礎資料數據的安全帶來隱患。

本文提出并實現了基于控制資料服務體系，集成PixelGrid，運用稀少/無控制區域網平差、POS數據輔助空三、高精度DEM/DSM自動提取、遙感影像并行處理等技術，搭建集海量數據存儲、并行集群計算機、高速網絡與服務、多源異構遙感影像處理于一體的遙感影像高性能集群處理系統，結合已有全野外測量與無人機航空攝影設備，形成“天地一體”的航空航天遙感資料快速獲取、處理平臺，為地質災害防治、應急搶險救援提供及時、高效的測繪保障，提升地質災害科學防治能力和應急處置效率。

二、應急遙感影像高性能集群處理系統的建立

1. 總體框架

應急遙感影像高性能集群處理系統以控制資料源為基礎，以控制資料服務體系為核心，集成PixelGrid，運用稀少/無控制區域網平差、POS數據輔助空三、高精度DEM/DSM自動提取、遙感影像并行處理等技術，搭建集海量數據存儲、并行集群計算機、高速網絡與服務、多源異構遙感影像處理于一體的遙感影像高性能集群處理系統，結合已有全野外測量與無人機航空攝影設備，形成“天地一體”的航空航天遙感資料快速獲取、處理平臺，搭建基于高速局域網的分布式并行處理模塊，實現流程化作業，為地質災害防治、應急搶險救援提供及時、高效的測繪保障，提升地質災害科學防治能力和應急處置效率。系統的構架如圖1所示。

圖1

2. 控制資料服務體系建立

為了充分利用已有的地理信息數據成果，需要建立包含DEM、DOM、外業采集控制點數據及其他已有控制點資料的數據庫，為新數據處理提供控制資料[2]，并以服務的形式發布，從而建立多源控制資料庫與應急遙感影像高性能集群處理系統之間的聯系，如圖2所示。

圖2

3. 建立基于高速局域網的分布式并行化處理模塊

基于高速局域網的分布式并行處理模塊，主要使用已有的DEM與DOM數據，進行海量遙感影像數據自動化生產。該模塊基于GPU快速圖形運算、CPU多核并行計算、分布式處理、高速局域網通信技術等關鍵技術，能夠實現流程化定制作業，如圖3所示。

其工作流程簡述如下：

1) 添加流程模板：在處理命令中依次添加所需要的流程處理命令。

2) 添加訂單：設置工程路徑、衛星路徑、DOM路徑、DEM路徑、輸出路徑，在流程中選擇已經定制好的流程模板，同時修改各項流程處理命令中的輸入參數。

3) 任務處理：按照訂單提交任務，實現任務處理的自動化，提高生產作業效率。

圖3

4. 改進PixelGrid搭建應急遙感影像高性能集群處理系統平臺

基于建立的控制資料服務體系，集成多源遙感影像高性能集群處理平臺Pixelgrid，采用大范圍區域稀少控制衛星影像區域網平差技術，減少對地面控制的要求，研發同軌同時相衛星影像的虛擬拼接技術，使同軌同時相的多景衛星影像以一張虛擬影像的方式參與區域網平差，以期進一步減少對外業控制點的需求，實現包括對 IKONOS、GeoEye-I/II、WordView-I/QuickBird、IRS-P5、SPOT 5、ALOS/PRISM和國產CBERS-02、天繪一號、資源三號等衛星影像的區域網平差；DOM等測繪產品的生產;衛星遙感影像與已有DOM和DEM的自動配準；高分辨率衛星影像區域網平差過程中控制點的自動提取等功能。實現大范圍高分辨率遙感影像的快速精準定位和高效高精度的影像圖制作。改進的工藝流程如圖4所示。

其工作流程簡述如下：

1) 建立測區：對航空影像進行重采樣，獲得航空影像的金字塔影像。使用原始影像(1∶1)和金字塔影像(1∶3或1∶5)分別建立兩個測區。其中兩個測區的航帶和影像列表結構完全一樣，唯一的區別就是一個測區使用的是原始影像，另一個使用的是金字塔影像。

圖4

2) 使用金字塔影像測區進行空中三角測量自動轉點，實現航空影像之間的連接，建立測區的像點網。

3) 人工在正射影像和航空影像的金字塔影像上判讀少量控制點作為種子點[4]。通常情況下，只需要在測區的四角量測種子控制點即可。通過這些種子點，可以調用光束法區域網平差程序解求得到所有航空影像外方位元素的近似值。

4) 獲得航空影像外方位元素的近似值后，所有航空影像與已有正射影像和DEM之間的相對位置關系已知，可以通過新影像與已有正射影像間的自動匹配進行控制點的自動量測[5]。

5) 在原始影像測區中，使用步驟4)中自動量測的連接點和控制點進行區域網平差和少量人工編輯，最終解算得到所有航空影像外方位元素的精確值。

6) 利用航空影像外方位元素的精確值和DEM(或者使用已有的DEM數據，或者使用新影像重新自動匹配生成)進行正射影像微分糾正和快速鑲嵌得到攝影區域的更新正射影像。

7) 建立立體像對后輸出正射影像、制作專題圖、生成DEM。

在上述工作流程中，需要指出步驟1)～3)的主要目的是為了獲取航空影像外方位元素的初值。因此這3個步驟主要是在1∶3或1∶5的金字塔影像測區中進行處理。眾所周知，通常情況下金字塔影像上的自動匹配要比原始影像上的自動匹配容易一些，這主要是由于金字塔影像上的自動匹配受地形起伏在金字塔影像上引起的投影畸變的影響要小一些。除此以外，如果攝影區域是一些非常困難的區域，如高山地、茂密植被覆蓋和大面積落水區域等，為了能夠順利地完成金字塔影像測區的連接和建立像點網，有時需要將測區進一步細分為幾個子測區，同時人工在每一個子測區中判讀少量控制點，影像外方位元素近似值的解求也是在每個子測區中獨立進行的。

三、測試結果分析

系統建成后，選用了5景衛星影像糾正，共耗時約2 h 40 min，其中人工干預時間約為60 min，見表1、表2。