海量遥感影像管理与发布
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
OBJECTID 16473 16474 16475 NAME 3198401a_sid 3198402a_sid 3198403a_sid 3198404a_sid RASTER 10289 10290 10291 10292 FOOTPRINT 10289 10290 10291 10292 METADATA ……
• 1998年6月， Microsoft借助网络化的商用数据库 SQL Server和Windows NT S e r v e r软件。 • 在Internet上建立了面向全球城市地区的地理信息 网站——TerraServer • 展示SQL Server的海量管理能力和IIS(Internet Information S e r v e r)的海量信息发布能力 • 美国和俄罗斯数十年由高精度卫星拍摄的卫星照片
– GIS应用的背景图 – 地物判读的参照 – 统计和分析数据
• 统计（例如归一化植被指数NDVI）
– 矢量地图制作/检验/更新
分享地理价值
基于Web的海量影像数据发布
• ArcGIS Online Service • Microsoft Bing Map（virtual Earth） • Google Earth
– Geodatabase 影像管理模型 – Geodatabase 影像管理方案
• 基于服务的遥感影像数据发布
– ArcGIS Server – ArcGIS Server和ArcGIS Image Server扩展 – ArcGIS Image Server独立程序
分享地理价值
Geodatabase 遥感影像管理方案
分享地理价值
海量遥感影像管理需求日益迫切
• “海量影像数据”概念深化 • 如何管理组织“海量影像数据”引发关注 • 基于文件的影像管理模式？还是 • 基于数据库的影像管理模式？还是 • 基于文件与数据库结合的影像管理模式？还是 • 其他？
分享地理价值
快速发布海量影像数据具有现实意义
• 基于Web的影像快速发布共享提升海量影像数据应用水 平，提供最新的影像用作：
分享地理价值
2. 遥感影像管理与发布模式
海量影像管理模式
• 基于文件的影像管理模式 • 基于文件与数据库结合的影像管理模式 • 基于数据库的影像管理模式 • 其他模式？
分享地理价值
基于文件的影像管理模式
• 影像管理需求 • 优势：
– 管理方便
• 劣势：
– 不易实现对数据的保护 – 数据更新能力得不到保证 – 不能实现对影像的查找
分享地理价值
基于服务的遥感影像发布
如何发布遥感影像数据
• ArcGIS Server
– raster dataset/raster dataset layer >> Image Service – MXD & MSD >> Map Service – 3dd >> Globe Service
• ArcGIS Server和ArcGIS Image Server扩展
——Geodatabase 影像管理模型
Geodatabase影像管理模型
• 栅格数据集 Raster dataset
– 装载时镶嵌的完整实体
• 栅格目录 Raster catalog
– – – – – 存储在表中的栅格数据集的集合 可作为一个实体访问 每个组成可作为raster Dataset 访问 每个组成都有独立的存储属性 Personal/File GDB：支持托管Managed/非托管 Unmanaged模式 – 企业 GDB: Embedded or referenced
海量遥感影像管理与发布
董 平
分享地理价值
内 容
1. 为什么管理和发布遥感影像 2. 海量遥感影像管理与发布模式 3. ESRI海量遥感影像管理与发布解决方案 4. ArcGIS 9.4 展望
分享地理价值
1. 为什么管理和发布遥感影像
飞机 ADS40 5cm~100cm
分享地理价值
飞艇 Canon EOS 5D 20cm
无损压缩
Pixels: Type:
有损压缩
All original values maintained in the result LZ77
Pixel values are changed by the algorithm JPEG Wavelet: JPEG 2000, MrSID, ECW JPEG: 8-bit data Wavelet: 8- and 16-bit data High User controls compression/quality ratio Data analyzed visually Smooth, continuous images
Geodatabase 影像管理方案
• 单幅影像独立存储为Raster Dataset • 多幅影像镶嵌存储为Raster Dataset • 多幅影像统一存储在Raster Catalog中
– File/ArcSDE Geodatabase 托管 – Personal Geodatabase 托管 – Personal/File Geodatabase 非托管
Applies to:
All data types
Amount of compression:
Low Higher for more homogeneous data Data analyzed by computer Data with sharp edges
Best for:
分享地理价值
重采样方法Pixel
• 创建影像金字塔和显示采样
Resampling
Nearest neighbor：最近邻插值
For Discrete Data 取最邻近的像素值 不创建新的像素值 速度最快
Bilinear interpolation：双线性
取邻近四个像素值的平均 For Continuous Data 平滑大多数图像 对连续数据较快的重采样方法
分享地理价值
分块“瓦片”
• 在GeoDatabase中把栅格数据分块存储 • 允许分块访问提高数据显示效率 • 默认推荐分块大小： 128 x 128; • 也可以更改：256 x 256; 512 x 512；1024 x 1024…
0 0
Tiling
1
2
1 2
分享地理价值
压缩算法 Compression
• • • 栅格数据集合 存储栅格数据的范围：Footprint shape 可以托管和非托管两种方式存储 – 非托管 Unmanaged
• 只存储数据所在路径 • Personal GDB和File GDB中可实现，ArcSDE不支持 • 数据操作不影响原始数据
– 托管 Managed
• GeoDatabase中存储整幅影像 • 所有的GDB中都支持，包括：personal/ File /Arcsde GDB • 数据操作影响原始数据
分享地理价值
方案选择（续）
• 多幅影像统一存储在Raster Catalog中
– 范围存在部分或全部重叠影像数据管理 – 全部重叠的多时相的影像数据管理 – 多分辨率的影像数据集管理 – 同一区域的不同类型的多源影像数据管理 – 保持原始影像数据的元数据 – 保存不同影像数据集的颜色表
适用于
分享地理价值
分享地理价值
金字塔 Pyramids
• 分辨率逐级递减 • 大大提高显示性能：
– 客户端请求数据的分辨率匹配 客户端的分辨率 – 用户每次缩放获取的像素数量 是不变的
3rd (8 m)
2x2 pixel block
• 每一级都被分块存储 • 局部构建和更新
2nd (4 m)
1st (2 m)
1 meter
分享地理价值
典型案例-Microsoft TerraServer
分享地理价值
典型案例-Microsoft Bing Map
分享地理价值
典型案例-ArcGIS Online
分享地理价值
3. ESRI遥感影像管理与发布解决方案
ESRI遥感影像管理与发布解决方案
• ESRI一体化遥感影像管理与发布解决方案 • Geodatabase 遥感影像管理
分享地 理价值 16476
栅格目录 Raster Catalog(续)
• 数据装载速度快
– 尤其是非托管模式管理的栅格数据集
• 数据不需要满足：
– 格网一致 – 像素值位数保持一致
• 减少栅格数据集 Raster Dataset的数量，提高对ArcSDE的 访问效率 • 可对栅格数据的元数据进行扩展。
– – – – – raster dataset raster dataset layer >> Image Service *.ISCDef MXD & MSD >> Map Service 3dd >> Globe Service
文件与数据库结合管理 数据库管理
分享地理价值
方案选择
• 单幅影像独立存储方案
– – – –
适用于
空间不相邻，且不在同一项目中使用的遥感影像管理 元数据独立存储，支持基于元数据的影像查询 支持独立的颜色表存储 不支持元数据扩展，需数据库支持
适用于
• 多幅影像镶嵌存储
– 支持多幅影像的无缝漫游，任意区域范围影像裁切 – 元数据统一存储，不查询和不调用单幅影像 – 分辨率一致的影像数据
Cubic convolution：三次卷积
16个邻近像素的加权值 通常重采样效果最好
分享地理价值
颜色表 Colormaps
• 与颜色相关的一系列值(RGB).
– 存储在栅格数据集中 – 定义像素的渲染方式
分享地理价值
35
Geodatabase 遥感影像管理方案
——Geodatabase 影像管理方案
分享地理价值
基于数据库的影像管理模式
• 基于成熟的商用数据库，在数据库中统一存储影像 和元数据。 • 优点
– – – – 安全 多用户访问、并发控制 数据库恢复机制 支持复杂数据类型
• 缺点
– 数据量越来越大，入库时间长 – 难以支撑PB级海量空间数据管理
分享地理价值
Microsoft TerraServer
分享地理价值
基于文件与数据库结合的影像管理模式
• 影像数据作为外部文件存储，而影像的元数据用关系 数据库管理，通过在数据库中存储影像数据的路径名 来存取影像。 • 优点：
– 保持原始文件，减少数据复制 – 提供影像元数据管理 – 支持基于元数据影像查询
• 缺点：
– 本质上仍是文件管理 – 共享和并发困难 – 无法实现影像的无缝漫游
• 栅格属性 Raster Attribute
– 栅格类型的属性字段 – 基于库中存储的RasterDataset – 和其他属性字段同样使用
分享地理价值
栅格数据集 Raster dataset
• • • 栅格数据管理的基本单元 提供所有比例尺下的快速浏览 具有栅格数据集的所有属性：
– Pyramids, images statistics, spatial reference …
ຫໍສະໝຸດ Baidu
分享地理价值
北京一号小卫星 4米黑白
分享地理价值
福卫2号
2米
分享地理价值
KOMPSAT-II 1米
分享地理价值
IKONOS 1米
分享地理价值
GeoEye-1
0.41米
分享地理价值
遥感未来发展趋势
• “三多”
– 多平台 – 多传感器 – 多角度
• “三高”
– 高空间分辨率 – 高光谱分辨率 – 高时相分辨率
• • 可把多幅小的影像镶嵌成完整的影像 但是：镶嵌比较耗时 – 更新操作，更耗时，需要更多的系统资源 – 格网大小一致 可用于地图背景等 不能对元数据描述进行扩展
Image1 Image1 Image2 Image2
• •
Mosaic Mosaic
分享地理价值
栅格目录 Raster Catalog
方案选择（续）
• 根据建库应用需求，选择不同的数据库管理方案。
– C/S,还是 B/S应用 – 分析影像数据，综合使用各种方案
• 25m分辨率，底图可镶嵌管理等
– 设置合适的属性：金字塔，分块，压缩，重采样等 – 等等
分享地理价值
发展趋势
• 企业级的影像建库，开始从对C/S应用的支持，向 B/S应用转变 • 局域网的多用户的并发访问，从传统的直接访问数 据库，向使用服务进行转变 • 随着影像数据量越来越大，入库迁移困难，人们更 倾向于文件与数据库结合的管理模式。 • ArcGIS9.4推出新的数据模型，支持面向B/S架构的 海量影像数据管理
• 1998年6月， Microsoft借助网络化的商用数据库 SQL Server和Windows NT S e r v e r软件。 • 在Internet上建立了面向全球城市地区的地理信息 网站——TerraServer • 展示SQL Server的海量管理能力和IIS(Internet Information S e r v e r)的海量信息发布能力 • 美国和俄罗斯数十年由高精度卫星拍摄的卫星照片
– GIS应用的背景图 – 地物判读的参照 – 统计和分析数据
• 统计（例如归一化植被指数NDVI）
– 矢量地图制作/检验/更新
分享地理价值
基于Web的海量影像数据发布
• ArcGIS Online Service • Microsoft Bing Map（virtual Earth） • Google Earth
– Geodatabase 影像管理模型 – Geodatabase 影像管理方案
• 基于服务的遥感影像数据发布
– ArcGIS Server – ArcGIS Server和ArcGIS Image Server扩展 – ArcGIS Image Server独立程序
分享地理价值
Geodatabase 遥感影像管理方案
分享地理价值
海量遥感影像管理需求日益迫切
• “海量影像数据”概念深化 • 如何管理组织“海量影像数据”引发关注 • 基于文件的影像管理模式？还是 • 基于数据库的影像管理模式？还是 • 基于文件与数据库结合的影像管理模式？还是 • 其他？
分享地理价值
快速发布海量影像数据具有现实意义
• 基于Web的影像快速发布共享提升海量影像数据应用水 平，提供最新的影像用作：
分享地理价值
2. 遥感影像管理与发布模式
海量影像管理模式
• 基于文件的影像管理模式 • 基于文件与数据库结合的影像管理模式 • 基于数据库的影像管理模式 • 其他模式？
分享地理价值
基于文件的影像管理模式
• 影像管理需求 • 优势：
– 管理方便
• 劣势：
– 不易实现对数据的保护 – 数据更新能力得不到保证 – 不能实现对影像的查找
分享地理价值
基于服务的遥感影像发布
如何发布遥感影像数据
• ArcGIS Server
– raster dataset/raster dataset layer >> Image Service – MXD & MSD >> Map Service – 3dd >> Globe Service
• ArcGIS Server和ArcGIS Image Server扩展
——Geodatabase 影像管理模型
Geodatabase影像管理模型
• 栅格数据集 Raster dataset
– 装载时镶嵌的完整实体
• 栅格目录 Raster catalog
– – – – – 存储在表中的栅格数据集的集合 可作为一个实体访问 每个组成可作为raster Dataset 访问 每个组成都有独立的存储属性 Personal/File GDB：支持托管Managed/非托管 Unmanaged模式 – 企业 GDB: Embedded or referenced
海量遥感影像管理与发布
董 平
分享地理价值
内 容
1. 为什么管理和发布遥感影像 2. 海量遥感影像管理与发布模式 3. ESRI海量遥感影像管理与发布解决方案 4. ArcGIS 9.4 展望
分享地理价值
1. 为什么管理和发布遥感影像
飞机 ADS40 5cm~100cm
分享地理价值
飞艇 Canon EOS 5D 20cm
无损压缩
Pixels: Type:
有损压缩
All original values maintained in the result LZ77
Pixel values are changed by the algorithm JPEG Wavelet: JPEG 2000, MrSID, ECW JPEG: 8-bit data Wavelet: 8- and 16-bit data High User controls compression/quality ratio Data analyzed visually Smooth, continuous images
Geodatabase 影像管理方案
• 单幅影像独立存储为Raster Dataset • 多幅影像镶嵌存储为Raster Dataset • 多幅影像统一存储在Raster Catalog中
– File/ArcSDE Geodatabase 托管 – Personal Geodatabase 托管 – Personal/File Geodatabase 非托管
Applies to:
All data types
Amount of compression:
Low Higher for more homogeneous data Data analyzed by computer Data with sharp edges
Best for:
分享地理价值
重采样方法Pixel
• 创建影像金字塔和显示采样
Resampling
Nearest neighbor：最近邻插值
For Discrete Data 取最邻近的像素值 不创建新的像素值 速度最快
Bilinear interpolation：双线性
取邻近四个像素值的平均 For Continuous Data 平滑大多数图像 对连续数据较快的重采样方法
分享地理价值
分块“瓦片”
• 在GeoDatabase中把栅格数据分块存储 • 允许分块访问提高数据显示效率 • 默认推荐分块大小： 128 x 128; • 也可以更改：256 x 256; 512 x 512；1024 x 1024…
0 0
Tiling
1
2
1 2
分享地理价值
压缩算法 Compression
• • • 栅格数据集合 存储栅格数据的范围：Footprint shape 可以托管和非托管两种方式存储 – 非托管 Unmanaged
• 只存储数据所在路径 • Personal GDB和File GDB中可实现，ArcSDE不支持 • 数据操作不影响原始数据
– 托管 Managed
• GeoDatabase中存储整幅影像 • 所有的GDB中都支持，包括：personal/ File /Arcsde GDB • 数据操作影响原始数据
分享地理价值
方案选择（续）
• 多幅影像统一存储在Raster Catalog中
– 范围存在部分或全部重叠影像数据管理 – 全部重叠的多时相的影像数据管理 – 多分辨率的影像数据集管理 – 同一区域的不同类型的多源影像数据管理 – 保持原始影像数据的元数据 – 保存不同影像数据集的颜色表
适用于
分享地理价值
分享地理价值
金字塔 Pyramids
• 分辨率逐级递减 • 大大提高显示性能：
– 客户端请求数据的分辨率匹配 客户端的分辨率 – 用户每次缩放获取的像素数量 是不变的
3rd (8 m)
2x2 pixel block
• 每一级都被分块存储 • 局部构建和更新
2nd (4 m)
1st (2 m)
1 meter
分享地理价值
典型案例-Microsoft TerraServer
分享地理价值
典型案例-Microsoft Bing Map
分享地理价值
典型案例-ArcGIS Online
分享地理价值
3. ESRI遥感影像管理与发布解决方案
ESRI遥感影像管理与发布解决方案
• ESRI一体化遥感影像管理与发布解决方案 • Geodatabase 遥感影像管理
分享地 理价值 16476
栅格目录 Raster Catalog(续)
• 数据装载速度快
– 尤其是非托管模式管理的栅格数据集
• 数据不需要满足：
– 格网一致 – 像素值位数保持一致
• 减少栅格数据集 Raster Dataset的数量，提高对ArcSDE的 访问效率 • 可对栅格数据的元数据进行扩展。
– – – – – raster dataset raster dataset layer >> Image Service *.ISCDef MXD & MSD >> Map Service 3dd >> Globe Service
文件与数据库结合管理 数据库管理
分享地理价值
方案选择
• 单幅影像独立存储方案
– – – –
适用于
空间不相邻，且不在同一项目中使用的遥感影像管理 元数据独立存储，支持基于元数据的影像查询 支持独立的颜色表存储 不支持元数据扩展，需数据库支持
适用于
• 多幅影像镶嵌存储
– 支持多幅影像的无缝漫游，任意区域范围影像裁切 – 元数据统一存储，不查询和不调用单幅影像 – 分辨率一致的影像数据
Cubic convolution：三次卷积
16个邻近像素的加权值 通常重采样效果最好
分享地理价值
颜色表 Colormaps
• 与颜色相关的一系列值(RGB).
– 存储在栅格数据集中 – 定义像素的渲染方式
分享地理价值
35
Geodatabase 遥感影像管理方案
——Geodatabase 影像管理方案
分享地理价值
基于数据库的影像管理模式
• 基于成熟的商用数据库，在数据库中统一存储影像 和元数据。 • 优点
– – – – 安全 多用户访问、并发控制 数据库恢复机制 支持复杂数据类型
• 缺点
– 数据量越来越大，入库时间长 – 难以支撑PB级海量空间数据管理
分享地理价值
Microsoft TerraServer
分享地理价值
基于文件与数据库结合的影像管理模式
• 影像数据作为外部文件存储，而影像的元数据用关系 数据库管理，通过在数据库中存储影像数据的路径名 来存取影像。 • 优点：
– 保持原始文件，减少数据复制 – 提供影像元数据管理 – 支持基于元数据影像查询
• 缺点：
– 本质上仍是文件管理 – 共享和并发困难 – 无法实现影像的无缝漫游
• 栅格属性 Raster Attribute
– 栅格类型的属性字段 – 基于库中存储的RasterDataset – 和其他属性字段同样使用
分享地理价值
栅格数据集 Raster dataset
• • • 栅格数据管理的基本单元 提供所有比例尺下的快速浏览 具有栅格数据集的所有属性：
– Pyramids, images statistics, spatial reference …
ຫໍສະໝຸດ Baidu
分享地理价值
北京一号小卫星 4米黑白
分享地理价值
福卫2号
2米
分享地理价值
KOMPSAT-II 1米
分享地理价值
IKONOS 1米
分享地理价值
GeoEye-1
0.41米
分享地理价值
遥感未来发展趋势
• “三多”
– 多平台 – 多传感器 – 多角度
• “三高”
– 高空间分辨率 – 高光谱分辨率 – 高时相分辨率
• • 可把多幅小的影像镶嵌成完整的影像 但是：镶嵌比较耗时 – 更新操作，更耗时，需要更多的系统资源 – 格网大小一致 可用于地图背景等 不能对元数据描述进行扩展
Image1 Image1 Image2 Image2
• •
Mosaic Mosaic
分享地理价值
栅格目录 Raster Catalog
方案选择（续）
• 根据建库应用需求，选择不同的数据库管理方案。
– C/S,还是 B/S应用 – 分析影像数据，综合使用各种方案
• 25m分辨率，底图可镶嵌管理等
– 设置合适的属性：金字塔，分块，压缩，重采样等 – 等等
分享地理价值
发展趋势
• 企业级的影像建库，开始从对C/S应用的支持，向 B/S应用转变 • 局域网的多用户的并发访问，从传统的直接访问数 据库，向使用服务进行转变 • 随着影像数据量越来越大，入库迁移困难，人们更 倾向于文件与数据库结合的管理模式。 • ArcGIS9.4推出新的数据模型，支持面向B/S架构的 海量影像数据管理