面向遥感数据的云计算处理模型研究

申健

摘 要：该文基于该研究者多年从事遥感数据处理的相关工作经验，以面向海量数据的快速处理模型设计为研究对象，首先分析了云计算模型构建的需求，进而进行了云计算模型的架构，在此基础上，探讨了云计算处理模型的运行机制和具体的模型实现，并采用实验数据进行了类比分析，证明了其有更大的运行效率，相信对从事相关工作的同行能有所裨益。

关键词：云计算 航空影像 数据处理 构架

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2015）06（b）-0040-02

随着摄影测量手段和信息获取技术的发展，航空影像数据的获取周期越来越短，航空影像数据的更新频率越来越快。对于海量遥感数据快速处理以达到实现快速响应机制，传统的摄影测量数据处理平台已经不能满足当前的生产需求。因此，如何快速、高效地处理这些影像数据，以及如何迅速的从影像数据中获取用户所需的基本信息（如概貌、土地的分类、土地利用情况、植被分布、水系的分布和变化，灾害区的范围等）是一个值得研究并且急需解决的问题，也是建立遥感快速响应机制领域的一个重要的应用和发展方向。该文将云计算模型处理的技术引入影像数据处理中，设计了基于云计算的海量影像数据的云处理模型。

1 云计算模型构架

云计算的关键是如何实现大规模地连接到更加广泛的服务器甚至个人计算机，使这些计算机并行运行，各自的资源结合起来形成足可比拟超级计算机的计算能力。我们可以通过个人电脑或便携设备，经由因特网连接到云中。对用户端来说，云是一个独立的应用、设备或文件，云中的硬件是不可见的。

它的过程是这样的：首先，用户的请求被发送给系统管理，系统管理找出正确的资源并调用合适的系统服务。这些服务从云中划分必要的资源，加载相应的Web应用程序，创建或打开所要求的文件。Web应用启动后，系统的监测和计量功能会跟踪云资源的使用，确保资源分配和归属于合适的用户。

2 云计算处理模型的运行机制

基于云计算模型的影像数据处理模型是在传统的影像数据处理流程的基础上，突破了传统的计算模式，使用了云计算强大的计算资源来完成整个数据处理中的大量的数字运算。其中包括任务的分发、云端处理以及处理完数据的集中和影像的镶嵌等操作。

2.1 云处理模型的体系结构

基于云计算模型的影像数据处理系统的体系结构中，云工作站负责管理和分发任务，云端处理服务器依据分发的任务，从云存储中取出影像进行相应的处理，通过TCP/IP通信协议与服务器建立通讯。当对应的云端处理服务器（可以是大型的计算机业可以使微型的个人机）接收到任务时，通过调用系统的计算资源进行相应的处理服务，同时通过云端系统之间的相互通信可以实现一些软件资源的共享等。

2.2 云处理模型的工作流程

图1为基于云计算模型的影像数据处理系统的一般的工作流程，主要包括任务表的创建与分发，云端系统的具体的处理过程以及数据成品的集中和影像的镶嵌。利用云计算强大的计算资源来完成其中涉及到的巨大的运算要求。

3 基于云计算的航空影像处理模型

在这个模型系统中，主要包括数据的预处理和专题信息的提取。在后期的制图过程中主要包括地图信息的符号化和综合。

3.1 预处理

遥感图像的预处理主要包括几何校正和辐射校正，还包括其他的预处理手段，如图2所示。遥感图像成图时，由于各种因素的影响，图像本身的几何形状与其对应的地物形状往往是不一致的。遥感图像的几何变形是指图像上各地物的几何位置、形状、尺寸、方位等特征与在参考系统中的表达要求不一致时产生的变形。遥感图像的变形误差可以分为静态误差和动态误差两大类。静态误差是在成像的过程中，传感器相对于地球表面呈精致状态时所产生的各种变形误差。动态误差主要是成像过程中由于地球的旋转等因素所造成的图像变形误差。遥感图像的几何处理主要包括图像的粗加工、精纠正，还包括重采样以及共线方程的纠正的。

由于航空影像成像过程的复杂性，传感器接收到的电磁波能量与目标本身辐射的能量是不一致的。传感器输出的能量包含了太阳位置和角度条件、大气条件、地形影响和传感器本身的性能所引起的各种失真，这些失真不是地面目标本身的辐射，因此对图像的使用和理解会造成影响，必须加以校正或消除。辐射校正就是指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程。

在影像数据制图中，数据的收集一般包括遥感影像数据的收集和其他非空间数据的收集，在充分收集历史和当前数据的基础上要对于资料进行初步的整理。数据的预处理主要包括影像数据的几何处理和辐射校正。预处理的云处理模型已经在之前介绍过了。

3.2 中期操作

在传统的遥感影像专题信息提取中，主要包括影像数据的格式转化，图像的增强和均衡化、波段的融合、纠正等，文本资料的分类，地图信息的分析，同时在信息的提取中有监督法分类和非监督法分类，以及分类后处理等操作。在基于云计算模型的遥感影像处理系统中，上述的操作方法不变，变化的是计算的模式。传统的处理模式是串行的处理，基于云计算的遥感影像处理模式主要是利用云端系统强大的计算资源实现影像的实时处理。在完成任务的分发后，相应的云端通过直接的相互通信，能够下载相应的处理模块所需的软件和模块，同时按照当前服务器的计算资源状况完成相应的处理和任务的分发等。

3.3 后期操作

后期的专题地图的制作中主要包括地图信息的综合，按照专题的信息决定地图信息的取舍，突出重点的专题，省略其他无关的要素，符号化的过程主要依据可视化和视觉美学等知识进行取舍，其中涉及到大量的计算任务仍然放到云端来完成。影像数据的处理一般包括格式转换、图像的增强、均衡化、波段的融合等，在影像数据的应用上主要有信息的提取、分类、专题图的制作等。

4 模拟实验数据类比

在这个基于云计算模型的遥感数据处理系统中我们设计使用的是云端强大的计算能力，突破传统的计算模式。由于云计算模型从理论走向实验还有一个过程，这个实验现阶段没办法完成。现以“数字摄影测量网格系统一DPGrid”实验的数据进行生产实验和效率对比。

表1为DPGrid系统（8台刀片服务器）与传统数字摄影测量工作站生产效率对比表。从实验5可以看出，一个中等城市（3000km2），6000幅DMC航空数码影像，8台刀片服务器，仅需要15d即可生成影像镶嵌图。而相同的数据，按照传统作业方式制作正射影像图，需要10个以上的工作人员一年以上的时问。同时由表1可以看出，镶嵌图耗时最短，因而可满足快速响应的需求。同时并行计算的效率比传统串行计算的效率提高了3～10倍，并且影像数越多，效率提高的越多。云计算平台具有更加庞大的服务器群，计算能力更加强大，相比DPGrid系统有更大的运行效率，这将使得海量的遥感数据处理得更加准确、及时。

5 结语

云计算是一种颠覆性的技术具有深刻意义，不仅对互联网服务，而且对这个IT业都是一次革命。将它应用在航空影像数据处理领域更是一种大胆的尝试，作为航空影像数据处理专业领域，如何进行海量数据存储与处理、系统的扩展与开放等是该领域长期的瓶颈，云计算的出现给解决这些问题带来了希望。该文详细探讨了遥感云计算的系统构成和实现方法，并以一个具体的原型系统展现了航空影像云计算模式的用户界面、技术手段和运行流程。

参考文献

[1] 党安荣，王晓栋，陈晓峰，等.遥感图像处理方法[M].北京：清华大学出版社，2003.

[2] 官云兰，周世健，鲁铁定.基于ERDASI MAGINE的数字正射影像图的制作[J].测绘通报，2005（12）：31-33.

[3] 方剑强.生产数字正射影像图（DOM）的若干技术问题探讨[J].测绘与空间地理信息，2007（3）：91-93.