随着卫星遥感获取技术的发展,影像数据量呈几何式增长,传统数据存储技术已经无法适应海量影像数据的处理要求。结合金字塔模型和MapReduce架构提出了一种适用于云计算环境的分布式并行存储方法—BMLStorage(storage based on MapReduce ...随着卫星遥感获取技术的发展,影像数据量呈几何式增长,传统数据存储技术已经无法适应海量影像数据的处理要求。结合金字塔模型和MapReduce架构提出了一种适用于云计算环境的分布式并行存储方法—BMLStorage(storage based on MapReduce and local file system),该方法基于金字塔模型对影像数据进行分层分块处理,并对所得瓦片重新编码。定义了一种新的存储规则,使得所有瓦片可以按照此规则利用Hadoop中的MapReduce框架实现并行存储。实验表明,该方法与现有方法相比,在海量影像数据存储性能方面有一定的提高。展开更多
There are three major research hotspots in efficient visualization techniques of high resolution remotely sensed data in network environment: the data organiza-tion and access in disk storage,the image data stitching ...There are three major research hotspots in efficient visualization techniques of high resolution remotely sensed data in network environment: the data organiza-tion and access in disk storage,the image data stitching and fitting methods,and the network transfers and access. In this paper a new method of "Big File" organi-zation for improving the storage access efficiency of high resolution remote data is presented; a "virtual data source" concept is introduced to solve the stitching problem of remotely sensed data from different sources with different resolutions; a remotely sensed data access engine design based on ATL technique is discussed to process the network transfers and access of remotely sensed data. All these techniques have been adopted in a prototype of digital China named "ChinaStar".展开更多
随着遥感技术的发展,特别是传感器分辨率的提高,影像数据量日益增长,这对高效、智能地管理海量数据提出了更高的要求,如何有效、智能地存取海量遥感数据成为当前越来越热门的话题。本文针对空间数据管理系统的发展现状,结合数据库存储...随着遥感技术的发展,特别是传感器分辨率的提高,影像数据量日益增长,这对高效、智能地管理海量数据提出了更高的要求,如何有效、智能地存取海量遥感数据成为当前越来越热门的话题。本文针对空间数据管理系统的发展现状,结合数据库存储、网络传输和客户端的硬件情况,从影像数据切片和影像数据的细节层次(level of detail,LOD)模型两个层面来解决遥感数据的存储问题,提出了自适应的遥感影像切片机制,以及与之相适应的LOD模型构建方法。通过试验证实,该影像管理机制能够在多种不同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问。本文的研究为高效的影像数据管理提供了可行的思路和方法,有助于在C/S架构的网络环境下实现基于数据库技术的遥感影像数据的高效存取和管理。展开更多
文摘随着卫星遥感获取技术的发展,影像数据量呈几何式增长,传统数据存储技术已经无法适应海量影像数据的处理要求。结合金字塔模型和MapReduce架构提出了一种适用于云计算环境的分布式并行存储方法—BMLStorage(storage based on MapReduce and local file system),该方法基于金字塔模型对影像数据进行分层分块处理,并对所得瓦片重新编码。定义了一种新的存储规则,使得所有瓦片可以按照此规则利用Hadoop中的MapReduce框架实现并行存储。实验表明,该方法与现有方法相比,在海量影像数据存储性能方面有一定的提高。
基金the National Basic Research Program of China ("973") (Grant No. 2005CB321900)the National Natural Science Foundation of China (Grant No. 40701134)
文摘There are three major research hotspots in efficient visualization techniques of high resolution remotely sensed data in network environment: the data organiza-tion and access in disk storage,the image data stitching and fitting methods,and the network transfers and access. In this paper a new method of "Big File" organi-zation for improving the storage access efficiency of high resolution remote data is presented; a "virtual data source" concept is introduced to solve the stitching problem of remotely sensed data from different sources with different resolutions; a remotely sensed data access engine design based on ATL technique is discussed to process the network transfers and access of remotely sensed data. All these techniques have been adopted in a prototype of digital China named "ChinaStar".
文摘随着遥感技术的发展,特别是传感器分辨率的提高,影像数据量日益增长,这对高效、智能地管理海量数据提出了更高的要求,如何有效、智能地存取海量遥感数据成为当前越来越热门的话题。本文针对空间数据管理系统的发展现状,结合数据库存储、网络传输和客户端的硬件情况,从影像数据切片和影像数据的细节层次(level of detail,LOD)模型两个层面来解决遥感数据的存储问题,提出了自适应的遥感影像切片机制,以及与之相适应的LOD模型构建方法。通过试验证实,该影像管理机制能够在多种不同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问。本文的研究为高效的影像数据管理提供了可行的思路和方法,有助于在C/S架构的网络环境下实现基于数据库技术的遥感影像数据的高效存取和管理。
