近年來(lái)的我國(guó)遙感技術(shù)快速發(fā)展,光學(xué)遙感衛(wèi)星影像分辨率不斷提高,如資源系列、高分系列、吉林一號(hào)、高景系列等衛(wèi)星密集發(fā)射,隨之而來(lái)的是遙感數(shù)據(jù)呈現(xiàn)爆發(fā)式增長(zhǎng),目前大多數(shù)遙感影像處理分析是通過(guò)專(zhuān)業(yè)人員在單機(jī)上實(shí)現(xiàn)的,處理效率低,遠(yuǎn)不能滿足海量遙感影像處理需求,而且從遙感數(shù)據(jù)到專(zhuān)題數(shù)據(jù)產(chǎn)品需要經(jīng)過(guò)一系列的處理步驟,根據(jù)不同需求可能要應(yīng)用到不同的軟件工具等,導(dǎo)致遙感專(zhuān)題信息產(chǎn)品獲取時(shí)效性極大的降低。隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展與云計(jì)算、人工智能、深度學(xué)習(xí)、大數(shù)據(jù)等技術(shù)的廣泛應(yīng)用,如何以在線處理的方式向用戶快速的提供遙感數(shù)據(jù)、計(jì)算資源、算法模型資源、及其專(zhuān)題產(chǎn)品成為一個(gè)研究難點(diǎn)與熱點(diǎn)問(wèn)題,本文就高分辨率遙感影像在線處理平臺(tái)實(shí)現(xiàn)展開(kāi)研究,將遙感數(shù)據(jù)處理算法及處理工具資源進(jìn)行整合集成,論文具體的研究工作主有:（1）詳細(xì)地介紹了現(xiàn)有的遙感影像在線處理平臺(tái)的技術(shù)基礎(chǔ)以及服務(wù)開(kāi)發(fā)模式,將自定義的專(zhuān)業(yè)遙感影像處理模型部署在云端,通過(guò)RESTful API供客戶端調(diào)用�；贛EAN開(kāi)發(fā)框架設(shè)計(jì)并實(shí)現(xiàn)了高分辨率遙感影像在線處理平臺(tái)原型系統(tǒng),提供給用戶一種在線的、實(shí)時(shí)的、方便的專(zhuān)業(yè)化服務(wù)資源,實(shí)現(xiàn)了影像查詢、遙感影像覆蓋... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ArcGISImageServer體系結(jié)構(gòu)

圖 3-5 第三方遙感影像道路提取模型e 3-5 Example of road extraction model for remote sensing示，拿到一個(gè) Linux 第三方開(kāi)發(fā)完整的遙感算法ker 中通過(guò) Dockerfile 文件定制作鏡像，鏡像的加的配置、文件。把每一層構(gòu)建、修改、安裝等這個(gè)腳本來(lái)定制、構(gòu)建鏡像。簡(jiǎn)單說(shuō)來(lái)，就是通遙感算法模型或應(yīng)用程序制作為鏡像從而運(yùn)個(gè)文本文件，其內(nèi)包含了一系列的指令，每一何構(gòu)建。Dockerfile 文件編寫(xiě)含以下指令 FROM件 、ADD：更高級(jí)的復(fù)制文件 、RUN：執(zhí)行命TRYPOINTENV：入口點(diǎn)、ENV ：設(shè)置環(huán)境變定義匿名卷、EXPOSE：暴露端口、WORKDIR：用戶。其中主要用到常用的 FROM、ADD、WO在封裝遙感算法過(guò)程中有如下四步重要操作。寫(xiě) Dockerfile 文件內(nèi)容如下

碼示例：@app. route('/api/v1.0/extact/', methods=['POST'])def extract_feature():#1 使用 request.json 對(duì)傳遞過(guò)來(lái)的進(jìn)行解析，主要包括遙感模型參數(shù)。#2 使用 subprocess 開(kāi)辟子進(jìn)程執(zhí)行遙感算法模型程序，解析參數(shù)并將其傳進(jìn) subprocess 中。#3 將其結(jié)果以 json 數(shù)據(jù)格式返回。第三步：在其第一步制作的鏡像基礎(chǔ)上，編寫(xiě) Dockerfile 文件將 WebService應(yīng)用程序壓入至鏡像中，其命令如下：FROM fangxu622/ubuntu_16WORKDIR /extract_roadADD . /extract_road第四步：?jiǎn)?dòng)容器，執(zhí)行命令：docker run –p 4000:85 -i -t fangxu622/ubuntu_16/bin/bash 進(jìn)入容器終端啟動(dòng)Web Service 或者執(zhí)行 docker run –p 8000:85 + “Web Service 啟動(dòng)命令”。

【參考文獻(xiàn)】：
期刊論文
[1]《中華人民共和國(guó)影像地圖》的設(shè)計(jì)與編制[J]. 王鴻燕,余睿,季毅民,王玉.  測(cè)繪與空間地理信息. 2017(09)
[2]結(jié)合均值漂移分割與全卷積神經(jīng)網(wǎng)絡(luò)的高分辨遙感影像分類(lèi)[J]. 方旭,王光輝,楊化超,劉慧杰,閆立波.  激光與光電子學(xué)進(jìn)展. 2018(02)
[3]中國(guó)商業(yè)遙感衛(wèi)星“高景一號(hào)”加速組網(wǎng)將打破國(guó)外壟斷[J].   航天返回與遙感. 2017(02)
[4]從對(duì)地觀測(cè)衛(wèi)星到對(duì)地觀測(cè)腦[J]. 李德仁,王密,沈欣,董志鵬.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(02)
[5]全卷積網(wǎng)絡(luò)結(jié)合改進(jìn)的條件隨機(jī)場(chǎng)-循環(huán)神經(jīng)網(wǎng)絡(luò)用于SAR圖像場(chǎng)景分類(lèi)[J]. 湯浩,何楚.  計(jì)算機(jī)應(yīng)用. 2016(12)
[6]佳格天地:農(nóng)業(yè)大數(shù)據(jù)切入萬(wàn)億市場(chǎng)[J]. 菲遙.  商業(yè)文化. 2016(28)
[7]聯(lián)合顯著性和多層卷積神經(jīng)網(wǎng)絡(luò)的高分影像場(chǎng)景分類(lèi)[J]. 何小飛,鄒崢嶸,陶超,張佳興.  測(cè)繪學(xué)報(bào). 2016(09)
[8]科幻作家眼中的“阿爾法圍棋”和“人工智能”[J].   科學(xué)之友(上半月). 2016(05)
[9]ArcGIS鑲嵌數(shù)據(jù)集對(duì)海量影像數(shù)據(jù)的管理應(yīng)用[J]. 李佳璇.  價(jià)值工程. 2016(12)
[10]基于MongoDB的分布式緩存[J]. 王勝,楊超,崔蔚,黃高攀,張明明.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(04)

博士論文
[1]云計(jì)算中Web服務(wù)發(fā)現(xiàn)與組合技術(shù)研究[D]. 王丹丹.北京科技大學(xué) 2017

碩士論文
[1]基于高分辨率可見(jiàn)光遙感圖像的建筑物提取技術(shù)研究[D]. 左童春.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于深度學(xué)習(xí)技術(shù)的高分辨率遙感影像建設(shè)用地信息提取研究[D]. 馮麗英.浙江大學(xué) 2017
[3]基于Hadoop的地質(zhì)云計(jì)算平臺(tái)搭建與應(yīng)用[D]. 邢建華.湖南科技大學(xué) 2017
[4]基于Web服務(wù)的高分辨率遙感影像在線分類(lèi)技術(shù)研究[D]. 黃杰.中國(guó)礦業(yè)大學(xué) 2017
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類(lèi)方法研究[D]. 宋欣益.哈爾濱工業(yè)大學(xué) 2016
[6]神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在量化投資中的應(yīng)用[D]. 白凱敏.山東大學(xué) 2016
[7]高分辨率遙感影像林地資源信息提取方法研究[D]. 胡湛晗.北華航天工業(yè)學(xué)院 2015
[8]基于多元回歸分析的WebGIS房產(chǎn)評(píng)估系統(tǒng)研究[D]. 楊坤.遼寧工程技術(shù)大學(xué) 2015
[9]基于REST架構(gòu)的物聯(lián)網(wǎng)數(shù)據(jù)開(kāi)放系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 許世峰.廣東工業(yè)大學(xué) 2015
[10]基于無(wú)人機(jī)影像的微山湖地區(qū)宜居性評(píng)價(jià)[D]. 丁雷龍.中國(guó)地質(zhì)大學(xué)(北京) 2015



本文編號(hào)：3073181