遥感影像金字塔式存储的Oracle GeoRaster实现

深入分析基于Oracle GeoRaster的空间数据管理机制,实现基于Oracle GeoRaster的遥感影像金字塔式存储.     

Oracle 10g 影像库的设计及应用模式分析

采用对象-关系型数据库对海量的影像数据进行有效的管理, 是空间数据库技术在21 世纪新兴的应用领域。随着数据库存储技术的发展, 使得利用现代数据库技术组织和管理海量遥感影像数据已成为可能。研究了Oracle Spatial 10g 对影像数据的存储与管理的体系结构、数据模型, 对GeoRaster 对象的管理和应用模式进行了分析, 并对影像数据库访问中间件ETL 进行了简要的介绍。     

基于Oracle影介信息管理的研究

阐述了基于Ｏｒａｃｌｅ数据库,采用面向对象－关系数据库技术,对影像数据信息进行高效地存储和管理,以及对数据库中的影像数据直接进行处理的方法和技术实现。     

基于Oracle影像信息管理的研究

阐述了基于 Oracle数据库 ,采用面向对象—关系数据库技术 ,对影像数据信息进行高效地存储和管理 ,以及对数据库中的影像数据直接进行处理的方法和技术实现。     

基于SQLite的LOD模式海量影像数据管理系统的设计与实现

如何实现海量影像数据的合理化存储、高效的访问是视景仿真领域的一个瓶颈问题。本文提出了一种运用SQLite数据库实现基于嵌入式数据库的集中式数据管理方法,将海量影像数据以数据库的形式进行管理,同时又以类似文件操作的方式实现快速访问,为解决基于LOD模式海量影像数据难以管理维护的问题提供了一种可行方案。本文方法有效而稳定地实现了海量影像数据的管理和调度,具有良好的实际应用价值。     

基于半监督算法的高光谱影像特征提取仿真

高光谱影像包括待测物的空间、光谱和辐射三重信息,且图像信息具有维度高、空间相关性弱、特征非线性强的特点,导致其空间特征序列混乱,特征提取难度大。于是提出基于半监督算法的高光谱影像特征提取方法。应用半监督算法对高光谱图像中的高维数据降维处理,并基于降维结果完成高光谱图像的去模糊。高光谱图像完成降维去模糊后,根据特征学习模型学习高光谱影像数据,获取图像深层特征。在像元空间内对深度特征以及空间信息完成空、谱的联合,实现高光谱影像特征的提取。实验结果表明,所提方法应用下影像特征点在特征空间内聚类效果好,查全率和查准率均能达到95%以上,说明上述方法的应用性能更优。     

地物散射模型与知识库系统中SAR影像数据分析与管理

地物散射模型与知识库系统是一个集典型地物散射模型库、目标后向散射特性数据库、地物的航空航天SAR(Synthetic Aperture Radar)影像库为一体的综合SAR影像信息应用平台。本文在介绍了该系统的研究背景基础上,针对系统中SAR影像数据的管理问题,首先分析了系统中影像数据的特点,并对目前常用的两款利用关系型数据存储和影像数据管理商用软件ArcSDE(Spatial Data Engine)和GeoRaster进行了简要介绍;接着通过对比分析试验表明,采用ArcSDE软件更适合管理本系统的SAR影像数据;最后针对SAR影像数据的特征,从系统结构、存储结构和存储模型3个角度说明ArcSDE10管理SAR影像数据的方式。     

基于Linux平台下的海量遥感数据管理系统的设计与实现

随着遥感技术的飞速发展，获取的遥感影像资料也越来越多，而如何有效地存储及管理好这些海量数据，成为当前一个越来越突出的问题。介绍了基于Linux平台，Oracle数据库和PHP脚本语言的系统体系设计，并给出了一个基于Web的遥感数据管理系统实例。     

医院信息系统数据中心统一存储平台的设计与实现

目的:为提高医院信息系统业务连续性、数据的安全性、提高硬件资源利用、统一数据资源调配,建立数据中心统一存储平台.方法:用基于SAN架构的光纤存储和基于NAS的并行扩展存储,核心系统数据库采用互为镜像备份.结果:信息系统存储得到整合,实现核心数据高可靠、高安全、高应用.影像大数据通过NAS存储的部署实现数据量极大情况下的快速访问.     

基于EXCEL的高光谱影像光谱响应分析

高光谱遥感侧重于从光谱维角度对影像信息进行分析与处理。由于目前高光谱数据的处理技术跟不上数据获取技术,而已有的成熟的多光谱影像处理技术并不适合于处理高光谱数据,因此利用EXCEL软件展开了高光谱影像的地物光谱重建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量和信息提取等研究,并基于PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量进行了光谱响应分析,实现信息监测和识别。     

面向高光谱影像分类的高性能计算及存储优化

针对高光谱遥感影像分类的并行化处理,现有研究一般是通过集群和工作站来开展,成本较高,部署困难。少数基于GPU方式的研究主要是从流程的角度来论证该并行架构对提高算法效率的有效性,对于算法关键的存储器优化策略等研究相对较少或不详细。针对现有研究的不足,以CUDA架构下高光谱遥感影像的光谱波形匹配法和光谱角填图法分类的高性能计算为例,对算法存储优化策略进行重点研究,深入探讨了一系列存储优化及其改进方法。通过实验论证分析表明：存储优化策略及其改进方法有效,并且对于多种不同尺寸与数据量的影像,CUDA架构下算法的运行效率都有了较为显著的提升。同时,基于CUDA的高光谱影像分类维护了计算结果的准确性。     

ORACLE INTERMEDIA技术在网站内容管理中的应用研究

使用ORACLE9i数据库平台,将Oracle InterMedia技术和J2EE技术相结合,通过网站内容管理的实现分析了Oracle InterMedia在实现多媒体数据处理方面的技术优势;给出了多媒体数据、特别是图像数据在ORACLE数据库中存储的基本设计方法、以及关系数据库环境下实现结构化与非结构化数据管理的基本思路.     

多元地理数据管理技术研究

地理信息系统的迅速发展和广泛应用导致了地理数据多元性的产生,这对地理数据存储和管理技术提出了更高的要求.针对地理数据多元性的特点,提出了地理数据的管理和存储策略,设计了一种基于关系数据库的面向对象地理数据模型,从而实现了对矢量数据、影像数据、像素图数据、DEM数据、多媒体数据等各种数据的统一,灵活管理.     

高光谱图像小样本分类的卷积神经网络方法

目的 与传统分类方法相比,基于深度学习的高光谱图像分类方法能够提取出高光谱图像更深层次的特征。针对现有深度学习的分类方法网络结构简单、特征提取不够充分的问题,提出一种堆叠像元空间变换信息的数据扩充方法,用于解决训练样本不足的问题,并提出一种基于不同尺度的双通道3维卷积神经网络的高光谱图像分类模型,来提取高光谱图像的本质空谱特征。方法 通过对高光谱图像的每一像元及其邻域像元进行旋转、行列变换等操作,丰富中心像元的潜在空间信息,达到数据集扩充的作用。将扩充之后的像素块输入到不同尺度的双通道3维卷积神经网络学习训练集的深层特征,实现更高精度的分类。结果 5次重复实验后取平均的结果表明,在随机选取了10%训练样本并通过8倍数据扩充的情况下,Indian Pines数据集实现了98.34%的总体分类精度,Pavia University数据集总体分类精度达到99.63%,同时对比了不同算法的运行时间,在保证分类精度的前提下,本文算法的运行时间短于对比算法,保证了分类模型的稳定性、高效性。结论 本文提出的基于双通道卷积神经网络的高光谱图像分类模型,既解决了训练样本不足的问题,又综合了高光谱图像的光谱特征和空间特征,提高了高光谱图像的分类精度。     

Semantic classification for hyperspectral image by integrating distance measurement and relevance vector machine

Accurate hyperspectral image classification requires not only image features but also semantic concept. Similarity and relevance relation are both key factors in building image features and semantic measurement. To perform hyperspectral image classification from the viewpoint of semantic, this study focuses on creating a semantic annotation-based image classification method with relevance and similarity measurement. First, the computational model of relevance vector machine is utilized to perform cluster computation for hyperspectral image data. Then multi-distance learning algorithm is optimized as holding capability for multiple dimensions data. The proposed multi-distance learning algorithm with multiple dimensions is used to measure the similarity, according to the result of cluster computation through relevance vector machine. Finally, semantic annotation is introduced to complete classification of hyperspectral image with semantic concept. Validation with the ground truth data illustrates that the proposed method can provide more accurate and integrated classification result compared with the other methodologies. Therefore, the integration of similarity and relevance measurement is able to improve the performance of hyperspectral image classification.     

多尺度3D胶囊网络高光谱图像分类

为解决有限训练样本下的高光谱遥感图像分类特征提取不充分的问题, 该论文提出了多尺度3D胶囊网络方法来助力高光谱图像分类. 相比传统的卷积神经网络, 所提出的网络具有等变性且输入输出形式都是向量形式的神经元而非卷积神经网络中的标量值, 有助于获取物体之间的空间关系及特征之间的相关性, 且在有限训练样本下能避免过拟合等问题. 该网络通过3种不同尺度的卷积核操作对输入图像进行特征提取来获取不同尺度的特征. 然后3个分支分别接不同的3D胶囊网络来获取空谱特征之间的关联. 最后将3个分支得到的结果融合在一起, 采用局部连接并通过间隔损失函数得到分类结果. 实验结果表明, 该方法在开源的高光谱遥感数据集上具有很好的泛化性能, 且相比其他先进的高光谱遥感图像分类方法具有较高的分类精度.     

基于ArcGIS的可拓住宅建筑设计数据库构建研究

针对海量住宅建筑设计信息的应用需求,借助学科交叉理论与方法,提出基于ArcGIS软件的可拓住宅建筑设计数据库构建方法。包括可拓住宅建筑设计数据的分类表达方法、数据信息整理、数据库的逻辑结构设计、图像数据与属性数据的匹配方法。在此基础上,基于某居住区实例构建数据库。实验结果表明,该方法能够将住宅建筑设计图像与属性信息分别转化为统一格式、可量化的结构数据库,并进行匹配,从而便于计算机识别,并形成高效的住宅数据存储平台,为可拓住宅建筑设计和后续的数据挖掘过程提供丰富的数据基础。