基于数据库的影像数据管理技术研究资料下载.pdf

基于数据库的影像数据管理技术研究资料下载.pdf

《基于数据库的影像数据管理技术研究资料下载.pdf》由会员分享，可在线阅读，更多相关《基于数据库的影像数据管理技术研究资料下载.pdf（4页珍藏版）》请在冰点文库上搜索。

但目前的数据库系统对影像数据的支持有限，还存在着许多需要研究的问题。

例如，如何有效地存储影像数据以便于对影像数据的操作，如何从海量影像数据中查询与检索出所需要的信息3并进行快速浏览等等。

本文在充分分析影像数据具体特点的前提下，提出了一种对影像数据进行数据库管理的系统体系结构，并把它应用于我们863项目所要求的遥感影像库系统。

系统运行表明，利用该方法对遥感影像进行管理，可以在网络环境下，达到对超过500GB的遥感影像进行快速查询和快速访问的目的，能满足实用的要求。

本文第2部分介绍了当前影像数据管理所面对的主要问题，第3部分研究了影像数据的数据库管理方法，第4部分研究了影像数据的渐近搜索算法，最后对我们开发的影像数据库系统作了一个介绍。

2当前影像数据管理中遇到的困难影像数据的最主要特点是它的数据量巨大，往往都是数百GB或数十个TB的数据量，遥感影像应用系统的开发涉及数据的获取、加工、存储、分发、应用等诸多环节。

由于受目前硬件条件、网络带宽等方面的限制，大大限制了影像数据的应用范围。

虽然利用数据库管理“结构”性数据有它无可比拟的优越性，但如何管理影像这种“非结构”数据还需要花大力气进行研究。

最主要的困难在于海量影像数据的存储、查询索引结构的建立、海量数据的传输与网络带宽限制等几个方面，即数据的管理和发布。

海量影像数据的存储虽然随着大容量存储设备的进步有所缓解，但影像数据的存储不只是把数据放入一个可以记录的载体。

我们使用数据的目的是为了得到信息，因此，利用数据库系统管理影像数据，存储模式必须考虑影像数据的浏览、查询和信息提取等操作；

由于影像数据的海量性，还必须考虑计算机的IO效率。

当前的数据库技术虽然支持抽象数据类*）基金项目：

国家863课题“基于SIG框架的数字城市服务系统与示范”（编号：

2D02AA134030）基金资助和中国博士后基金支持朱铁稳教授，博士后，主要研究领域为遥感影像处理，地理信息系统与数据库技术，空间信息科学等；

常磊硕士，研究方向为空间数据库等；

李琦教授。

博导，研究领域为空间信息科学，数字地球、数字城市理论等；

苗前军博士。

主要研究领域为测绘、地理信息工程等95维普资讯http:

/型和BLOB类型，可以扩展成为空间数据库系统用于管理影像数据，但当数据量大到某十量值时，它的使用很难满足实际应用系统的要求。

对于影像数据的索引结构。

已有许多研究。

如文59。

但目前用于数据库系统使用的、较为成熟的只有树索引1”和R一树索引。

”。

影像数据的效据库管理，还必须研究新的索引结构解决高效性千口实用性问题。

遥感影像库的应用环境是一十典型的分布式系统。

影像的发布主要指基于Internet的发布，影像的发布和数据组织有密切的关系。

发布的效果与数据韵压缩效率和网络的传输带宽也有直接的关系虽然网络的传辅带宽随着技术的进步有较大的发展，但可肯定的是网络带宽的增长速度远远跟不上数据的增长速度。

所以必须在研究数据的组织结构的同时，研究数据的压缩算法和数据传输策略。

5影像数据的数据库管理方法影像数据的组织策略对髟像数据的应用具有十分重要的意义为了利甩效据库系统管理影像效据主要有两种方法“；

（1）以空间换取时间化整为零；

（2）以高鼓的算法换取时间和空间以空间换取时问的策略，需要对影像进行纵横两方面的预处理，建立影像数据的分层管理即存储基于原始影像的多种分辨率彰像。

高效算法主要是指影像数据的大压缩比压缩算法，数据压缩对数据的组织和发布都是非常关键的。

小渡理论0的发展和JPEG2000标准“对解决这个难题有重要的帮助。

一般来讲普避的JPEG影像通常只能压缩l0倍左右利用小渡压缩贝4可以达到100倍小渡压缩还有一个重要特点：

影像解压时可以按照不同的分辨率实现局部解压，无需读入整个影像，仅需读人影像文件特定位置的一段数据流即可。

51多舟辨率影像的抽职算法以空间换时问的策略是利用金字塔结构对影像数据进行瑛处理为了建立基于原始影像的多分辨率影像库，我们要对原始影像进行处理瑚过适当的抽取方法，得到多个分辨率影像这个抽取算法的主要思路是：

为了处理的方便，我们假定原始影像的大小是22像素，并把它叫做第O层对第0层采用隔点隔行的抽取方法得到它的较低分辨率影像，把它口q做第1层；

对第1层重复上面的步骤，得到第2层影掉，继续这个过程，直到满足所需要的分辨率为止。

图l显示了一十8X8影像的2层抽取。

影像的第1层提取&

髟像的第2屡提取图1多分辨率影像数据分层提取8）实际上，对大小为22像索的原始影像，如果用（ft）96r一（【1为整数，0Jz一）表示它的像素点则第1层影像是由原蛄影像像素为（2iz，）（z，为整数，0f，J2一）像素点组成第2层影像是由原始影像像素为（2，22）（t，为整数，0J2一）的像素点组成i，第层影像是由原始影像像索为（2t，2，）（zJ为整数0iJ2一）的像素点组成影像数据的管理+涉及成果影像和应用彩像成果影像来自生产部门应用影像主要供网上发布。

对两类数据的管理采用的管理策略是不一样的。

利用小波压缩的特点和金字塔结杓的优点我们提出一种改进的金字塔方案改进盒宇塔方案的具体思路是：

第一步先行对成果影像进行小渡压缩；

第二步对压缩后的影像进行重采样切割分块构建传统的金字塔结构；

第三步把分块后的影像存储于数据库系统的BLOB字段中这种改进的金字塔方案，实际上是二层金宇塔结构第一层是利用小波特性的虚拟金字塔，第二层是传统意义的金字塔这种结构不失为髟像效据管理的一种好的方法这种方法能蜉极大地增加特块中块的大小叉能薷足对数据快速访问的要求。

52影像的数据库管理舞略用数据库系统管理影像数据，需要把数据存人数据库菜坑我们把影像数据的分块影像存人数据库系统提供的大对象BLOB字段中，在确定的分辨率下。

每个分块作为一条记录因此，建立存储的三个关系表，如图z所示。

原始影像表：

它包含原始影像的相关信息，如影像的标示ID，影像的经纬度坐标产生的日期等等；

这些信息用于最相基于位置、日期和分辨率检索时，缩小搜索范围。

分层对象（块）表：

它包括分辨率层的层次标示分块影像标示及分块影像对象等等。

一般把原始影像规定为第0层层次艚高，分辨率越低。

分层对象表通过影像ID与影像表相关连。

属性特征表：

它记录影像的特征信息如纹理，颜色等内容。

它通过层次ID与对象（块）ID与分层对象表相联系逸种体系结构+既考虑了实际应用对髟像多分辨率的要求，叉考虑了散据库本身的技术要求和计算机系统的IO效率。

利用数据库系统管理数据的高效性达到对影像数据进行有效管理的目的。

4影像渐近搜索算法基于影像的应用，绝大多数都需要从影像数据库中找出应用需要的有用信息，这涉及到影像的检索当用户通过指定某个对象（分块影像或升块髟像的一部分）或对象特征时，应该能够根据对象或对象特征提取出所期望的信息t因此t影像的搜索算法研究是非常关键的，在众多的搜索算法研究中t渐近搜索算法具有重要地位，我们研发的系统中所采用的是新近模板匹配法和影像分类法L】”。

41模板匹配（templatematchiDg）”模板匹配是在像索点的层次上抽取内容当指定示例影像时它检索精确包吉（或近似包含）用户指定的示例影像的影像，因而模板匹配需要逐点比较示例影像宴际上由于影像噪声、量化影响以及影像本身的误差，影像的精确匹配是十分稀少的。

恻如在卫星遥感影像中仅仅由于季节的变化而导致的影像误差就使得匹配过程非常困难。

因此-匹配往往只是近似的。

维普资讯http:

/分屡对基表影悼表譬属性特拒表圈2数据库结构体系设S=f（x，）是一幅太小为AXXAy的影像t模板影像T=g（x，）也是大小为凸的影像，我们可以定义S与丁之间的距离函数c厂（）_额箸显然当上式的结果最小时的影像S就是模板的最佳匹配影像由于卜础dx,：

ly一，y）dxd+（x,y）drA一2dy爱爰等餐中尸）dxdyy）dxdy对两十确定的影爱爱等黩0像s和T来说是常数，因而也可以说。

当llf（x，y）g（za：

0y）dxdy的结果最大时S就是T的最佳匹配影像。

在离散的情况下髟像S与模板T之间的相关系数可以采用相关系数的计算公式：

lIl=（To）（【-十_一j）t。

口j-O（cil一）。

（sc+1+一Scud。

一这里，一S+J）,-y，S一Sc（，i-OJ口Ay）是开始于（m，）点且大小为凸的子影像。

渐近模板匹配的思路是首先计算低分辨率影像的相关系数，然后利用局部晟大的方法来逐渐提高相关系数的精度它能极大地减少计算复杂度42分类（classification）对海量影像数据根据影像特征进行适当分类，能够极大地加速影像的查询、检索操作分类过程实际上是对影像的特殊像素或不同区域指定标示的过程假定多分辨率影像的最高层（分辨率最低）为第层，最低层（分辨率最高）为第0层，第层上的一个1X1的分块则对应着第0层的一个2的像素块渐近分类算法的凌程框图和相邻两层分类如图3所示在第上层，对每个升块给定一个标示（系数）判定标示对应的下一级分辨率影像的分块是否一致，如果一致影像的这些分块都标示K如果不一致则把它分成4块产生4个标示继续对这4十标示重复前面的过程，直到检测到所有的块都是一致的或者达到了它的最大分辨率如图3右侧考虑的例子在第L层我们考虑4个像素，标示为1和3的块影像是一致的，我们分别把1和3对应的下一层子块缩定为同一十标示（各4个），标示为2和4的块影像是不一致的，我们在第L一1层继续对相应的8个子块继续讨论图3渐近分类算法流程图和相邻两层分类实例因为我们所考虑的大多数影像，相邻像素点之间具有很（下转第1I5面）97维普资讯http:

/Communication2003，18（4）：

29730730KimBS，ChoiJC，ParkCH。

eta1RobustdigitalimagewatermarkingmethodagainstgeometricalattacksJRealTimeImaging，2003，9（4）：

13914931HemandezJR。

PerezGonzalezFStatisticalanalysisofwatermarkingschemesforcopyrightprotectionofimagesJIn：

ProcoftheIEEE1999，87（7）：

1142116632TsekeridouS，SolachidisV，NikolaidisN，NikolaidisATefasA。

PitasIStatisticalanalysisofawatermarkingsystembasedonBernoullichaoticsequencesJSignalProcessing，2001，81（6）1273129333NikolaidisA。

PitasIAsymptoticallyoptimaldetectionforadditirewatermarkingintheDCTandDwTdomainsJIEEETransactionsonImageProcessing2003，12（5）：

56357134FotopoulosaV。

SkodrasaANImprovedwatermarkdetectionbasedonsimilaritydiagramsJSignalProcessing：

ImageCornmunication。

2002，17（4）：

337345（上接第97页）强的相关性，较低分辨率对应的标示大部分在较高分辨率的对应块下都是一致的，所以较之在完全分辨率下的逐点讨论，这种方法有两个优点：

快捷和精确。

5实验验证根据国家863项目“基于SIG框架的数字城市服务系统与示范”的研究需要，依据我们的研究成果，我们开发了一个北京市综合遥感影像数据库系统。

系统需要达到的目标是：

要对多数据源、多分辨率、多时相的空间数据进行有效的管理，实现对影像数据和相应的元数据进行高效的管理和检索，达到方便的存储管理和分发服务的目的；

能够管理多比例尺、多分辨率、多数据源的遥感影像，实现影像的高效检索；

由全貌到细节、由整体到局部、由低分辨率到高分辨率快速无缝地进行影像漫游和浏览；

并且能够与其它系统集成，为其它应用服务。

系统运行的其中一个界面如下。

图4遥感影像数据库系统界面系统运行情况表明：

我们的理论能够建立完善的空间数据管理和运行机制，实现对在线、近线、离线数据的科学管理；

提供方便的数据管理和维护工具，使数据管理者可以方便地对海量影像数据进行管理和维护；

提供快捷方便的数据检索机制，实现网上数据检索、浏览和应用；

可以方便地实现多源空间数据的集成；

建立良好的数据服务体系，为社会各个部门提供良好的应用服务。

结束语利用数据库技术管理影像数据是影像数据管理的发展方向之一，它能充分利用数据库系统的高效性和有效性。

由于影像数据自身的特点，目前用数据库系统来管理海量的影像数据还存在许多困难。

在本文中，作者提出了适用于数据库管理的影像数据分块方法，多分辨率影像的提取策略和影像的数据库管理结构，即改进的金字塔方案，以及影像的渐近搜索算法。

研究成果已在国家863项目“基于SIG框架的数字城市服务系统与示范”中得到实现与验证。

但研究还只是初步的，我们将对利用数据库管理影像数据技术进行深入的研究。

参考文献1HenryAS。

KorthF。

SudarshanSDatabaseSystemConceptsThirdeditionTheMcGrawHillCompaniesInc2GttetingRHAnIntroductiontoSpatialDatabaseSystemsSpe-cialIssueonSpatialDatabaseSystemsoftheVLDBJournaI。

1994，3（4）3FlicknerM。

eta1Querybyimagecontent：

TheQBICsystemIEEEComputer。

1995，（9）：

23314MacCuishJMcPhersonA。

eta1Interactivelayoutmechanismsforimagedatabaseretrieva1In：

ProcofSPIEIS&

TConf、onVisualDataExplorationandAnalysisIII，SanJose。

CA。

19962656：

104l155ArmitagePA。

BastinME、Selectinganappropriateanisotropyind