基于Web的遙感影像在線分類實現技術研究

基于Web的遙感影像在線分類實現技術研究

楊會元1，2，馮鐘葵1，李山山1

(1.中國科學院 遙感與數字地球研究所，北京 100094；2.中國科學院大學，北京 100049)

摘要：隨著遙感數據的社會化服務需求日益增長，如何以Web的方式向用戶提供專業遙感影像處理及應用的產品服務成為一個研究的熱點問題。本文基于Web RS概念，以及先進的網絡技術與并行處理技術，提出了基于Web的遙感影像在線分類實現技術的解決方案。本研究是探索Web RS概念和遙感影像在線服務價值的一次有益嘗試，可對于開拓我國遙感數據共享服務新型模式及提高社會化服務水平提供借鑒和支撐。

關鍵詞：在線服務；在線分類；Web RS

doi:10.3969/j.issn.1000-3177.2015.01.017

中圖分類號：TP751.1文獻標識碼：A

Implementation of Online Remote Sensing Image Classification

YANG Hui-yuan1，2，FENG Zhong-kui1，LI Shan-shan1

(1.InstituteofRemoteSensingandDigitalEarth，ChineseAcademyofSciences，Beijing100094；

2.UniversityofChineseAcademyofSciences，Beijing100049)

Abstract：With the growing demand for social service of remote sensing image，how to provide users professional products and services of remote sensing image processing and applications through the internet has become a hot issue.Based on Web RS，advanced network technology and parallel processing technology，this paper presents a technical solution for the implementation of web-based remote sensing image classification，which is not only an useful attempt to explore the concept of Web RS and the value of online services of remote sensing image，but also can help open up new model for remote sensing data sharing and improve the level of social services of remote sensing image.

Key words：online service；online classification；Web RS

1引言

大數據時代的來臨、云概念的普及以及云環境下的存儲和處理方式走向實用化，對遙感領域產生了深刻的影響，其中一個重要體現就是遙感的社會化服務，逐漸從傳統的提供簡單的數據拷貝服務向高級的定制遙感產品的方向發展[1]。因此，越來越多的研究者開始關注如何以Web的方式向用戶提供專業的遙感影像處理與分析服務[2]，使用戶只需要瀏覽器就能對數據進行專業的處理與應用分析，從而免除了遙感應用處理對于用戶的專業化需求。江西師范大學開發了鄱陽湖水情在線分析系統[3]；NASA使用MODIS數據和在線影像分析技術實現全球洪水監測[4]；張廣耀等人設計了遙感影像地圖在線服務系統[5]；唐新明等人提出一種在線的遙感影像正射糾正方法[6]。在2013年ESRI提出Web RS[2]的概念，指出隨著Web Service技術的成熟及在GIS中的成功應用，完全可以將專業的遙感影像處理與分析功能、業務分析模型和影像數據服務部署在服務器端，并以Web Service的方式發布，向用戶提供除影像數據之外更多的專業化服務資源?？梢钥闯?，通過遙感技術與Web技術的結合，可以有效降低遙感應用的門檻，能夠更好為社會大眾服務。

遙感圖像分類是將圖像中每個像元根據其在不同波段的光譜亮度、空間結構特征或者其他信息，按照某種規則或算法劃分為不同的類別[7]。隨著遙感圖像的時間分辨率、空間分辨率的不斷提高，以及波段數的增加，遙感影像正在被應用到越來越多的領域。雖然不同的應用場合對遙感圖像的處理有不同的要求，圖像分類作為遙感數據應用處理的基礎性需求，在很多的應用場景中發揮重要作用，比如礦山環境的監測、城市土壤覆蓋信息的提取、道路與水體信息的提取、地震災害分析等[8-12]，圖像分類是這些應用得以實現的重要的處理與分析環節。

常規的遙感圖像分類過程，是由專業的遙感分析人員在單機上實現的，可以簡單歸納為這樣一個流程：用戶將所需的遙感影像下載到本地，采用專業的遙感分析軟件，如ENVI、PCI、ERDAS等，進行分類操作。這一過程的實現，需要用戶自身具備進行遙感圖像分類所需的計算資源、軟件資源、專業軟件的熟練操作能力以及進行遙感分析處理所需的專業知識背景，這使得遙感圖像的分類應用受到限制，提高了遙感圖像應用的門檻，不利于充分發揮遙感圖像的使用價值，不符合遙感的社會化服務趨勢。這也是遙感數據長期以來無法得到廣泛應用的重要原因之一。

計算機技術的發展使得基于Web的遙感圖像包括在線分類在內的各種應用成為可能，使得用戶能夠充分發揮服務器端的高性能硬件資源和海量、異源遙感影像資源的優勢，使用戶能夠實時、批量、高效地獲取遙感圖像分類結果，有利于降低遙感影像的使用門檻，有利于資源整合和充分發揮遙感影像的使用價值，真正實現開放式的遙感信息發現和共享。

目前，基于Web的遙感圖像在線分類尚處于初期階段，相關的研究也較少。本文借鑒了先進的Web RS概念，針對遙感圖像在線分類提出了解決方案，并且設計與實現了一個原型系統，從而證明該方案的可行性和有效性，對探索Web RS概念和遙感影像在線服務都是一次有益嘗試。

2關鍵技術與解決方案

2.1技術流程

基于Web的遙感影像在線分類流程圖如圖1所示。首先是遙感影像的在線預覽，用戶向服務器請求預覽所感興趣的遙感影像；服務器端接收用戶的請求，并創建用戶感興趣區域的Image Server服務，以供用戶在線瀏覽；其次是用戶進行在線分類的各種參數設置，包括分類方法和分類參數。用戶設置完成相應的分類參數之后，就可以向服務器端發送分類請求，服務器端接收并解析用戶的分類請求，處理完成后把結果返回給用戶；最后是分類結果的精度評估，用戶在得到分類結果后，可以請求對分類結果進行精度評估。

圖1　遙感圖像在線分類流程圖

2.2關鍵技術點及其解決方案

針對遙感圖像在線分類的流程，本文分析了其中的關鍵技術點并給出了解決方案。

2.2.1遙感影像的web預覽

遙感影像在線預覽所看到的影像不同于一般情況下所看到的快視圖?？煲晥D是對遙感影像采樣后所生成的固定大小的圖片(如常用的512×512或1024×1024)，而遙感圖像的在線分類過程中，需要使用并顯示不進行采樣的原始數據，此外，還包含縮放、漫游、波段組合以及圖像透明度調整等功能。

針對遙感圖像在線分類過程中對預覽影像的特殊需求，一般是通過建立Image Server以服務的方式來實現遙感影像的Web預覽的。創建影像服務的方式有多種，最常用的就是在服務器端為每幅遙感影像創建一個Image Server(靜態創建)，每個Image Server對應著一個特定的訪問地址，這種創建方法操作簡便，能滿足大多數應用場景。但在線分類需要滿足用戶對影像數據庫中的任一影像進行Web預覽的要求，同時針對每一個Image Server，應該獨立于影像數據庫，也就是對影像數據庫的任何變更操作不能影響到Image Server，進而影響到在線分類的正常運行。使用靜態創建，用戶只能看到已創建Image Server的影像，對于沒有創建服務的影像，用戶則不能查看；其次，創建大量的Image Server將消耗大量的服務端資源，同時對于數據服務器的每次變更需要修改對應的影像服務，這會對遙感影像在線分類方法的應用帶來很大的限制，不符合日益擴增的遙感影像數據庫的現實。因此，需要建立一種動態創建遙感影像服務的方法，以滿足在線分類中用戶對任一影像進行Web預覽的要求，同時，也要滿足所創建的影像服務對影像數據庫保持獨立性的要求。

遙感影像的動態創建就是指服務器端不主動為任何一幅遙感影像建立影像服務，而只在接收到用戶請求后才會為指定的某一或某些遙感影像建立影像服務，以供用戶的Web預覽，并在用戶預覽之后關閉相應的服務。這對影像的在線分類將產生兩個非常重要的作用：首先，服務器端不用再建立大量的遙感影像服務，同時所建立的有限的影像服務也只有有限的生命周期，這將大大節約服務器端的資源；其次，使得遙感影像數據庫保持獨立，對遙感影像數據庫的擴充，修改等變化對影像服務沒有影響，有利于用戶充分利用服務器端的影像資源。

本文采用ArcGIS中的鑲嵌數據集(Mosaic Dataset)來動態創建遙感影像服務。鑲嵌數據集是ArcGIS 10.0新增的影像處理功能，主要用于管理和發布海量多分辨率、多傳感器影像，對柵格數據提供了動態鑲嵌和實時處理的功能，同時還可用作提供影像服務的源。

圖2　遙感影像服務的動態創建

影像服務的動態創建過程如圖 2所示，主要通過使用兩個影像數據池(update和datapool)來完成動態創建和更新操作。其中，update池是用來存放將要創建影像服務的遙感影像，在創建完成之后，需要對該池進行清空；datapool池是用來存放與影像服務相關的數據。一般過程是：首先，掃描update文件夾下的遙感影像，并對其進行波段組合生成假彩色合成圖像；其次，讀取本地配置文件，獲得鑲嵌數據集信息，從鑲嵌數據集中刪除過期的數據(datapool下)及服務，在將合成后的圖像移動到datapool文件夾中之后，清除鑲嵌數據集中對應地理數據庫中所有柵格圖像數據，同時將合成圖像添加到對應的鑲嵌數據集地理數據庫中，并建立影像金字塔；最后，定義無值區，使圖像黑色無值區域不顯示，刪除update文件夾中所有產品數據文件，完成影像服務的動態創建。

2.2.2ROI選擇

ROI區域的選擇是監督分類的關鍵，因此解決ROI區域的選擇問題，也即遙感影像的Web交互問題，是實現遙感圖像在線分類中的一個重要步驟。

在基于Web的遙感影像在線分類中，要求用戶僅通過瀏覽器就能夠完成ROI區域的選擇，與傳統分類過程中的ROI選擇相比，這是一個主要的不同點和難點。此外，還要求用戶僅通過瀏覽器就能夠對大量的樣本數據進行存儲和管理，包括修改、增加和刪除等操作。假設有10類，每類有20個樣本，那么就需要在瀏覽器端顯示和管理總計200個樣本，如何存儲和管理這些本與在單機版的遙感分析軟件中ROI區域的存儲和管理模式也存在很大的不同。由于Web環境和傳統單機版軟件環境的差異，如何把上述的操作放到Web瀏覽器上來實現，是研究遙感影像在線分類實現方法中必須要考慮的另一問題。

在實際應用中，基于Web的ROI區域選擇需要考慮更多的問題。首先是開發模式的不同，基于Web的ROI區域的選擇采用的是B/S的開發模式，這就需要充分考慮瀏覽器與服務器間的網絡通信問題，比如遙感影像的載入速度、與后臺服務器的交互、頁面的動態刷新以及異步交互等；其次，用戶的瀏覽器可能是運行在各種平臺上的，因此在開發過程中需要考慮跨平臺的問題，可采用廣泛支持的庫函數等。

本文采用jQuery技術來實現ROI區域的選擇。jQuery是一套跨瀏覽器的JavaScript庫，能夠簡化HTML與JavaScript之間的操作，用來創建功能強大的動態網頁及網絡應用程序。此外，采用DataTables插件實現對用戶選擇區域的動態管理，例如，對用戶選中的當前行進行點擊定位、修改類名、刪除選區以及添加新區域等操作。DataTables是一種基于jQuery的動態數據表格，可用來增強對HTML中Table的交互和控制，在本文系統中用來作為存放用戶ROI區域數據的容器。

本文系統的這一模塊包括以下功能：訓練樣區的選擇、訓練樣區在表單中的動態添加、表單行的點擊定位、訓練樣區的添加與刪除和類別名的修改。該模塊具有下面幾點優勢：①不同數據源的應用更靈活，如地形圖、GIS線畫圖等，可根據地理信息進行疊加，有助于幫助用戶更好地完成訓練樣本的選擇；②選擇過程的靈活性；③顯示過程的靈活性，可以隨時調整顯示的波段組合。該模塊的工作流程如圖 3所示。

圖3　ROI區域選擇運行流程圖

2.2.3分類的并行處理與負載均衡

在傳統的分類過程中可不必考慮算法并行化與負載均衡問題。然而，基于Web的遙感圖像在線分類所面對的是大量數據處理和多用戶并發訪問。因此，分類的并行化處理與負載均衡是必須要考慮問題。

遙感影像具有數據量大、時間分辨率和空間分辨率越來越高的特點，這對分類處理系統的計算速度提出了更高的要求。傳統的單處理器串行算法很難滿足計算速度的要求，而采用多處理器并行算法的并行處理，是一種在不降低運算精度的情況下的更為有效的方法。同時，當面對大量用戶的并發訪問時，如何有效且均衡地分配任務也是需要考慮的問題，從而既保證了一些節點不能過忙，也保證了一些節點不能過閑。

本文采用C語言并基于MPI(Message Passing Interface)編寫。MPI是一種消息傳遞編程模型，并成為這種編程模型的代表和事實上的標準[13]，且可以免費獲取。

對于遙感圖像處理中的數據劃分方法和分類算法的并行化等問題，已有大量的文獻可供參考[14-17]。在此基礎上，本文采用MPI技術實現了幾種分類算法的并行化，如：K-means和BP神經網絡等。

文獻中對負載均衡問題也有深入的研究和分析，并提出了改進方法[18-20]。本文工作中，由于圖像被分成大小相等的塊，每塊處理所需的時間可以認為近似相等。因此，本文采用最常用的靜態負載均衡方法來處理負載均衡問題，在進行任務分配時，主進程可以把任務平均分到每個計算節點上。

下面以K-means為例，展示基于MPI的分類并行化與負載均衡。本文使用了主從模式的設計思路，假設有N個從進程，主進程把待分類的影像劃分為M×N個大小相等且互不相交的影像塊(不足部分在邊界補零)，并生成初始化分類中心；從進程讀取相應影像塊，并根據初始分類中心進行分類處理；主進程接收分類結果，并更新聚類中心，同時判斷聚類中心的變化是否小于閾值，如果大于閾值，則回到上一步進行迭代；如果小于閾值，則迭代完成，發送分類結果。分類并行化和負載均衡的工作流程如圖 4所示。

圖4　k-means算法并行與負載均衡

2.3系統架構

針對以上的技術流程和關鍵技術的解決方案，本文采用了如圖 5所示的系統框架，它基于服務器/客戶端體系結構進行設計，包含了3個層面：

①應用層是用戶與服務器交互的接口，用戶只需要通過瀏覽器就可以使用系統所提供的功能，如遙感影像的縮放、疊加顯示、波段組合、透明度設置等。

②服務層用來接收用戶的數據處理請求，驗證并處理用戶請求，并把結果返回給用戶，如接收用戶的分類參數設置和訓練樣本，進行遙感影像的分類，并把分類產品返回給用戶，具有并發訪問和負載均衡的能力。

③數據層為用戶提供多源海量遙感數據產品，包括了系統級、精校正級、正射級以及融合產品等遙感數據產品。

圖5　系統架構圖

3實驗與分析

本文設計并實現了一個簡單的原型系統，該系統的用戶交互界面如圖 6所示。其中①為遙感影像顯示區域，并能顯示用戶的訓練樣區；②用來調整遙感影像的透明度；③、④用來設置類名并顯示、修改訓練樣本區域。

圖6　用戶交互界面

原型系統的服務器端采用4臺HP ProLiant ML350 G6構成CLUSTER機群處理環境，安裝RedHat Enterprise 6操作系統和MPICH-3.1平行計算平臺，并選用Apache Tomcat 7.0作為Web服務器。實驗數據選用了2013年9月1日北京地區Landsat-8遙感影像，影像大小為7651×7431像素，包含11個波段，數據大小為1.48G。

首先，測試基于Web的遙感影像在線分類的運行效率。實驗中，采用4個計算節點，10個用戶同時發送K-means分類請求，所用的時間從97s到153s不等。同樣的分類參數，在一臺安裝Windows 7操作系統、處理器為2.4GHz4、內存4GB的個人機上，使用遙感分析軟件ENVI進行分類處理，所需的時間在180s以上?？梢钥闯?，由于利用了服務器的高端硬件資源，以及采用了分類的并行處理和負載均衡，基于Web的遙感圖像在線分類可以為用戶提供更好的專業資源和計算資源。同時，考慮到傳統分類過程在數據傳輸、加載等方面的開銷，基于Web的遙感圖像在線分類方式要遠遠優于傳統的分類方式。

其次，對分類結果進行驗證。實驗中采用監督分類方法把遙感影像分為城市、植被、裸土和水體4類，每個類別所對應的訓練樣區數量如表 1所示。完成訓練樣區的選擇之后，把訓練樣本發送到服務器端。服務器端在接收訓練樣本和分類參數之后，對遙感影像進行分類處理，得到的結果如圖 7所示。同時，在同樣的訓練樣區和輸入參數條件下，使用 ENVI軟件進行監督分類，兩種方法得到的結果是一致的。由此可以證明，本文提出的遙感影像在線分類的工作方法是可行的。

表1　監督分類中ROI區域的樣本數

圖7　分類結果

4結束語

本文分析了基于Web的遙感圖像在線分類過程中的關鍵技術，并給出了解決方案。根據以上解決方案，本文設計與實現了一個原型系統，并使用Landsat-8影像數據進行驗證。結果表明，該解決方案是可行且有效的，這是對探索Web RS概念和遙感影像在線服務價值的一次有益嘗試，可對于開拓我國遙感數據共享服務新型模式及提高社會化服務水平提供借鑒和支撐。

參考文獻：

[1]羅名海.地理信息在線服務方式的發展[J].地理空間信息，2009，7(4)：7-9.

[2]ESRI.ENVI for ArcGIS Server (ENVIES)影像在線分析技術[J].遙感技術與應用，2011，(6)：3.

[3]吳玉燕，高丹，黃石明.鄱陽湖水生態監測和預警信息在線分析和發布系統[EB/OL].http：//blog.sina.com.cn/s/blog_764b1e9d0100vin7.html，2011-11-06.

[4]DANIELA S，BRAKENRIDGE R G，POLICELLI F S，et al.Near real-time global satellite monitoring of flooding events[EB/OL].http：//oas.gsfc.nasa.gov/floodmap/multimedia/NASA_OAS_NRTFloodMonitoring_AGUChapman17Feb2012_presentation.pdf.

[5]張廣耀，汪小欽，鄔群勇.遙感影像地圖在線服務系統設計與實現[J].測繪科學，2012，37(1)：74-76.

[6]唐新明，王華斌，李參海，等.一種遙感影像在線正射糾正方法和系統：中國，200910142524[P].2009-06-29.

[7]趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

[8]尹展，張建國，李宏斌.面向對象分類技術在高分辨率遙感影像信息提取中的應用研究[J].測繪與空間地理信息，2013，36(8)：61-63.

[9]蘇偉，李京，陳云浩，等.基于多尺度影像分割的面向對象城市土地覆被分類研究—以馬來西亞吉隆坡市城市中心區為例[J].遙感學報，2007，11(4)：521-530.

[10]胡進剛，張曉東，沈欣，等.一種面向對象的高分辨率影像道路提取方法[J].遙感技術與應用，2006，21(3)：184-188.

[11]曹凱，江南，呂恒，等.面向對象的spot-5影像城區水體信息提取研究[J].國土資源遙感，2007，(2)：27-30.

[12]王巖，王曉青，竇愛霞.面向對象遙感分類方法在汶川地震震害提取中的應用[J].地震，2009，29(3)：54-60.

[13]任亞芬，李海濤，顧海燕.遙感影像高性能分類系統設計與實現[J].遙感信息，2011，26(5)：27-30，37.

[14]蔣艷凰.遙感圖像高精度并行監督分類技術研究[D].長沙：國防科學技術大學，2004.

[15]蔣利順，劉定生.遙感圖像k-means并行算法研究[J].遙感信息，2008，23(1)：27-30.

[16]黃國滿，郭建峰.分布式并行遙感圖像處理中的數據劃分[J].遙感信息，2001，16 (2)：9-12.

[17]俞能海，楊揚.用于遙感圖像分類的簡化并行神經網絡[J].電路與系統學報，2002，7(4)：62-66.

[18]王霜，修保新，肖衛東.Web服務器集群的負載均衡算法研究[J].計算機工程與應用，2004，40(25)：78-80.

[18]田紹亮，左明，吳紹偉.一種改進的基于動態反饋的負載均衡算法[J].計算機工程與設計，2007，28(3)：572-573.

[20]郭成城，晏蒲柳.一種異構web服務器集群動態負載均衡算法[J].計算機學報，2005，28(2)：179-184.