一种基于移动端的遥感影像数据处理系统及数据处理方法

摘要

本发明公开一种基于移动端的遥感影像数据处理系统及数据处理方法，所述的移动端包括波段运算模块、彩色合成模块和图像分类模块，所述的数据处理方法具体为服务器端发布多个单波段影像和矢量数据，移动端接收并对其进行波段运算、图像分类和彩色合成。本发明的数据处理系统和方法省去了客户端与服务器端的频繁交互，节约了服务器的计算资源；且在网络情况较差的环境(如野外)下，能够实现影像数据的实时显示和处理，完善了用户体验，且系统对硬件配置要求较低，便携性较好，且由于采用开源技术完成，技术成本较低，从而可以广泛应用在地质调查，野外救援等即时性较高的工作中。

说明书

技术领域

本发明涉及遥感影像处理领域，具体涉及一种基于移动端的遥感影像数据处理系统及数据处理方法。

背景技术

随着由美国宇航局的全球观测系统和其他国际项目及商业化项目发射的一系列卫星相继投入业务运行，遥感影像数据逐渐变成了地学研究中一种重要的数据源。为了更好的应用遥感影像数据，很多学者便将网络地理信息系统(Web Geographic InformationSystem，WebGIS)作为一个有效的工具来实现对遥感影像数据的展示、空间分析、数据挖掘和数据共享等操作。WebGIS是利用互联网技术来扩展和完善传统GIS的一项新技术，是实现GIS互操作的一条理想解决途径。WebGIS弥补了传统GIS在数据共享方面的不足，其核心是在传统GIS中嵌入HTTP标准的应用体系，实现互联网环境下的空间信息管理和发布，具有较强的用户交互能力，可以传输并在浏览器上显示多媒体数据。利用WebGIS，用户可以从网络中的任意节点浏览站点中的空间数据、制作专题图、进行多种空间信息检索和空间数据分析，进而实现了较强的用户交互。

Web GIS具有优于传统GIS技术的特点：(1)更广泛的访问范围。全球范围内任意一个客户可同时访问多个位于世界各地不同的Web GIS服务器上的最新数据，Internet所特有的这些优势大大方便了Web GIS的数据管理，使分布式的多数据源的数据管理和合成更易于实现。(2)平台独立性。无论移动端与服务器是何种机器，操作系统如何，或者服务器端使用何种Web GIS软件，由于使用了通用的Web浏览器，用户都可透明访问Web GIS数据库，在本机或某个服务器上进行分布式部件的动态组合和空间数据的协同处理与分析，实现远程异构数据的共享。(3)真正大众化的GIS。以往的GIS由于成本高、技术难度大，往往成了少数专业人士拥有的专业工具，很难推广。而且对于每个用户来说，在每个客户端都要配备昂贵的专业GIS软件，但用户经常使用的却只是一些最基本的功能，这在实际上造成了极大的浪费。Web GIS则给更多的用户提供了使用GIS的机会。Web GIS在客户端通常只须使用通用浏览器进行浏览和查询(有时还要加入一些免费使用的插件、ActiveX控件等)，从而大大降低了系统成本。

但是，在现有WebGIS的解决方案及应用案例中，大量的数据分析工作是放在服务器端完成的，移动端的主要任务则是通过网络获取并在用户界面中展示服务器端发布的海量遥感影像数据，这对于用户所处环境的网络状况要求较高。海量的高分辨率遥感数据的传输会受到网络带宽、时延等方面的影响，降低了用户使用体验；另外一方面，大量的数据分析放在服务器端进行，增加了服务器端的工作载荷，也未能高效地利用移动端的计算资源。本发明即针对上述问题。

发明内容

针对现有技术的不足，本发明提供一种基于移动端的遥感影像数据处理方法及遥感影像数据处理App，该处理方法减少客户端与服务器端之间的大数据量的遥感数据交互，降低了对网络带宽的要求，获得均衡理想的计算资源使用及用户体验。具体技术方案如下：

一种基于移动端的遥感影像数据处理系统，其特征在于，所述的移动端包括波段运算模块、彩色合成模块和图像分类模块；

所述的波段运算模块用于对服务器端发布的单波段遥感影像数据进行数学运算，具体包括归一化植被指数、归一化建筑指数和归一化水体指数；

所述的彩色合成模块根据用户的需求进行遥感影像的彩色合成，具体包括波段选择模块和彩色合成模块；

所述的图像分类模块存储用户获得的样本数据，并对所述的彩色合成模块所生产的彩色遥感影像进行分类，具体包括样本采集模块、样本保存模块和图像分类模块。

一种如上所述的基于移动端的数据处理系统的数据处理方法，其特征在于，该处理方法基于所述的遥感影像数据处理系统的移动端和服务器端来实现，具体包括如下步骤：

步骤一：所述的服务器端对存储在其中的多个单波段遥感影像进行切片并通过WMS进行发布，对存储在其中的矢量数据通过WFS进行发布；

步骤二：所述的服务器端发布对多个单波段遥感影像和矢量数据进行分析处理的代码；

步骤三：所述的移动端通过互联网接收所述的服务器端发布的切片后的多个单波段遥感影像和矢量数据及对它们进行分析处理的代码，并通过Openlayers 3在移动端获取并渲染所述的服务器端发布的多个单波段遥感影像；

步骤四：所述的移动端对步骤三渲染后的影像进行波段运算和/或彩色合成，并对彩色合成的影像进行图像分类，其中，

所述波段运算具体为：基于所述的服务器端发布的多个单波段遥感影像进行数学运算；

所述的彩色合成具体为：(1)遥感影像的波段选择；(2)基于相应波段的遥感影像进行彩色合成；

所述的图像分类具体为：(1)所述的移动端采用点数据的方式收集用户交互的矢量数据，并将用户交互的矢量数据放入步骤三中移动端已经获取的矢量数据中；

(2)将用户交互的矢量数据通过Openlayers 3的Map API的on方法和forEachLayerAtPixel方法转换为栅格数据，并存储在移动端；

(3)采用基于像素的分类方法，用步骤(2)获得的栅格数据对彩色合成的影像进行分类；

步骤五：所述的移动端对步骤四的操作结果进行渲染并存储。

与现有技术相比，本发明的有益效果如下：

1.本方法在移动端对服务器端发布的多个单波段遥感影像数据进行相关的数据分析工作，省去了客户端与服务器端的频繁交互，节约了服务器的计算资源；

2.在网络情况较差的环境(如野外)下，能够实现影像数据的快速处理和显示，完善了用户体验；

3.本发明的遥感影像数据数据处理系统对硬件配置要求较低，便携性较好，且由于采用开源技术完成，技术成本较低，从而可以广泛应用在地质调查，野外救援等即时性较高的工作中。

附图说明

图1是本发明的遥感影像数据处理方法的流程图；

图2是本发明的遥感影像数据处理方法的时序图；

图3是本发明的基于移动端的遥感影像数据处理系统的功能模块结构图；

图4是本发明遥感影像数据处理系统的可视化界面及部分处理结果。

具体实施方式

本发明不限于以上的实施形态，在权利要求书中记载的发明范围内，可以进行种种的变更，这些变更当然也包含在本发明的范围内，这是不言而喻的。

如图3和4所示，一种基于移动端的遥感影像数据处理系统，所述的移动端包括波段运算模块、彩色合成模块和图像分类模块；

所述的波段运算模块用于对服务器端发布的单波段遥感影像数据进行数学运算，具体包括归一化植被指数、归一化建筑指数和归一化水体指数；

所述的彩色合成模块根据用户的需求进行遥感影像的彩色合成，具体包括波段选择模块和彩色合成模块；

所述的图像分类模块存储用户获得的样本数据，并对所述的彩色合成模块所生产的彩色遥感影像进行分类，具体包括样本采集模块、样本保存模块和图像分类模块。

如图1和2所示，一种基于移动端的遥感影像数据处理方法，该处理方法基于遥感影像数据处理系统的移动端和服务器端来实现，具体包括如下步骤：

步骤一：所述的服务器端对存储在其中的多个单波段遥感影像进行切片并通过WMS进行发布，对存储在其中的矢量数据通过WFS进行发布；

Landsat 8OLI被作为本方法的一个应用案例，存储在所述的服务器端的多个单波段遥感影像主要包括，三个可见光波段，一个近红外波段，两个和一个全色波段。在本实施案例中，所述的服务器端通过GeoServer 2.11.0+Apache Tomcat 7.0来搭建，数据的切片与发布是通过GeoServer来实现。为了便于遥感影像的可视化，在数据发布之前统一了遥感影像数据的坐标系。在本实施案例中，影像的坐标均被统一为WGS84。对于栅格数据，利用GeoServer把数据作为maps/images来发布，主要是借助于Web Map Service(WMS)来实现；对于矢量数据，直接发布实际的数据，主要是借助于Web Feature Service来实现，同时也提供了对矢量数据的修改，删除和添加功能。

步骤二：所述的服务器端发布对多个单波段遥感影像和矢量数据进行分析处理的代码；

服务器端通过Java Servlet+Apache Tomcat 7.0以网页的形式来进行代码的发布，该代码用于对所述的服务器端发布的多个单波段遥感影像进行分析处理。

步骤三：所述的移动端通过互联网接收所述的服务器端发布的切片后的多个单波段遥感影像和矢量数据及对它们进行分析处理的代码，并通过Openlayers 3在移动端获取并渲染所述的服务器端发布的多个单波段遥感影像；

在本实施案例中，所述的移动端通过调用Openlayers 3中的Map API和Source.ImageWMS API来实现遥感影像的获取与渲染。在Map API中需要设置所要获取的数据源以及数据可视化的投影方式。在Source API中，需要指定数据源的URL，数据格式，图层名称和跨域方式这些与数据源相关的属性。

步骤四：所述的移动端对步骤三渲染后的影像进行波段运算和/或彩色合成，并对彩色合成的影像进行图像分类，其中，

所述的波段运算具体为：基于所述的服务器端发布的单个多波段遥感影像进行数学运算；

在本实施案例中，涉及到的波段运算主要包括以下三种，归一化植被指数(NDVI)，归一化水体指数(NDWI)以及归一化建筑指数(NDBI)。对于这三种归一化操作，是借助于Openlayers 3中的Raster API来完成。在Raster API中有两个参数必须指定，一个数数据源，一个是要对数据进行的具体的数据操作，即对应Raster API的source和operation参数。在本实施案例中，数据源就是计算上述提到的三种归一化指数所需要用到的相关波段的数据，operation就是这三种归一化指数的具体计算方法。

所述的彩色合成具体为：(1)遥感影像的波段选择；

遥感影像波段的选择通过与用户交互来获取。在本实施案例中，移动端获取用户的提交的数据是通过弹出输入框的方式来实现的。

(2)基于相应波段的遥感影像进行彩色合成；

彩色合成是借助Openlayers 3中的Raster API来实现的，数据源为所述的服务器端发布的所有多个单波段遥感影像，在operation参数中实现利用用户指定波段的遥感影像数据的彩色合成。但为了获取、传递和使用用户的输入参数，还需要分别用到Raster类的Set方法，On方法和Change方法。

所述的图像分类具体为：(1)所述的移动端采用点数据的方式收集用户交互的矢量数据，并将用户交互的矢量数据放入步骤三中移动端已经获取的矢量数据中；

用户矢量数据的收集是通过Openlayers 3中的Interaction.Draw、Layer.VectorAPI实现的。其中，Layer.Vector API用来初始化步骤三中移动端已经获取的矢量数据，为用户交互的矢量数据提供一个存储的图层；Interaction.Draw API用来设置用户交互的矢量数据的类型，在本案例中为点数据，以及用户在矢量图层中所编辑的数据。用户交互的矢量数据描述及保存在Interaction.Draw API的on方法的“drawend”状态中实现。

在本实施案例中，若网络状况良好，则用户添加的矢量数据直接通过WFS添加到服务器端通过PostGIS 2.3+PostgreSQL 9.5搭建的数据库中。若网络状况较差，则样本数据会被先存放在移动端的数据库中。

(2)将用户交互的矢量数据通过Openlayers 3中Map API的on方法和forEachLayerAtPixel方法转换为栅格数据，并存储在移动端；

具体来说，通过on方法来监听地图容器的状态，当用户开始输入矢量数据时，调用forEachLayerAtPixel方法来获取用户交互的矢量数据所对应的彩色合成遥感影像像元的像素值，通过这样的方式就将矢量数据转化为了栅格数据。

(3)采用基于像素的分类方法，用步骤(2)获得的栅格数据对彩色合成的影像进行分类；

利用Raster API可以获取每个图层中每个象元的像素值，那么就能够实现使用基于像素的分类方法对遥感影像进行图像分类。同样的，需要指定所要分类的彩色合成的遥感影像的数据源，以及具体的分类方法，最小距离分类法被作为一种示例算法在本实施案例中得以实现。步骤(2)中获得的栅格数据被作为图像分类的样本数据，其获取、传递和生效与彩色合成步骤中用户输入的波段选择参数相同，即分别通过Raster API的set，on和change方法来实现。

步骤五：所述的移动端对步骤四的操作结果进行渲染并存储。如图4所示。

步骤四中所述的计算结果均通过Layer.Image API来创建相关的图层，后借助Map类中的addlayer方法与Map类在实现相关图层在移动端的渲染及存储。