一、基于ORACLE数据库的遥感影像存储技术（论文文献综述）
赖广陵[1]（2020）在《全球智慧地标控制网构建关键技术研究》文中提出在遥感测绘领域,无控定位和有控定位并不矛盾,其优势和价值均不可替代。高精度的地面控制点对于提升对地观测影像定位精度具有十分重要的意义。现阶段控制点大都通过人工布设或者对基准影像进行特征提取的方式得到。人工布设方式得到的控制点,区域固定、布设成本高、需要定期维护并实地控制测量,在应用时需要在待处理影像上进行人工选点,工作量大。影像特征提取的方式采用的是人为设计的特征,该方式受限于基准影像的质量,在应用时,需要进行基准影像与待处理影像之间的匹配,而由于影像来源、分辨率、成像环境等差异,匹配的难度较大,不利于在全球范围内生成和应用地面控制点。论文针对地面控制的特点和应用需求,重点研究全球智慧地标控制网构建及应用方法。全球智慧地标控制网指的是运用智能化手段从泛在地理空间信息中获取地球表面典型地物作为地标,以地标控制点集拓展或替代传统的控制点,并能够提供给星载和机载（含无人机）等多源遥感平台用于地面控制,从而建立的拥有知识储备和智慧服务能力的全球立体地标控制网结构。构建地标控制网的主要目的在于,采用高定位精度的影像数据或三维场景数据作为基准数据生成地标控制点,一方面为定位精度弱的对地观测数据提供增强的地面控制;另一方面为失去GNSS星上精密定轨支持的各类遥感卫星,传递空间基准和全球目标定位的控制基础。通过全球智慧地标控制网的迭代更新和不断丰富完善,为提升全球遥感定位的精确性、可靠性及智能化水平,构筑信息资源支撑。论文的主要创新点如下:1.针对全球范围内地标控制点数据的统一组织和管理问题,构建了全球三维网格剖分和编码体系,提出了适用于地标数据组织的多尺度整数编码方法,设计了地标数据管理策略,实现了大规模地标数据的有效组织。论文提出的三维空间多尺度整数编码方法可将三维数据组织问题转换为一维索引问题,只需要通过整数间的加减、位域运算就能实现地标数据的快速检索,能够极大地提升数据管理效率。论文以商用空间数据库为工具,采用该方法对大规模的地标数据进行了管理实验,并对比了三维Geohash、三维R树等方法。实验结果表明,本文方法在数据导入、索引构建、区域查询等方面均具有明显的优势,其效率分别约为三维R树的20倍、40倍和20倍;在区域查询方面,其效率为三维Geohash的3～5倍。随着数据复杂程度和数据量的增加,该方法的优势更加明显。2.针对小倾角或垂直观测的待处理影像难以通过与基准影像直接匹配的方式进行控制信息的高精度传递问题,本文以高定位精度的影像数据作为基准,提出了二维地标控制点智能处理与应用方法。该方法通过选取特征明显、分布广泛且位置相对固定,不会频繁变化的地物作为地标。采用人工智能的方法对高定位精度影像上的地标进行智能检测,并通过网格、地标分布、地标质量等作为约束条件,对检测结果进行筛选和质量等级分类,确保地标控制点的均匀分布,实现地标控制点的智能处理。在此基础上,设计了基于地标几何结构和位置矢量约束的影像匹配方法,实现了地标控制点的应用。论文以道路交叉口作为地标进行了实验,构建了道路交叉口数据集,对Center Net目标检测网络增加了数据增强模块,对比了经典的目标检测方法,并采用本文设计的地标控制点应用方法实现了地标控制点在不同定位精度卫星影像上控制信息的传递。实验结果表明,本文所提方法能够实现地标的高精度检测,检测精度可达96%（AP50）,能够满足地标控制点生成的需要。相比于传统方法,本文方法将待处理影像与基准影像的直接匹配问题转换为地标影像块之间的匹配问题,有效地缩小了匹配范围,减少了匹配难度,具有更好的稳定性。地标影像块间的匹配精度更高,可达亚像元级,能够满足控制信息传递的需要。3.针对大倾角成像的影像数据难以通过二维地标控制点实现控制信息传递的问题,本文以结构化的三维场景数据与相应的影像数据为基准,提出了三维地标控制点的智能生成及控制方法。该方法以现有的开源地标影像数据集为基础,通过人工采集的方式对数据集进行了扩展,增加了数据集的多样性。基于深度学习的目标检测方法实现了二维影像上地标的智能检测。在检测的基础上,研究了二维影像与三维地标之间的空间关系模型,实现了三维地标的自动提取。以地标分布、地标尺寸、定位精度等作为约束条件,提出了三维地标控制点的筛选和质量等级分类方法,实现了三维地标控制点的智能生成。在三维地标控制点生成的基础上,根据待处理影像的成像参数将三维地标模型进行重投影,得到与待处理影像相似度更高的影像,通过重投影影像与待处理影像间的匹配实现控制信息的传递。论文选取建筑物为地标,设计了地标控制点的生成和应用实验,实验结果表明该方法能够有效地实现三维地标控制点的生成,三维地标控制点的应用匹配精度可达亚像元。相比于传统方法,本文方法通过对三维地标模型重投影,减少了影像间的差异,有效地提升了控制信息传递的稳定性,可以为大倾角对地观测数据提供高精度的地面控制点数据,实现影像定位精度的提升。
雷毅[2]（2020）在《大规模时空数据组织的高效网格编码方法与应用研究》文中研究说明传感器设备和信息技术的不断发展与成熟,使得时空数据资源极大丰富。面对海量、多源异构、多尺度和动态的时空数据,传统时空数据组织方法难以满足目前应用需求,基于网格模型的时空数据组织方法具有索引效率高、适合并行操作等特点,为大规模时空数据的高效组织提供了解决方案。然而,现有用于时空数据组织的网格编码方法,对多尺度数据的适用性较差,且其支持的大规模数据索引与查询能力不足。针对上述问题,本文主要对高效的空间/时空网格编码方法及其应用进行研究,以遥感影像和时空轨迹数据为例,实现了大规模时空数据的高效组织与索引,以支持高效的时空数据分析与应用。论文的主要研究内容与成果如下:1.针对现有空间填充曲线在尺度空间的聚簇性差等问题,提出一种跨层级空间填充曲线（Cross-level Space-filling Curve,CSC）;该曲线具有空间+尺度的高聚簇性,其编码具有递归性和高计算效率等特点。实验表明:与现有多尺度空间填充曲线相比,CSC类曲线的聚簇性提升20%以上,且随着网格总层级增加,聚簇性提高比例不断上升,但有收敛趋势;CSC类编码的子单元查询效率平均提升17倍以上,且不易受查询编码层级变化的影响。2.以经纬度空间的四叉树网格剖分和二维CSC曲线为基础,提出一种高效的地球表面空间网格编码与计算方法,服务于遥感影像数据组织;以时空区域的八叉树网格剖分和三维CSC曲线为基础,提出一种高效的时空网格编码与计算方法,服务于时空轨迹数据组织。空间/时空网格编码与计算主要由计算机位运算来完成,可使其编码计算和数据查询效率高;且因采用了CSC类曲线,空间/时空网格编码方法对多尺度数据的适用性较好。3.提出改进的多边形网格化方法,以实现影像和查询区域与网格编码的有效关联;与现有方法的对比实验表明,其在限定网格数量下多边形网格化填充精度提升较大。设计并实现遥感影像数据的空间索引与查询方法,用于研究时空分离的数据组织方法。实验表明:通过关联网格数量的设置,可使索引效率、查询效率和准确率达到较好的平衡;在与Oracle Spatial和Geohash的对比实验中,本文方法对海量影像的查询效率平均提升10和2.5倍以上,其查询准确率的平均值可达94.6%,且未出现漏查。4.提出改进的时空轨迹线和查询区域的网格化方法,以实现时空数据与网格编码的有效关联。设计并实现轨迹点/线的时空索引与查询方法,用于研究时空一体化的数据组织方法。与基于时空Geohash的数据组织方法进行对比实验,结果表明:本文方法对海量轨迹点的查询效率平均提升约16%,对轨迹线的查询效率平均提升约2.8倍。
田冬雪[3]（2019）在《基于分布式存储的海量遥感影像分类方法研究》文中认为随着对地观测技术的不断发展,遥感影像的分类在军事、农业等领域发挥着重要的作用。传统的遥感影像分类方法需要人工设计特征和参数,使得模型的泛化性差且分类精度低。深度学习作为一种新兴的技术,在图像分类领域取得了突破性进展,它能够自动的学习图像的深层特征,具有较高的识别准确率。由于深度学习模型参数较多,一般采用GPU服务器对其进行训练。但是遥感影像数据量较大,单GPU服务器无法高效的管理海量遥感影像。因此,本文提出了一种基于分布式存储的海量遥感影像分类方法,该方法将分布式文件系统作为底层的存储架构,在上层采用GPU服务器训练改进后的遥感影像分类模型。论文的主要研究内容如下所示:（1）为解决单GPU服务器无法高效地管理海量遥感影像的问题,本文提出了一种基于HBase的海量遥感影像并行处理方法。其利用HDFS分布式文件系统和分布式数据库HBase构造了面向遥感影像应用的并行处理架构,对大规模遥感影像进行管理。本文采用希尔伯特曲线和网格索引相结合的索引方式,保证遥感数据在HBase的物理存储结构上具有较高的空间临近性。同时在影像金字塔的构建和数据存储的过程中,本文提出了一种基于MapReduce的并行处理方法,有效的减少了数据的存储与读取时间。实验结果表明,基于HBase的并行处理遥感影像的方法,可以快速的处理大规模遥感影像。与Oracle和MongoDB存储方法相比,该方法具有较高的扩展性和较短的处理时间,能够为大规模遥感影像的分类提供良好的数据管理服务。（2）为了减少遥感影像分类模型的训练时间和提高分类精度,本文提出了一种基于迁移学习改进的U-Net网络模型。该方法首先基于分布式存储结构设计了一种并行采样算法MRSW,其充分利用了遥感影像金字塔数据,缩短了训练数据的构造时间。然后采用VGG16模型的卷积参数用于初始化U-Net模型,加速了模型的收敛速度;为了避免模型产生过拟合,本文对U-Net模型下采样前和上采样通道合并后进行Batch Normalization操作;由于遥感影像中类别分布不均衡,导致模型的分类精度较低,本文将用focal loss扩展到多分类作为损失函数,增加错分样本的损失权重提高了模型的分类精度。实验结果证明,本文提出的基于迁移学习改进的U-Net模型在训练过程中更加稳定,在减少模型训练时间的同时具有较高的泛化能力。其在测试数据集上可达到94.12%的准确率,较原始U-Net模型提高了 5.88%。
王晓蕊,杨强根,陈凤敏,马维峰,唐湘丹,谭兴,张时忠[4]（2015）在《基于NoSQL的高分高光谱遥感影像存储模型设计与实现》文中研究表明如何高效存储、管理呈几何增长的高分辨率、高光谱遥感影像数据,实现遥感数据的快速处理、检索和可视化是急需解决的问题.应用非关系型数据库技术,设计了由遥感元数据库、遥感影像数据库以及影像金字塔3个部分组成的海量遥感影像存储模型;建立了由硬件支撑层、数据层、数据服务层及应用层组成的遥感影像存储中间件.通过实验分析,验证了基于非关系数据库的遥感影像数据存储模型及中间件对影像数据的读写、提取性能优于传统的关系数据库.研究成果可满足高分高光谱遥感探测与评价模型对海量影像高效存储、管理的需求,具有重要的实用价值.
史少维[5]（2013）在《基于Oracle的影像库研究与开发》文中进行了进一步梳理遥感技术不断的发展，影像获取的能力强大，从而积累的影像数据量越来越大，这就要求我们更加有效的存储管理大量影像数据。影像数据资料的应用越来越广泛，为应急救灾、国情监测、城市建设规划、交通等领域提供了重要的数据，发挥着重要的作用，这使得加强数据的维护管理显得尤为必要。本文从数据库的角度出发设计研究能够实现遥感影像数据的有效存储与管理的技术，确定了以面向对象-关系的Oracle数据库为平台，分析影像库构建的主要技术，并付诸于实践进行开发的技术验证。主要内容有：首先结合遥感影像数据的组织管理模式，对国内外影像数据库的研究现状与特点进行了阐述与分析。阐述分析了Oracle数据库的开发平台内部数据组织结构，以及技术优势。对于遥感影像数据的开发，Oracle有着独特的内部组件：用于空间数据组织管理的Spatial，以及存储影像像素数据与属性元数据的GeoRaster对象类型。可以进行数据库开发的接口有很多种，选择合适的接口对于提高数据库系统的效率很重要。因此，文章对主要的接口进行了阐述与对比分析，并且提出利用OCI接口完成与Oracle影像库的数据交互工作。对考虑影像数据量不断增多的情况，对构建金字塔的影像组织技术进行了深入的分析，对于影像数据的在应用层面的调度显示技术地实现进行了设计，影像数据以大小统一的规格进行不同分辨率的存储，物理空间存量增大，实现影像数据的高效调度显示。而且数据库具有很好的扩展性。同时提出了在调度的过程中的首先的工作是影像数据块的快速定位与计算，借助Oracle内部成熟的索引机制，在影像块表上建立索引，提高检索效率的方法。最后，在上述研究的基础上，对遥感影像数据进行入库、构建金字塔、浏览显示等功能，对本文的设计的方案可行性进行了实践验证，基本实现了数据的有效操作与管理。对遥感影像数据建库管理提高了性能与数据安全。
史少维,刘云广[6]（2013）在《基于Oracle遥感影像库的构建与实现》文中研究表明随着遥感技术的不断发展,人们对影像分辨率要求越来越高,获取的影像数据量越来越大,如何安全高效地应用与管理大影像资料已成为当前迫切需要解决的问题。本文针对影像数据管理与应用方法特点,提出利用底层OCI接口起到Oracle引擎的作用,采用Oracle升级后新增InterMedia组件中ORDImage类型存储影像,结合影像数据库开发的相关技术,实现了遥感影像库的基础功能模块,为建立安全高效的遥感影像库提供了技术支持。
张谦[7]（2012）在《基于虚拟缓冲区的对象—关系型影像库技术研究》文中研究指明遥感影像是一种包含地物电磁特征的载体，在行业内主要指代的是航空照片和卫星照片。遥感影像具有可靠性强、数据容量大、获取方便快捷等特点，被广泛的应用在交通、农业、水利、环保、减灾、国土资源等部门，并且对人类社会的发展带来了不可估量的贡献。随着遥感技术的不断发展壮大，遥感影像获取的途径也越来越多样化，每天可以获得的影像数量呈现出几何级增长的趋势，影像的数据量也变得越来越庞大，甚至每天可获得的影像数据就已经达到了TB级，如何高效、方便、快捷的存储这些宝贵的资料也成为了遥感行业内的一个热点问题。本文正是在这一前提下，展开了对遥感影像有效存储技术的研究，并基于此设计了一种基于虚拟缓冲区的对象-关系型遥感影像库技术。首先，分析了现有各种不同类型影像存储技术的优缺点，并由此引出选用对象-关系模型来高效存储、检索和管理影像数据的必要。其次，针对现有对象-关系型数据库在遥感影像存储实际应用中的缺陷，提出一种新的虚拟缓冲区技术（DBVB虚拟缓冲区），在不增加物理内存和不改变操作环境的情况下大幅度的提升数据库的缓存空间，缓存更多的影像文件，提高影像数据检索的命中率，进而提高整体的检索效率。接着，对本文提出的影像库进行整体设计，在现有的对象-关系型模型OracleGeoRaster的基础上，辅以XML元数据管理技术对影像元数据进行统一管理，再利用本文提出的DBVB虚拟缓冲区技术，并对模型的数据访问采用存储过程和动态链接库的.Net环境下的二次封装，使其可以利用.Net环境优越的图形图像处理能力，并且更加通用、更易操作。最后，对本文所提出的基于虚拟缓冲区的对象-关系型影像库技术进行了原型系统的设计与实现，并与未采用虚拟缓冲区技术的对象-关系型影像库系统进行数据的查询、添加、删除、修改等操作，验证了本文所提出的技术是行之有效的。
邹金秋[8]（2012）在《农情监测数据获取及管理技术研究》文中指出农情信息在国家粮食安全保障、农业结构调整、农业资源开发和保护、农产品市场拓展、农业防灾减灾、农业可持续发展等方面已经并将继续发挥积极的科技支撑作用,开展农情监测意义重大,必须坚持长期业务化运行。监测农情需要及时、准确的农田参数数据支持,同时离不开高效的数据管理与处理方法。因此,论文主要围绕农田数据采集、数据综合管理和预处理三个关键内容开展研究。及时准确地获取农田参数及其时空动态变化信息是农情监测的前提和关键,针对农田参数获取技术的现状和问题,本文进行了系统的研究。首先确定了农情监测需获取参数类型和田间采集方法；然后研究数据传输技术,疏通了数据传输流、采集业务流等关键问题；最后在可行、经济和稳定的原则下架构农田参数获取体系,并利用现有平台搭建了两套采集系统,借助无线传感网技术及成果开发了数据入库系统,实现了定点农田参数的自动采集,同时通过共享平台和移动终端实现移动模式下农田参数采集更新。农情监测所用数据具有海量、多源、异构、多时空尺度等数据特征,同时具有多业务、多元化的应用需求,目前单文件管理模式下存在数据安全性差、查询检索慢等缺陷和问题。建设海量、安全、高效、规范的数据管理系统是农情监测的重要基础。本文通过综合利用和集成用户角色权限、数据加密及备份、空间数据模刑、元数据和数据字典等关键技术,利用Oracle10g和ArcGIS9.2等平台,搭建了集影像、栅格、矢量、属性和多媒体等数据为一体的国家级农情监测数据库。为了延伸农田数据的综合利用能力,开展数据预处理技术研究。在系统研究监测参数空间化表达方法的基础上,提出了基于影像分类结果的农田土壤温度、湿度数据空间插值方法；此外,针对栅格数据产品时空分辨率差异,初步研究了空间栅格数据融合同化技术。最后通过系统集成,可以完成农情所需数据的业务化预处理。本文的研究成果可为农情监测提供可靠的数据支撑服务,同时取得了一定的技术创新：1.基于无线传感网与WebGIS技术实现了农田参数实时采集和在线更新应无线网络定点采集系统构建的需求,开发了农田数据自动入库平台,实现了定点采集数据的实时采集和数据校正。现阶段采用无线网络采集农田数据存在一次性投资成本过高的门槛,且移动采集是必不可少的方式,因此,本文利用WebGIS和互联网等技术,构建采集、传输环节中多源数据访问与操作的中间件,屏蔽多源数据的异构性和传输接口的复杂性,以在线服务形式为用户提供农田参数的共享和互操作,实现数据实时采集更新。2.利用特色元数据和数据字典等技术实现数据高效管理首先,利用空间矢量、影像栅格等时空对象关系数据模型,实现了海量多源数据的高效组织和存储。同时,通过元数据目录技术实现数据的统一管理和高效检索,系统设计了属性、矢量、栅格、原始影像、影像产品等数据的元数据,有效解决了数据冗余、输入信息困难等难题,实现了真实数据与元数据目录灵活关联。最后,定制了特色的数据字典,通过严格定义数据关系、数据类型和安全级别等,保证了数据扩充性和安全性。3.提出了改进的农田观测数据空间插值流程本文提出了一种基于影像分类结果介导的空间插值流程,在分类控制下进行空间插值,克服了传统空间插值的盲目性,进一步提高了农田观测数据的空间插值精度。
曾毅[9]（2011）在《无人机遥感影像数据库研究与实现》文中进行了进一步梳理随着空间信息科学技术的迅速发展,遥感影像数据被越来越广泛地应用于社会各个领域。但由于市场需求、应用范围不尽相同,卫星遥感和航空遥感不能完全覆盖,而无人机遥感以其灵活性强、操作方便、投入低等优势正好填补了卫星、航空遥感的空白。无人机遥感的广泛使用必然产生大量的遥感影像数据,如何有效地管理这些遥感影像数据并提供这些数据的服务是一个研究的热点。本文的主要内容有：（1）介绍了无人机遥感影像处理的基本方法,重点分析了栅格影像数据存储管理的几种方式,对目前使用最普遍的基于中间件的ArcSDE和Oracle Spatial的两种栅格影像数据存储机制进行了深入分析对比,确定了采取Oracle Spatial GeoRaster构建无人机遥感影像数据库的方法。（2）主要对基于对象—关系数据库的无人机遥感影像建库技术进行了研究,特别是对扩展的对象—关系数据模型进行了深入探究,利用Oracle GeoRaster的新特性,完成了无人机遥感影像数据库的空间参照,数据分块、影像金字塔、空间索引等关键技术,实现了基于对象—关系数据模型高效存储管理无人机遥感影像数据。（3）开发实现了C/S体系结构的无人机遥感影像数据库系统,实现对无人机遥感影像数据存储、查询、管理等功能。
刘慧杰[10]（2011）在《面向三维可视化的海量、多版本遥感影像数据库管理关键技术研究》文中进行了进一步梳理随着遥感技术的飞速发展,人们获取大量多谱段、多分辨率、多时相遥感影像数据的手段日益丰富,但随之而来的却是海量遥感影像数据的存储、组织管理与调度越来越困难。因此,实现基于三维可视化平台关键技术的海量影像存储管理、实时调用、快速检索具有十分重要的意义。本文较为详细地介绍了现今三维可视化平台对影像数据的存储、管理及调用策略,并在此基础上,提出多版本影像数据管理模式,并对其进行了探索与详细研究,具体工作如下:1.提出对海量、多时相、多源异构影像数据的高效整合管理方案—多版本遥感影像数据组织与管理策略,形成一套全球一体化的影像组织与管理模型。2.设计了遥感影像缓存数据存储与调用模型,在遥感影像数据分层分块方案的基础之上构建了适用于海量影像缓存数据存储和管理的多金字塔复合模型;对缓存生成格式进行了探索,提出JPEG-PNG混合缓存模式;最后对XML格式进行了研究,将其用于影像元数据的存储。3.分析了平台系统的数据源和数据内容,详细介绍了影像数据的预处理过程,包括空间参考系的选择,数据的预处理,数据的质量验证等操作,为后期的数据组织管理做好准备。4.对遥感影像数据管理平台的结构进行了详细的设计,对影像数据库的构建、管理和维护中的实际问题,提出了有效的解决方法,并且简单地阐述了数据搜索调用过程。5.介绍了本文研究成果的应用,对提出的方案进行验证,并对下一步工作进行了展望。
二、基于ORACLE数据库的遥感影像存储技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于ORACLE数据库的遥感影像存储技术（论文提纲范文）
（1）全球智慧地标控制网构建关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地面控制网布设及应用概况 |
| 1.2.2 大规模地标数据组织管理现状 |
| 1.2.3 地标数据资源的智能化生成与筛选现状 |
| 1.3 全球智慧地标控制网构建存在的主要问题 |
| 1.4 论文的主要研究内容 |
| 1.5 论文的组织结构安排 |
| 第二章 全球智慧地标控制网设计及数据组织 |
| 2.1 地标控制网构建原则 |
| 2.2 地标控制点元数据体系 |
| 2.3 全球智慧地标控制网数据组织 |
| 2.3.1 全球网格剖分方案 |
| 2.3.2 三维多尺度整数编码方案 |
| 2.3.3 三维多尺度整数编码计算 |
| 2.4 地标数据组织与范围查询策略 |
| 2.4.1 二维地标数据组织与范围查询策略 |
| 2.4.2 三维地标数据组织与范围查询策略 |
| 2.5 大规模地标数据组织与检索实验 |
| 2.5.1 实验数据及环境 |
| 2.5.2 多尺度整数编码网格尺寸选择实验 |
| 2.5.3 地标数量对编码影响实验 |
| 2.5.4 地标管理与地标应用区域查询实验 |
| 2.6 本章小结 |
| 第三章 二维地标控制点智能处理与应用 |
| 3.1 二维地标控制点智能处理与应用思路 |
| 3.2 二维地标控制点智能处理 |
| 3.2.1 二维地标数据集的构建 |
| 3.2.2 二维地标的智能检测及控制点初选 |
| 3.2.3 二维地标控制点筛选及质量等级分类 |
| 3.2.4 二维地标控制点的更新与扩展 |
| 3.2.5 二维地标的网格化 |
| 3.3 二维地标控制点应用 |
| 3.4 实验与分析 |
| 3.4.1 实验环境 |
| 3.4.2 二维地标检测实验 |
| 3.4.3 二维地标控制点应用实验 |
| 3.5 本章小结 |
| 第四章 三维地标模型及三维控制构建 |
| 4.1 三维地标控制点构建及应用思路 |
| 4.2 三维地标模型及空间关系 |
| 4.2.1 三维地标模型 |
| 4.2.2 二维影像与三维模型的空间关系模型 |
| 4.3 三维地标控制点智能生成 |
| 4.3.1 三维地标数据集的构建 |
| 4.3.2 三维地标的智能检测与控制点初选 |
| 4.3.3 三维地标控制点的筛选与质量等级分类 |
| 4.3.4 三维地标控制点的更新与扩展 |
| 4.3.5 三维地标的网格化 |
| 4.4 三维地标控制点应用 |
| 4.5 实验与分析 |
| 4.5.1 地标影像智能检测与三维地标控制点生成实验 |
| 4.5.2 三维数据网格化实验 |
| 4.5.3 三维地标控制点应用实验 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（2）大规模时空数据组织的高效网格编码方法与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 网格剖分与编码方法 |
| 1.2.2 遥感影像数据组织 |
| 1.2.3 时空轨迹数据组织 |
| 1.2.4 问题分析 |
| 1.3 论文主要研究内容与组织结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 空间与时空网格编码方法 |
| 2.1 多尺度空间填充曲线 |
| 2.1.1 现有多尺度空间填充曲线方法 |
| 2.1.2 跨层级空间填充曲线方法 |
| 2.2 基于二维CSC的空间网格编码方法 |
| 2.2.1 编码的空间网格基础 |
| 2.2.2 空间网格编码方法 |
| 2.2.3 编码计算方法 |
| 2.3 基于三维CSC的时空网格编码方法 |
| 2.3.1 编码的时空网格基础 |
| 2.3.2 时空网格编码方法 |
| 2.3.3 编码计算方法 |
| 2.4 实验与分析 |
| 2.4.1 实验数据及环境 |
| 2.4.2 空间-编码方法 |
| 2.4.3 编码-空间方法 |
| 2.4.4 编码查询效率对比 |
| 2.5 本章小结 |
| 第三章 遥感影像数据的空间索引与查询 |
| 3.1 多边形网格化方法 |
| 3.1.1 多边形的多尺度网格化模型 |
| 3.1.2 多边形的多尺度网格化算法 |
| 3.1.3 与现有方法的对比与分析 |
| 3.2 影像的空间索引与查询 |
| 3.2.1 影像数据预处理 |
| 3.2.2 空间索引建立与维护 |
| 3.2.3 影像数据空间查询 |
| 3.3 实验与分析 |
| 3.3.1 实验数据及环境 |
| 3.3.2 多边形网格化填充精度对比 |
| 3.3.3 影像关联网格数量测试 |
| 3.3.4 海量影像数据的空间查询 |
| 3.4 本章小结 |
| 第四章 时空轨迹数据的时空索引与查询 |
| 4.1 时空数据的网格化方法 |
| 4.1.1 时空轨迹线的网格化 |
| 4.1.2 时空查询区域的网格化 |
| 4.2 轨迹的时空索引与查询 |
| 4.2.1 轨迹点的时空索引与查询 |
| 4.2.2 轨迹线的时空索引与查询 |
| 4.3 实验与分析 |
| 4.3.1 实验数据及环境 |
| 4.3.2 海量轨迹点的时空查询 |
| 4.3.3 海量轨迹线的时空查询 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（3）基于分布式存储的海量遥感影像分类方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感影像存储研究现状 |
| 1.2.2 遥感影像分类研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文的组织结构 |
| 2 遥感影像存储及分类技术 |
| 2.1 分布式存储相关技术 |
| 2.1.1 Hadoop概述 |
| 2.1.2 分布式文件系统 |
| 2.1.3 MapReduce编程模型 |
| 2.1.4 分布式数据库HBase |
| 2.2 卷积神经网络 |
| 2.2.1 卷积神经网络的原理 |
| 2.2.2 卷积神经网络的特点 |
| 2.3 全卷积神经网络 |
| 2.3.1 全卷积神经网络的原理 |
| 2.3.2 全卷积神经网络的特点 |
| 2.3.3 U-Net模型 |
| 2.4 迁移学习方法 |
| 2.4.1 迁移学习概述 |
| 2.4.2 迁移学习的分类 |
| 2.5 本章小结 |
| 3 基于HBase的遥感影像并行处理方法 |
| 3.1 面向遥感影像应用的分布式存储架构 |
| 3.2 遥感影像数据的存储模型 |
| 3.2.1 遥感影像的划分 |
| 3.2.2 HBase存储模型 |
| 3.3 遥感影像数据的并行处理 |
| 3.3.1 遥感影像金字塔构建 |
| 3.3.2 遥感影像数据写入 |
| 3.3.3 遥感影像数据查询 |
| 3.4 实验结果与分析 |
| 3.4.1 实验环境和数据 |
| 3.4.2 遥感影像金字塔构建实验 |
| 3.4.3 遥感影像数据入库与读取实验 |
| 3.5 本章小结 |
| 4 基于迁移学习的遥感影像分类研究 |
| 4.1 基于迁移学习的遥感影像分类模型 |
| 4.1.1 U-Net模型的改进 |
| 4.1.2 U-Net迁移学习 |
| 4.1.3 模型预测 |
| 4.2 分布式遥感影像训练流程 |
| 4.2.1 遥感影像预处理 |
| 4.2.2 基于分布式存储的遥感影像数据集构建 |
| 4.2.3 基于分布式的GPU服务调用 |
| 4.3 实验结果与分析 |
| 4.3.1 实验环境及数据 |
| 4.3.2 实验评价标准 |
| 4.3.3 基于分布式存储的数据集构建实验 |
| 4.3.4 遥感影像分类实验结果分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（4）基于NoSQL的高分高光谱遥感影像存储模型设计与实现（论文提纲范文）
| 1基于NoSQL的遥感影像存储模型设计 |
| 1.1遥感影像模型 |
| 1.2遥感影像存储模型 |
| 2基于NoSQL的遥感影像存储中间件 |
| 2.1系统架构 |
| 2.2SQLite数据库 |
| 2.3影像入库和出库实现 |
| 3实验分析 |
| 3.1实验环境 |
| 3.2实验结果与分析 |
| 4结论 |
（5）基于Oracle的影像库研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 影像库发展及研究现状 |
| 1.2.1 影像数据的管理方式 |
| 1.2.2 国内外影像库的研究现状 |
| 1.3 论文的主要内容 |
| 1.4 论文的组织结构 |
| 第2章 ORACLE 数据库与接口 |
| 2.1 VC++数据库开发技术 |
| 2.2 对象-关系模型数据库 |
| 2.3 ORACLE 数据库技术 |
| 2.3.1 Oracle 数据库体系 |
| 2.3.2 Oracle 数据组织结构： |
| 2.3.3 Oracle 编程技术 PL/SQL |
| 2.3.4 Oracle 数据保护与用户管理 |
| 2.4 开发数据库接口类型及特点 |
| 2.5 OCI 接口开发数据库 |
| 2.5.1 OCI 程序内部结构 |
| 2.5.2 OCI 操作对象数据类型 |
| 2.6 本章小结 |
| 第3章 影像库数据模型 |
| 3.1 ORACLE 影像数据类型 |
| 3.2 GEORASTER 对象数据类型 |
| 3.2.1 GeoRaster 模型结构 |
| 3.2.2 GeoRaster 空间坐标系计算 |
| 3.2.3 GeoRaster 的函数方法 |
| 3.2.4 GeoRaster 的实现与应用 |
| 3.3 本章小结 |
| 第4章 影像数据组织与检索 |
| 4.1 多层次 RDT 影像构建 |
| 4.1.1 影像数据组织模型 |
| 4.1.2 影像数据重采样方法 |
| 4.1.3 影像数据分块 |
| 4.1.4 构造多层次 RDT 影像具体过程 |
| 4.2 影像数据的调度显示 |
| 4.2.1 影像块调度范围计算 |
| 4.2.2 影像调度显示的流程 |
| 4.3 建立影像数据索引 |
| 4.3.1 建立索引的原则 |
| 4.3.2 Oracle 内空间索引机制 |
| 4.4 本章小结 |
| 第5章 影像库开发与实现 |
| 5.1 数据库设计原则 |
| 5.2 影像库开发环境 |
| 5.3 影像库结构框架 |
| 5.4 数据库表结构设计 |
| 5.5 影像库系统实现 |
| 5.6 影像库主要功能 |
| 5.7 系统性能测试分析 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）基于虚拟缓冲区的对象—关系型影像库技术研究（论文提纲范文）
| 目录 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 遥感影像组织管理技术研究现状 |
| 1.3 研究目标及主要研究内容 |
| 2 对象-关系型影像库技术 |
| 2.1 对象--关系数据库 |
| 2.2 Oracle 空间数据库 |
| 2.3 本章小结 |
| 3 DBVB 虚拟数据库缓冲区技术 |
| 3.1 数据库缓冲区技术 |
| 3.2 虚拟数据库缓冲区结构 |
| 3.3 DBVB 虚拟数据库缓冲区的管理机制 |
| 3.4 本章小结 |
| 4 基于虚拟缓冲区的对象-关系型影像库技术 |
| 4.1 对象-关系模型及影像存储结构设计 |
| 4.2 基于 DBVB 技术的虚拟缓冲区结构设计 |
| 4.3 GeoRaster 对象模型的封装设计 |
| 4.4 本章小结 |
| 5 基于虚拟缓冲区的对象-关系型影像库原型系统的实现 |
| 5.1 系统开发环境 |
| 5.2 系统总体架构 |
| 5.3 系统模块功能设计及实现 |
| 5.4 系统运行评价 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录及科研成果 |
（8）农情监测数据获取及管理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题提出和意义 |
| 1.3 国内外相关研究现状 |
| 1.3.1 国外研究情况 |
| 1.3.2 国内研究情况 |
| 1.4 研究技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究技术路线 |
| 1.5 论文资助项目 |
| 第二章 农田数据获取关键技术研究 |
| 2.1 农田数据采集技术 |
| 2.1.1 农田参数类型分析 |
| 2.1.2 采集设备分析 |
| 2.1.3 采集方式分析 |
| 2.2 农田数据传输技术 |
| 2.2.1 手工传输 |
| 2.2.2 有线数据传输 |
| 2.2.3 短距离无线传输 |
| 2.2.4 移动通讯远程数据传输 |
| 2.2.5 无线传感网数据传输 |
| 2.3 农田数据获取框架研究 |
| 2.3.1 业务流程设计 |
| 2.3.2 网络集成框架设计 |
| 2.3.3 系统框架功能设计 |
| 2.3.4 标准接口设计 |
| 2.4 关键数据获取技术及实现 |
| 2.4.1 空间位置信息获取 |
| 2.4.2 属性数据获取 |
| 2.4.3 多媒体数据获取 |
| 2.4.4 系统实现 |
| 2.5 本章小结 |
| 第三章 农情监测数据库管理技术研究 |
| 3.1 农情监测数据库建设技术路线 |
| 3.2 数据库技术国内外发展综述 |
| 3.2.1 数据库技术发展和应用现状 |
| 3.2.2 国内外大型数据库系统分析 |
| 3.2.3 农情监测数据库定位和平台选择 |
| 3.3 农情监测数据库技术方法和功能设计 |
| 3.3.1 数据库采用的关键技术 |
| 3.3.2 数据库管理系统功能设计 |
| 3.4 农情监测数据库搭建与效果评价 |
| 3.4.1 农情监测数据库技术实现 |
| 3.4.2 农情监测数据库功能评价 |
| 3.5 本章小结 |
| 第四章 农情数据预处理关键技术研究 |
| 4.1 引言 |
| 4.2 属性数据空间化表达技术 |
| 4.2.1 属性数据空间化表达的意义 |
| 4.2.2 属性数据空间化表达研究进展 |
| 4.2.3 空间化表达常用的插值模型及算法 |
| 4.2.4 农田观测参数空间插值方法确定 |
| 4.3 空间数据融合技术 |
| 4.3.1 空间数据融合的意义 |
| 4.3.2 空间数据融合国内外研究进展 |
| 4.3.3 空间数据融合算法及模型 |
| 4.4 空间数据处理软件集成 |
| 4.4.1 属性数据空间化表达系统开发 |
| 4.4.2 空间数据融合软件开发 |
| 4.5 本章小结 |
| 第五章 关键技术试验区应用示范 |
| 5.1 示范技术内容与路线 |
| 5.2 试验区概况 |
| 5.3 试验区数据获取 |
| 5.3.1 自动观测系统示范 |
| 5.3.2 人工观测远程录入系统示范 |
| 5.3.3 试验区背景数据库管理 |
| 5.4 试验区数据处理事例 |
| 5.4.1 观测数据空间化表达 |
| 5.4.2 空间插值数据与HJ-1卫星反演数据融合 |
| 5.5 本章小结 |
| 第六章 全文结沦 |
| 6.1 全文结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（9）无人机遥感影像数据库研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 无人机遥感的发展与应用 |
| 1.3 遥感影像数据库的研究现状 |
| 1.4 本文研究的主要内容及结构 |
| 第二章 无人机遥感影像处理 |
| 2.1 无人机遥感影像质量分析评定 |
| 2.2 无人机遥感影像预处理 |
| 2.3 无人机遥感影像匹配 |
| 第三章 无人机遥感影像管理技术 |
| 3.1 无人机遥感影像数据管理方式 |
| 3.1.1 文件管理 |
| 3.1.2 文件与关系数据库混合管理 |
| 3.1.3 全关系型数据库管理 |
| 3.1.4 面向对象数据库管理 |
| 3.1.5 对象—关系数据库系统 |
| 3.2 空间数据的SDE技术 |
| 3.3 主流SDE影像数据管理技术 |
| 3.3.1 ArcSDE影像数据管理技术 |
| 3.3.2 Oracle Spatial栅格影像管理技术 |
| 3.3.3 ArcSDE和Oracle Spatial比较 |
| 第四章 无人机遥感影像数据库设计 |
| 4.1 无人机遥感影像数据库设计 |
| 4.1.1 数据库设计原则 |
| 4.1.2 数据库体系结构 |
| 4.2 无人机遥感影像数据库数据管理关键技术 |
| 4.2.1 影像数据导入导出 |
| 4.2.2 地理参照 |
| 4.2.3 数据分块与影像金字塔 |
| 4.2.4 空间索引 |
| 4.3 无人机遥感影像元数据管理 |
| 4.3.1 遥感影像元数据的主要内容 |
| 4.3.2 XML Schema |
| 4.3.3 无人机遥感影像元数据处理 |
| 第五章 无人机遥感影像数据库研制与实现 |
| 5.1 无人机遥感影像数据库系统分析与功能设计 |
| 5.1.1 系统分析 |
| 5.1.2 系统功能 |
| 5.2 无人机遥感影像数据库系统功能实现 |
| 5.2.1 系统开发环境 |
| 5.2.2 系统基本功能 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文及参与的项目 |
（10）面向三维可视化的海量、多版本遥感影像数据库管理关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景及研究意义 |
| 1.2.1 应用需求 |
| 1.2.2 多版本影像数据管理模式的提出 |
| 1.2.3 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 三维可视化平台的发展 |
| 1.3.2 海量影像管理模式的发展 |
| 1.3.3 空间元数据管理的发展 |
| 1.4 研究内容及组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 组织结构 |
| 2 现有三维可视化平台遥感影像管理策略研究 |
| 2.1 Google Earth 现状 |
| 2.1.1 Google Earth 遥感影像数据来源 |
| 2.1.2 Google Earth 遥感影像数据的组织管理 |
| 2.1.3 Google Earth 遥感影像元数据的管理 |
| 2.1.4 Google Earth 缺陷 |
| 2.2 NASA World Wind 现状 |
| 2.2.1 NASA World Wind 遥感影像数据来源 |
| 2.2.2 NASA World Wind 遥感影像数据的组织管理 |
| 2.2.3 NASA World Wind 遥感影像元数据的管理 |
| 2.2.4 NASA World Wind 缺陷 |
| 2.3 神州遨游系列现状 |
| 2.3.1 神州遨游遥感影像数据来源 |
| 2.3.2 神州遨游缺陷 |
| 2.4 本章小结 |
| 3 多版本遥感影像数据管理的关键技术研究 |
| 3.1 多金字塔复合模型 |
| 3.1.1 瓦片金字塔模型 |
| 3.1.2 多金字塔复合模型的生成 |
| 3.2 全球范围四叉树空间索引 |
| 3.2.1 四叉树影像数据组织方法 |
| 3.2.2 命名规则 |
| 3.3 遥感影像数据的分块大小确定 |
| 3.3.1 分块规则 |
| 3.3.2 不同分块大小的调用效率 |
| 3.4 JPEG-PNG 混合缓存技术 |
| 3.4.1 JPEG 格式缓存 |
| 3.4.2 PNG 格式缓存 |
| 3.4.3 JPEG-PNG 混合缓存 |
| 3.5 遥感影像元数据的管理方式 |
| 3.5.1 遥感影像元数据内容的确定 |
| 3.5.2 遥感影像元数据的XML 结构 |
| 3.6 本章小结 |
| 4 多版本遥感影像数据处理及管理平台的设计与实现 |
| 4.1 遥感影像数据现势情况分析 |
| 4.2 多版本遥感影像的处理方法 |
| 4.3 多版本遥感影像数据管理平台的设计与实现 |
| 4.3.1 Oracle 对空间数据的管理 |
| 4.3.2 结构设计 |
| 4.3.3 模型及表结构设计 |
| 4.3.4 功能设计 |
| 4.4 本章小结 |
| 5 应用示范 |
| 5.1 多版本遥感影像数据组织应用示例—多时相管理 |
| 5.1.1 多时相与土地督察 |
| 5.1.2 土地督察信息系统 |
| 5.2 多版本遥感影像数据组织应用示例—元数据管理 |
| 5.2.1 环境卫星元数据的编制 |
| 5.2.2 环境卫星影像三维浏览发布系统 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 下一步工作 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
| 附件 |
四、基于ORACLE数据库的遥感影像存储技术（论文参考文献）
- [1]全球智慧地标控制网构建关键技术研究[D]. 赖广陵. 战略支援部队信息工程大学, 2020(03)
- [2]大规模时空数据组织的高效网格编码方法与应用研究[D]. 雷毅. 战略支援部队信息工程大学, 2020(08)
- [3]基于分布式存储的海量遥感影像分类方法研究[D]. 田冬雪. 东北林业大学, 2019(01)
- [4]基于NoSQL的高分高光谱遥感影像存储模型设计与实现[J]. 王晓蕊,杨强根,陈凤敏,马维峰,唐湘丹,谭兴,张时忠. 地球科学(中国地质大学学报), 2015(08)
- [5]基于Oracle的影像库研究与开发[D]. 史少维. 北京建筑大学, 2013(S2)
- [6]基于Oracle遥感影像库的构建与实现[J]. 史少维,刘云广. 城市勘测, 2013(02)
- [7]基于虚拟缓冲区的对象—关系型影像库技术研究[D]. 张谦. 河南大学, 2012(10)
- [8]农情监测数据获取及管理技术研究[D]. 邹金秋. 中国农业科学院, 2012(02)
- [9]无人机遥感影像数据库研究与实现[D]. 曾毅. 中南大学, 2011(01)
- [10]面向三维可视化的海量、多版本遥感影像数据库管理关键技术研究[D]. 刘慧杰. 河南理工大学, 2011(09)