海量遥感影像解译样本数据管理系统的设计与实现

李峰

（山西省测绘工程院，山西太原030002）

摘要在地理国情普查与监测工作中，对大量的高质量遥感影像解译样本数据，如何对其进行有效管理，更好地服务于遥感影像的内业解译，有着非常重要意义。本文通过对遥感影像解译样本数据的特征和栅格数据存储方式的分析，设计并开发了遥感影像解译样本数据管理系统，实现了对遥感影像解译样本数据的统一管理，在巨大的数据源中可以快速查询和显示感兴趣的样本数据，并对样本数据进行统计分析，从而提高遥感影像解译工作效率，为实现遥感影像解译自动化提供数据基础。

关键词地理国情监测；遥感影像解译样本；管理系统；Oracle数据库

中图分类号P208文献标识码A文章编号2095-7319（2019）02-0057-04

海量遥感影像解译样本数据管理系统的设计与实现

0.引言

遥感影像解译样本数据包含两类，一类是地面照片；一类是遥感影像实例数据。两类数据分别从不同的侧面反映地物影像形态特征，起到相互印证的作用，可帮助解译人员更高效地认知遥感影像所蕴含的信息[1]。随着全国地理国情普查任务的完成以及地理国情监测任务的逐年开展，会采集到大量的高质量遥感影像解译样本数据，如果对这类数据能够进行有效管理，一方面可以辅助内业遥感影像解译；另一方面可以对各个区域样本数据类型进行统计分析，进而能够快速地了解某一地区的国情信息。因此，实现对遥感影像解译样本数据的管理对于地理国情常态化监测有重要意义。

本文通过对遥感影像解译样本数据特征进行分析，研究了适合样本数据管理的存储方式，并进行软件研制，实现海量数据的有序、规范存储和管理，提高数据的查询和使用效率，提高数据的安全性和保密性。在巨大的数据源中快速查询和显示感兴趣的样本数据，使其更方便地服务于内业解译、应用分析和辅助决策支持服务等，更好地服务于今后常态化地理国情监测工作。

1.遥感影像解译样本数据特征分析

遥感影像解译样本数据不同于一般的数据文件，有如下特性：

（1）地面照片与遥感影像实例均以独立的文件形式存在，且相互之间存在依赖对照关系，主要有“一对一”、“一对多”、“多对一”及“多对多”四种对应关系，通常根据地物特征，选择其中一种方式建立地面照片与遥感影像实例之间的对应关系。每一组地面照片和相对应的遥感影像实例代表一个样本点[1]。

（2）单个遥感影像实例和地面照片文件较小，但数量巨大，随着地理国情常态化监测的进行，数据文件会逐年增加。

（3）遥感影像实例文件带有空间参考信息，其坐标系统为CGCS2000坐标系。

以上为遥感影像解译样本数据所具有的基本特征信息，根据其特征设计遥感影像解译样本数据的存储方式。

2.栅格数据存储方式分析

根据遥感影像解译样本数据的特征，利用传统的人工跟数据库相结合的方式很难对其进行有效管理。存储此类数据既要满足其存储海量栅格数据的特性，又要有快速空间查询功能。国内外众多学者对此也进行了大量的研究工作，目前针对遥感影像的存储方式主要有如下几类[2-10]：

（1）以文件形式存储，即影像数据与属性数据均以文件的形式表达。用此种方式存储、管理影像数据，安全性、可维护性较差，不利于数据的调度、检索与管理等。

（2）以数据库形式存储。用数据库方式存储、管理影像数据是一种比较有效的手段，有诸多优点，如安全性好、易于维护、具有数据恢复机制、支持存储复杂多样的数据类型等，因此在很多领域也得到了应用，但也存在较为明显的缺点。以数据库形式存储影像数据目前主要有关系型数据库和非关系型数据库两种。用关系型数据库存储主要有两种：一种是用Oracle Spatial存储影像数据，此种存储方式需要自己分块创

第2期李峰：海量遥感影像解译样本数据管理系统的设计与实现2019年4月

2019年4月经纬天地第2期

建金字塔，并要求测试其性能，开发周期较长，技术要

求也较高；另一种是利用ESRI公司的ArcSDE配合传

统的关系数据库SQL Server、Oracle、DB2等来存储影

像数据，此种存储方式能够实现对海量空间数据的有

效组织和管理，比较常见的各省市1∶10000数字正射

影像数据库就是用Arc SDE和Oracle来存储影像数

据。对于非关系型数据库，应用较多的是利用MongoDB

数据库存储影像数据。MongoDB数据库是一种面向文

档的数据库，其功能强大、灵活，可存储多种类型的数

据。MongoDB的GridFSB机制可以使得MongoDB脱离

独立文件存储架构进行大二进制文件的存储，非常适

合存储本系统中照片和样本影像等海量小文件数据，

但MongoDB数据库没有空间分析和查询功能。

（3）文件和数据库混合存储管理，即影像数据以文件方式进行管理，属性数据则通过数据库进行管理。此种存储管理方式，属性数据较易实现数据的存储与检索，比较可靠有效，但对影像数据的存储管理功能较弱，特别是在数据的安全性、完整性、并发控制方面等比商用数据库逊色不少。

（4）基于对象存储影像数据，此种存储方式可以实现影像数据与属性数据的一体化管理，数据结构比较复杂，通常还受软硬件的限制，实现较困难。

在充分分析各数据库性能、功能，以及开发成本和难易程度，本文最终选用关系型数据库Oracle来存储地面照片和遥感影像实例数据，配合功能强大的空间数据引擎ArcSDE来完成数据的存储和统一管理工作。

3.系统总体设计与实现

3.1.系统总体设计

遥感影像解译样本数据管理系统基于Client/Server模式，采用三层体系结构设计，即数据服务层、中间业务层和用户表示层[11-17]。（如图1所示）为遥感影像解译样本数据管理系统的总体设计框架图。

3.1.1用户表示层

主要是为客户端提供终端图形操作界面。用户通过终端界面访问和使用系统所提供的空间信息服务。对遥感影像实例数据进行操作，包括影像数据浏览（包括图像数据的放大、缩小、漫游、属性查询等空间操作）、遥感影像实例与地面照片对照显示、样本分布图等功能。通过不同的权限对数据库数据进行管理和维护[2]。

3.1.2中间业务层

实现对数据服务层的事务处理，响应用户表示层的功能请求、处理请求，并将结果传回用户表示层。

3.1.3数据服务层

实现对系统数据的统一管理。将遥感影像解译样本数据自动或手动批量入库到空间数据库中，空间数据库选用大型关系数据库Oracle，可以实现海量遥感影像解译样本数据的一体化存储，为中间业务层提供透明的数据服务。

3.2系统实现

系统的搭建平台选用Windows操作系统，Oracle 数据库版本选用Oracle11g，系统开发采用C#语言，与后台数据库的通讯方式采用Oracle数据库底层函数库，克服了ODBC传输速度慢的缺陷，大大提高对后台数据库的访问速度。

3.2.1数据库设计

对于遥感影像解译样本数据可分为图形数据和属性数据两类。属性数据表及其字段的设计与原有遥感解译样本数据成果中的数据结构保持一致，数据表和字段的定义（如图2所示）；图形数据包括地面照片

和

图1系统总体设计框架图

图2数据结构设计