面向關(guān)系數(shù)據(jù)庫擴(kuò)展的自適應(yīng)影像金字塔模型

胡正華，孟令奎，張 文

武漢大學(xué) 遙感信息工程學(xué)院，湖北 武漢430079

1 前 言

近年來，隨著遙感技術(shù)的迅猛發(fā)展，遙感影像（包括航空攝影相片、衛(wèi)星遙感影像、地面攝影相片等）的數(shù)據(jù)量已經(jīng)達(dá)到了 TB級(jí)［1－2］，而且還在呈爆炸式的增長［3－5］；而數(shù)據(jù)生產(chǎn)部門對(duì)大影像數(shù)據(jù)的管理要求，尤其是對(duì)影像數(shù)據(jù)的存儲(chǔ)、傳輸和維護(hù)都提出了越來越高的要求；與此同時(shí)，隨著大型關(guān)系型數(shù)據(jù)庫技術(shù)的不斷完善，空間數(shù)據(jù)由文件管理方式轉(zhuǎn)為由關(guān)系數(shù)據(jù)庫管理的方式，已經(jīng)成為目前GIS領(lǐng)域的發(fā)展趨勢(shì)。依賴關(guān)系型數(shù)據(jù)庫的處理能力來智能、高效地存儲(chǔ)影像數(shù)據(jù)的需求也愈來愈迫切。不僅如此，許多應(yīng)用都對(duì)數(shù)據(jù)庫進(jìn)行了不同層次的擴(kuò)展，使其能夠滿足更多更大數(shù)據(jù)的存儲(chǔ)需求。為Oracle添加新的數(shù)據(jù)類型是一種比較常見的擴(kuò)展模式，它通過增加一個(gè)變長的二進(jìn)制數(shù)據(jù)類型，來存放復(fù)雜的大數(shù)據(jù)對(duì)象轉(zhuǎn)換過來的二進(jìn)制數(shù)據(jù)流［6］。還有的擴(kuò)展通過增加對(duì)象體系結(jié)構(gòu)，支持用戶自定義的數(shù)據(jù)類型、函數(shù)和規(guī)則來實(shí)現(xiàn)對(duì)大對(duì)象的存儲(chǔ)［7－8］，用戶能夠根據(jù)需求，靈活地定義需要的數(shù)據(jù)類型和方法來支持特定領(lǐng)域的應(yīng)用。Oracle Spatial是Oracle支持GIS數(shù)據(jù)存儲(chǔ)和管理的空間數(shù)據(jù)插件［9］，包含了用于存儲(chǔ)矢量數(shù)據(jù)類型、柵格數(shù)據(jù)類型和拓?fù)鋽?shù)據(jù)的原生數(shù)據(jù)類型，它將所有的地理空間數(shù)據(jù)類型（矢量、柵格、網(wǎng)格、影像、網(wǎng)絡(luò)、拓?fù)洌┙y(tǒng)一在單一、開放、基于標(biāo)準(zhǔn)的數(shù)據(jù)管理環(huán)境中，減少了管理單獨(dú)、分離的專用系統(tǒng)的成本、復(fù)雜性和開銷［10］。對(duì)關(guān)系數(shù)據(jù)庫的擴(kuò)展使得數(shù)據(jù)庫在管理海量遙感影像數(shù)據(jù)的實(shí)現(xiàn)和效率上都有了長足的推進(jìn)。面對(duì)眾多的商業(yè)化數(shù)據(jù)庫，如何更高效、快捷、有效和智能地管理，尤其是存取這些海量空間數(shù)據(jù)，是一個(gè)值得研究的問題。

利用關(guān)系型數(shù)據(jù)庫來存儲(chǔ)和管理遙感影像數(shù)據(jù)，主要借助了其對(duì)二進(jìn)制對(duì)象存儲(chǔ)（BLOB）的支持，即把影像數(shù)據(jù)分層分塊建立金字塔模型后，將金字塔中每一層的影像塊轉(zhuǎn)換成字節(jié)數(shù)組存入數(shù)據(jù)庫。但是大多數(shù)關(guān)系數(shù)據(jù)庫管理系統(tǒng)并沒有考慮基本參數(shù)的選擇對(duì)數(shù)據(jù)存取效率的影響，而是選擇經(jīng)驗(yàn)值或是大多數(shù)數(shù)據(jù)管理系統(tǒng)使用的默認(rèn)參數(shù)對(duì)影像進(jìn)行存儲(chǔ)和管理。事實(shí)上，遙感影像數(shù)據(jù)分塊的大小不僅影響底層數(shù)據(jù)庫的讀寫效率，也關(guān)系到客戶端的影像渲染效果，數(shù)據(jù)的讀取和顯示速度是關(guān)系到系統(tǒng)可視化效率的重要問題［11］。根據(jù)海量遙感影像數(shù)據(jù)網(wǎng)絡(luò)化快速存取的需求，本文深入研究了在C/S系統(tǒng)架構(gòu)下，利用Oracle數(shù)據(jù)庫支持對(duì)二進(jìn)制流存儲(chǔ)的特性，分別從數(shù)據(jù)庫存儲(chǔ)、傳輸和客戶端3個(gè)方面來研究遙感影像的智能存取策略，提出了自適應(yīng)的遙感影像數(shù)據(jù)庫存儲(chǔ)管理機(jī)制。通過對(duì)算法的分析，并與使用默認(rèn)分塊值對(duì)影像數(shù)據(jù)進(jìn)行分塊的情況做了對(duì)比試驗(yàn)，得出該自適應(yīng)遙感影像管理機(jī)制能夠更好地適應(yīng)局域網(wǎng)環(huán)境，對(duì)遙感數(shù)據(jù)進(jìn)行高效智能的存儲(chǔ)管理。

2 自適應(yīng)的遙感影像存儲(chǔ)機(jī)制

自適應(yīng)的遙感影像存儲(chǔ)機(jī)制包括影像的細(xì)節(jié)層次模型（level of detail，LOD）［12－13］和數(shù)據(jù)庫智能切片機(jī)制兩部分組成。LOD影像模型是在不影響畫面視覺效果的條件下，通過逐層簡化影像的清晰度來減少影像數(shù)據(jù)量，從而提高繪制的效率。在LOD模型中經(jīng)常會(huì)結(jié)合影像的分塊技術(shù)，通過分塊可以將LOD模型中的每一層數(shù)據(jù)分割成相對(duì)較小的數(shù)據(jù)塊，選擇合適的分塊尺寸不僅影響了數(shù)據(jù)的存儲(chǔ)效率，也制約著客戶端快速的訪問和顯示。因此，本文設(shè)計(jì)的智能切片機(jī)制綜合考慮了數(shù)據(jù)庫存儲(chǔ)塊的大小、局域網(wǎng)的網(wǎng)絡(luò)帶寬和客戶端的硬件設(shè)施對(duì)切片大小的影響。在LOD影像模型構(gòu)建中主要對(duì)金字塔構(gòu)建的層數(shù)進(jìn)行了限制，從而影響了影像在進(jìn)行重采樣時(shí)采樣算子的選取等，其層級(jí)關(guān)系如圖1所示。

圖1 自適應(yīng)遙感影像存儲(chǔ)機(jī)制的邏輯結(jié)構(gòu)Fig.1 The logical structure of self－adaptive remote sensing imagery storage mechanism

2.1 遙感影像數(shù)據(jù)庫的智能切片機(jī)制

在自適應(yīng)的切片算法中，本文將從服務(wù)器端數(shù)據(jù)庫的存儲(chǔ)塊的大小、局域網(wǎng)的網(wǎng)絡(luò)帶寬和客戶端硬件設(shè)施3個(gè)方面對(duì)切片大小的選取進(jìn)行討論和試驗(yàn)。

2.1.1 數(shù)據(jù)庫存儲(chǔ)的最適宜切片研究

數(shù)據(jù)庫每次執(zhí)行I/O操作的時(shí)候，都是以O(shè)racle的數(shù)據(jù)塊為單位的。對(duì)于不同的硬件環(huán)境和操作系統(tǒng)，一般會(huì)設(shè)置不同的數(shù)據(jù)庫存儲(chǔ)塊大?。辉O(shè)置合理的數(shù)據(jù)庫存儲(chǔ)塊可以有效地節(jié)省I/O索引的訪問路徑［14］。設(shè)置較小的數(shù)據(jù)庫存儲(chǔ)塊，可以有效減小數(shù)據(jù)塊之間的讀寫競爭，提高文件系統(tǒng)的訪問速率，但當(dāng)存儲(chǔ)相同大小的文件時(shí)，需要花費(fèi)更多的存儲(chǔ)空間，對(duì)局部塊的寫入會(huì)使數(shù)據(jù)庫進(jìn)程的工作效率降低。選擇較大的數(shù)據(jù)庫存儲(chǔ)塊時(shí)，雖然對(duì)每一個(gè)存儲(chǔ)單元來講能夠存儲(chǔ)更多的數(shù)據(jù)，額外的開銷較?。蝗欢?，當(dāng)讀取連續(xù)文件系統(tǒng)的緩存時(shí)，會(huì)對(duì)其造成不恰當(dāng)?shù)念A(yù)讀［14－15］；對(duì)于多并發(fā)讀取，會(huì)加重索引頁塊之間的競爭。因此在進(jìn)行影像分塊選擇切片的大小時(shí)，對(duì)數(shù)據(jù)庫的存儲(chǔ)塊大小必須予以考慮。表1顯示的是影像數(shù)據(jù)選擇不同分塊尺寸時(shí)在塊大小不同的數(shù)據(jù)庫中存儲(chǔ)所耗費(fèi)的時(shí)間。

表1 選擇不同分塊尺寸在塊大小不同的數(shù)據(jù)庫中存儲(chǔ)所耗費(fèi)的時(shí)間Tab.1 Consumed time by storing in the database with different block sizes s

由表1可以發(fā)現(xiàn)，在分塊影像數(shù)據(jù)量一定的情況下，分塊越小，由于增加了磁盤尋址和寫操作的次數(shù)，花費(fèi)在建立索引上的時(shí)間也增加了，這樣就大大降低了入庫效率；而分塊過大，由于數(shù)據(jù)不能存儲(chǔ)在一個(gè)存儲(chǔ)塊單元中，數(shù)據(jù)庫就需要增加存儲(chǔ)塊來對(duì)影像塊進(jìn)行存儲(chǔ)，因此也不利于提高存儲(chǔ)速率。理論上，影像分塊后使每塊數(shù)據(jù)能保存在一個(gè)數(shù)據(jù)庫存儲(chǔ)塊中效率最高，也能提高讀取影像的速度。另外，考慮到每個(gè)數(shù)據(jù)塊還要保留10%的空間以備后期數(shù)據(jù)的更新與維護(hù)［15－16］，所以若要使每個(gè)影像塊存儲(chǔ)在一個(gè)存儲(chǔ)單元中，可根據(jù)式（1）估算分塊的大小

式中，M為影像的數(shù)據(jù)量；w為影像的寬度；h為影像的高度；x為影像分塊的大??；T為數(shù)據(jù)庫存儲(chǔ)塊的大小。

2.1.2 網(wǎng)絡(luò)傳輸下的最適宜切片研究

通過數(shù)據(jù)分塊可以有效地減少平臺(tái)前端與數(shù)據(jù)庫端的數(shù)據(jù)傳輸量［17］。在網(wǎng)絡(luò)環(huán)境中，針對(duì)多用戶影像數(shù)據(jù)服務(wù)，瓦片金字塔模型不僅具有良好的數(shù)據(jù)緩沖特性，而且還具有良好的并行特性［18］。

從理論上講，網(wǎng)絡(luò)帶寬對(duì)于影像數(shù)據(jù)的傳輸正相關(guān)，即在網(wǎng)絡(luò)帶寬足夠大的前提下，分塊越大，傳輸效率越高，然而在一般的局域網(wǎng)環(huán)境下，網(wǎng)絡(luò)的帶寬都受到了限制。而通過設(shè)置合理的分塊大小，可以有效地減小一次網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量，從而減輕了網(wǎng)絡(luò)傳輸?shù)膲毫?；但是隨著分塊數(shù)目的增加，傳輸?shù)拇螖?shù)也隨之增加；因此，過小的分割影像數(shù)據(jù)反而會(huì)影響影像的傳輸效率。圖2顯示的是在不同帶寬下不同分塊所需傳輸時(shí)間的趨勢(shì)圖。

表2 不同分塊大小在不同網(wǎng)絡(luò)帶寬下的傳輸速率Tab.2 Transmission rate with different block sizes under different network bandwidths s

圖2 不同網(wǎng)絡(luò)帶寬下分塊大小對(duì)傳輸時(shí)間的影響Fig.2 Affect on transmission time with different block sizes under different bandwidths

由于關(guān)系型數(shù)據(jù)庫管理系統(tǒng)每次從數(shù)據(jù)庫中讀取的是數(shù)據(jù)塊的整數(shù)倍，磁盤I/O對(duì)數(shù)據(jù)庫性能的影響非常大［19］。從表2中可以看出，在帶寬一定的前提下，數(shù)據(jù)塊設(shè)置得越小，雖然在一定程度上能提高傳輸效率，但是數(shù)據(jù)庫系統(tǒng)將不斷地從磁盤中讀取數(shù)據(jù)，增加了磁盤尋道和尋址的時(shí)間；如果設(shè)置得太大，又將加重?cái)?shù)據(jù)在網(wǎng)絡(luò)上傳輸?shù)膲毫?，占用過多局域網(wǎng)的帶寬，客戶端需要等待的時(shí)間也越長。在較小的網(wǎng)絡(luò)帶寬下，設(shè)置256×256可以獲得較快的傳輸效率，而在帶寬不作為限制條件的情況下，可以設(shè)置較大的分塊。假設(shè)T為局域網(wǎng)帶寬大小，x為相應(yīng)帶寬下最佳的分塊大小，則有

2.1.3 客戶端內(nèi)存的最適宜切片研究

無論計(jì)算機(jī)的CPU和內(nèi)存有多大，也無法將海量數(shù)據(jù)全部讀取到內(nèi)存中［11］，而圖像的漫游、平移、縮放等操作勢(shì)必會(huì)引起內(nèi)存與硬盤之間數(shù)據(jù)的頻繁交互，導(dǎo)致系統(tǒng)效率下降，甚至出現(xiàn)系統(tǒng)癱瘓，而事實(shí)上，客戶端實(shí)際使用的數(shù)據(jù)只是原始影像的一小部分［20］，將原始影像整個(gè)傳輸?shù)娇蛻舳藭?huì)導(dǎo)致嚴(yán)重的資源浪費(fèi)和客戶端過長的等待時(shí)間。

為了突破計(jì)算機(jī)硬件的限制，解決遙感影像渲染的效率問題，必須通過設(shè)置合理的切片大小，并結(jié)合緩存技術(shù)，有效并快速地實(shí)現(xiàn)海量數(shù)據(jù)庫影像的實(shí)時(shí)顯示。若切片尺寸過大，出現(xiàn)用戶查詢區(qū)域與某些影像塊相交后重疊范圍過小的可能性也越大，造成無效的渲染區(qū)域也越大，占用的系統(tǒng)資源也越多。分塊尺寸過小，相同大小的影像數(shù)據(jù)在客戶端進(jìn)行渲染時(shí)，需要耗費(fèi)更多的時(shí)間。同時(shí)，如果數(shù)據(jù)塊過小，盡管減少了多余數(shù)據(jù)，但卻增加了磁盤尋址和讀操作次數(shù)，造成索引數(shù)據(jù)的冗余，不利于節(jié)省總的讀數(shù)據(jù)時(shí)間［18，21］。表3顯示的是不同客戶端內(nèi)存下利用不同的分塊大小進(jìn)行端渲染時(shí)的速率比較。

表3 不同客戶端內(nèi)存下利用不同的分塊大小的渲染速率Tab.3 Rendering rate with different block sizes under different client memories

從表3中可以看出，對(duì)同一區(qū)域進(jìn)行渲染時(shí)，分塊太小，因?yàn)閿?shù)據(jù)塊的增多而增加了本地磁盤的讀取次數(shù)，而且過多的分塊會(huì)直接影響查詢效率，從而影響渲染的速率。但如果影像分塊太大，導(dǎo)致讀取過多不在顯示范圍內(nèi)的影像數(shù)據(jù)，所以渲染的時(shí)間也會(huì)有所增加。當(dāng)客戶端內(nèi)存較小時(shí)選擇較小的分塊（如256×256）可以獲得較快的渲染速率，內(nèi)存較大時(shí)可以選擇大尺寸進(jìn)行分塊；假設(shè)T為客戶端內(nèi)存大小，x為分塊大小（單位：像素），滿足

從上面的3組試驗(yàn)可以看出數(shù)據(jù)庫的存儲(chǔ)塊大小、局域網(wǎng)帶寬和客戶端的硬件都對(duì)影像數(shù)據(jù)分塊大小的選取有著一定規(guī)律的影響。當(dāng)數(shù)據(jù)庫的存儲(chǔ)塊較小時(shí)，為了減小數(shù)據(jù)庫I/O操作，選擇512×512或者1024×1024比較理想，隨著存儲(chǔ)塊的增大，選擇大分塊尺寸所換來的入庫效率的提高也不是特別明顯；在一個(gè)網(wǎng)絡(luò)帶寬較小的環(huán)境下，選擇256×256可以有效地減小因帶寬限制所帶來的傳輸壓力；隨著帶寬的增加，選擇更大的分塊可以明顯地降低數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸時(shí)間；當(dāng)客戶端的內(nèi)存較小時(shí)，選擇小的分塊（如256×256）可以降低數(shù)據(jù)在客戶端渲染和漫游的時(shí)間，獲得相對(duì)較好的用戶交互效果，而隨著內(nèi)存的增大，大的分塊更有利于客戶端進(jìn)行連貫的漫游和縮放。

2.1.4 自適應(yīng)影像切片模型的建立

本文假設(shè)自適應(yīng)的分塊大小是通過以上3個(gè)因素計(jì)算所得的分塊大小值的一個(gè)線性組合，即為每一個(gè)影響因子賦予不同的權(quán)重，自適應(yīng)分塊大小是這3種影響因子下對(duì)應(yīng)的分塊大小的加權(quán)平均值。假設(shè)自適應(yīng)影像分塊大小為BlockSize，有下面的關(guān)系式

式中，P（T）是由客戶端內(nèi)存計(jì)算出的分塊大小值；W（S）代表由網(wǎng)絡(luò)帶寬計(jì)算出的分塊大小值；C（N）代表由數(shù)據(jù)庫塊大小計(jì)算出的分塊大小值。

利用建立的數(shù)學(xué)模型式（4），采用4組：①在2MB的局域網(wǎng)帶寬下，客戶端內(nèi)存大小為2GB時(shí)，逐次改變數(shù)據(jù)庫存儲(chǔ)塊的大??；②當(dāng)數(shù)據(jù)庫存儲(chǔ)塊大小為8KB、客戶端的內(nèi)存為2GB時(shí)，逐次改變網(wǎng)絡(luò)帶寬大小；③當(dāng)數(shù)據(jù)庫存儲(chǔ)塊大小為8KB、客戶端的內(nèi)存為4GB時(shí)，逐次改變網(wǎng)絡(luò)帶寬大?。虎墚?dāng)數(shù)據(jù)庫的存儲(chǔ)塊大小為4KB、網(wǎng)絡(luò)帶寬為64MB時(shí)，逐次改變客戶端內(nèi)存大小的試驗(yàn)環(huán)境下的測(cè)試數(shù)據(jù)對(duì)其進(jìn)行最小二乘擬合。利用最小二乘原理解一個(gè)不相容方程組得到

取最接近BlockSize值的經(jīng)驗(yàn)分塊大小值作為自適應(yīng)影像管理系統(tǒng)中切割影像的分塊大小。從式（5）可以看出客戶端內(nèi)存對(duì)于影像數(shù)據(jù)切片大小的影響是最小的，數(shù)據(jù)庫存儲(chǔ)塊的大小對(duì)于切片大小的影響次之，而局域網(wǎng)的帶寬對(duì)切片大小的影響就相對(duì)比較大。對(duì)于一個(gè)C/S架構(gòu)的系統(tǒng)而言，局域網(wǎng)的網(wǎng)絡(luò)帶寬對(duì)于遙感影像的快速存儲(chǔ)、高效地傳輸和渲染有著至關(guān)重要的影響，它不僅制約著數(shù)據(jù)在上傳時(shí)的傳輸效率，也關(guān)系到數(shù)據(jù)在下載到客戶端緩存時(shí)的下載速度。因此當(dāng)對(duì)海量遙感影像進(jìn)行存儲(chǔ)時(shí)，首先應(yīng)該考慮當(dāng)前局域網(wǎng)的網(wǎng)絡(luò)帶寬，它是制約影像切片大小的關(guān)鍵因素；其次，服務(wù)器端數(shù)據(jù)庫存儲(chǔ)塊大小限制了數(shù)據(jù)在上傳過程中寫入硬盤的效率，也影響了客戶端頻繁訪問數(shù)據(jù)時(shí)的讀取速率，因此也占據(jù)了相當(dāng)?shù)谋戎?。在進(jìn)行智能分塊時(shí)，必須考慮到所設(shè)置的數(shù)據(jù)庫存儲(chǔ)塊的大小。最后，各個(gè)客戶端內(nèi)存的大小主要影響了數(shù)據(jù)在客戶端渲染時(shí)的效率，因此它的影響因子就相對(duì)較低，但為了支持快速瀏覽和顯示，也必須對(duì)它進(jìn)行綜合考慮。大量試驗(yàn)表明該模型能基本滿足對(duì)海量遙感數(shù)據(jù)的自適應(yīng)切片處理。

2.2 遙感影像的LOD模型

2.2.1 LOD模型的建立機(jī)制

由于遙感影像的數(shù)據(jù)量一般非常龐大，一次性把影像數(shù)據(jù)讀取到內(nèi)存中是不現(xiàn)實(shí)的，即使CPU的頻率再高、內(nèi)存容量再大，也無法滿足同時(shí)打開若干幅海量遙感影像數(shù)據(jù)，而在大多數(shù)情況下，客戶端用戶需要的影像只是原始影像的一部分，把原始影像一次性調(diào)入客戶端內(nèi)存中不僅會(huì)使局域網(wǎng)帶寬被占用，而且還大大影響了客戶端的顯示效率，造成過多的資源浪費(fèi)。借助影像金字塔的存儲(chǔ)模型可以有效地克服這一弊端［21－22］。影像金字塔就是以原始影像為基礎(chǔ)通過重采樣算法，依次生成分辨率由大到小的各層影像數(shù)據(jù)［23］。如圖3所示，每層金字塔數(shù)據(jù)又是按照一定的切片大小進(jìn)行分塊存儲(chǔ)，其基本過程為：

（1）根據(jù)當(dāng)前窗口的顯示范圍確定最佳顯示分辨率，在影像金字塔中找出分辨率與最佳分辨率最相近的影像金字塔層［24］。

（2）確定了影像金字塔層之后，利用建立的空間索引，再確定需要調(diào)用哪些影像數(shù)據(jù)塊。

（3）客戶端將從服務(wù)器端傳輸過來的影像數(shù)據(jù)塊在顯示器上進(jìn)行拼接顯示。

圖3 LOD模型Fig.3 The model of LOD

2.2.2 金字塔層數(shù)的確定

構(gòu)建金字塔在數(shù)據(jù)存儲(chǔ)過程中是極為重要的步驟，除了重采樣算法的選取以外，確定金字塔結(jié)構(gòu)的層數(shù)也是一個(gè)值得研究的問題。當(dāng)分層數(shù)越多時(shí)，影像的顯示速度就會(huì)越快，過渡性就會(huì)越好，客戶端等候的時(shí)間就會(huì)縮短，但是隨著分層級(jí)數(shù)的增加，更上層的圖像也會(huì)越模糊，更多的細(xì)節(jié)就會(huì)被丟棄掉［25］。同時(shí)，數(shù)據(jù)庫存儲(chǔ)空間的開銷也會(huì)隨之增加。一般的遙感影像數(shù)據(jù)，大多因其龐大的數(shù)據(jù)量而都被經(jīng)過了分幅處理，而后才被投入生產(chǎn)使用，因此其影像的尺寸大小不會(huì)過大。以一幅200 000像素×200 000像素的遙感影像為例，當(dāng)采用2×2的采樣算子采樣到第10層時(shí)（假設(shè)原始影像為第1層，當(dāng)生成的影像尺寸小于512像素×512像素時(shí)停止重采樣），瓦片的大小已經(jīng)減小到了390像素×390像素（如表4），沒有必要再繼續(xù)重采樣生成上一級(jí)的金字塔數(shù)據(jù)了；而當(dāng)數(shù)據(jù)尺寸進(jìn)一步增大到800 000像素×800 000像素時(shí)，采用3×3的采樣算子可以更好更快速地構(gòu)建影像金字塔，而不會(huì)產(chǎn)生過多金字塔頂端無意義的數(shù)據(jù)層。

因此在構(gòu)建自適應(yīng)影像金字塔的過程中，金字塔的層數(shù)一般不超過10層。在構(gòu)建影像金字塔之前，先判斷按照2×2采樣算子進(jìn)行重采樣，得到的金字塔層數(shù)是否大于10，若大于10則采用3×3的采樣算子進(jìn)行重采樣，這樣基本可以滿足對(duì)航片和衛(wèi)片數(shù)據(jù)的處理。

表4 大尺寸數(shù)據(jù)采用不同的采樣算子得到的金字塔層數(shù)比較Tab.4 Comparison of pyramid layers obtained from data with large size using different sampling operators

3 基于自適應(yīng)影像管理機(jī)制的原型系統(tǒng)及測(cè)試

3.1 系統(tǒng)架構(gòu)

為了測(cè)試自適應(yīng)影像管理機(jī)制的優(yōu)越性，設(shè)計(jì)并開發(fā)了基于Oracle數(shù)據(jù)庫的影像數(shù)據(jù)管理系統(tǒng)，支持大批量影像數(shù)據(jù)的自適應(yīng)存取、處理、更新、查詢和顯示功能，為遙感影像提供安全、高效和智能的存儲(chǔ)管理支撐平臺(tái)。系統(tǒng)采用C/S架構(gòu)實(shí)現(xiàn)，其中客戶端提供數(shù)據(jù)處理、管理、查詢和顯示的用戶交互接口。服務(wù)器端提供對(duì)遙感數(shù)據(jù)的存儲(chǔ)和管理支持。系統(tǒng)的總體架構(gòu)設(shè)計(jì)如圖4所示。

圖4 系統(tǒng)架構(gòu)圖Fig.4 The architecture of the system

3.2 系統(tǒng)測(cè)試

為了驗(yàn)證自適應(yīng)影像存儲(chǔ)管理模塊的優(yōu)越性，本文在多組試驗(yàn)環(huán)境下，分別對(duì)智能分塊和存取經(jīng)驗(yàn)值進(jìn)行分塊的效率進(jìn)行了試驗(yàn)和對(duì)比，測(cè)試的結(jié)果數(shù)據(jù)如表5—表7所示。圖5顯示的是一幅蘇州地區(qū)的正射影像在8KB數(shù)據(jù)庫存儲(chǔ)塊大小、100MB的局域網(wǎng)帶寬和4GB客戶端內(nèi)存下按傳統(tǒng)方式分塊和智能分塊的顯示效果截圖。

表5 8KB和16KB數(shù)據(jù)庫存儲(chǔ)塊下不同客戶端內(nèi)存和局域網(wǎng)帶寬時(shí)的測(cè)試數(shù)據(jù)Tab.5 Test data from different client memories and LAN bandwidths under database storage block－sizes of 8KB and 16KB

表6 2GB和4GB客戶端內(nèi)存下不同局域網(wǎng)帶寬和存儲(chǔ)塊大小時(shí)的測(cè)試數(shù)據(jù)Tab.6 Test data from different LAN bandwidths and storage block－sizes under client memories of 2GB and 4GB

表7 10MB和100MB局域網(wǎng)帶寬下不同客戶端內(nèi)存和數(shù)據(jù)塊大小時(shí)的測(cè)試數(shù)據(jù)Tab.7 Test data from different client memories and storage block－sizes under LAN bandwidths of 10MB and 100MB

圖5 渲染截圖對(duì)比Fig.5 Comparison of rendering screenshots

3.3 試驗(yàn)結(jié)果分析

通過試驗(yàn)對(duì)比發(fā)現(xiàn)，在常規(guī)環(huán)境下，自適應(yīng)影像管理模塊的處理效率與選用了經(jīng)驗(yàn)值時(shí)相差不大，而在某些特殊的環(huán)境下（例如較小的網(wǎng)絡(luò)帶寬等），自適應(yīng)模塊能夠更好地適應(yīng)局域網(wǎng)的網(wǎng)絡(luò)環(huán)境，結(jié)合服務(wù)器端數(shù)據(jù)庫的存儲(chǔ)塊大小和客戶端的硬件情況，利用自適應(yīng)影像切片模型計(jì)算出更適合該環(huán)境下影像分塊的大小值，通過限制構(gòu)建的金字塔模型層數(shù)，選用恰當(dāng)?shù)闹夭蓸铀阕哟笮?，建立最合適的LOD模型，對(duì)各類大數(shù)據(jù)量的遙感影像進(jìn)行有效的存儲(chǔ)和管理。試驗(yàn)證明，當(dāng)數(shù)據(jù)庫的存儲(chǔ)塊較小時(shí)，為了避免對(duì)數(shù)據(jù)庫頻繁的I/O操作，應(yīng)當(dāng)選擇較小的影像分塊方式；隨著存儲(chǔ)塊的增大，選擇大分塊尺寸對(duì)入庫效率有一定程度的提高。在一個(gè)網(wǎng)絡(luò)帶寬較小的環(huán)境下，小尺寸分塊可以有效地減小因帶寬限制所帶來的傳輸壓力；隨著帶寬的增加，選擇更大的分塊可以明顯地降低數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸時(shí)間。當(dāng)客戶端的內(nèi)存較小時(shí)，選擇小的數(shù)據(jù)分塊可以降低數(shù)據(jù)在客戶端渲染和漫游的時(shí)間，獲得相對(duì)較好的用戶交互效果，而隨著內(nèi)存的增大，大尺寸分塊也不會(huì)對(duì)客戶端進(jìn)行連貫的漫游和縮放產(chǎn)生影響。綜上所述，本文提出的自適應(yīng)切片機(jī)制能夠滿足對(duì)海量遙感數(shù)據(jù)的高效、智能存儲(chǔ)，是一種可行的影像管理策略。

4 結(jié) 論

本文主要討論了在C/S局域網(wǎng)環(huán)境下海量遙感影像在存儲(chǔ)過程中數(shù)據(jù)分塊大小的選取與數(shù)據(jù)庫存儲(chǔ)塊的大小、網(wǎng)絡(luò)帶寬和客戶端內(nèi)存大小之間的關(guān)系，在基于金字塔模型結(jié)構(gòu)的基礎(chǔ)上，探討了C/S局域網(wǎng)環(huán)境下海量影像數(shù)據(jù)的自適應(yīng)切片機(jī)制，通過研究試驗(yàn)，得出以下結(jié)論：

（1）當(dāng)數(shù)據(jù)庫存儲(chǔ)塊的大小較小時(shí)，選擇較小的影像分塊尺寸，可以避免對(duì)數(shù)據(jù)庫的頻繁讀寫操作；隨著存儲(chǔ)塊的增大，選擇較大的分塊對(duì)入庫效率有一定程度的提高。

（2）在一個(gè)帶寬較小的局域網(wǎng)環(huán)境下，對(duì)影像進(jìn)行小尺寸分塊可以有效地減小因網(wǎng)絡(luò)帶寬限制所帶來的傳輸壓力，減少數(shù)據(jù)傳輸?shù)难訒r(shí)；隨著網(wǎng)絡(luò)帶寬的增大，選擇較大的分塊可以明顯降低數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸時(shí)間。

（3）當(dāng)局域網(wǎng)中的客戶端內(nèi)存較小時(shí)，選擇較小的數(shù)據(jù)分塊可以降低數(shù)據(jù)在客戶端進(jìn)行渲染和漫游的時(shí)間；當(dāng)局域網(wǎng)中的客戶端內(nèi)存較大時(shí)，選擇大尺寸的數(shù)據(jù)分塊也不會(huì)對(duì)影像進(jìn)行連貫的漫游和縮放產(chǎn)生影響。

試驗(yàn)表明自適應(yīng)影像金字塔模型能夠綜合考慮局域網(wǎng)中的網(wǎng)絡(luò)帶寬和服務(wù)器端數(shù)據(jù)庫的存儲(chǔ)塊大小，結(jié)合局域網(wǎng)中客戶端的硬件情況，利用自適應(yīng)影像切片模型自動(dòng)確定適合該局域網(wǎng)環(huán)境下的影像分塊大小值，從而為高效、智能存取管理影像數(shù)據(jù)提供了有效的理論依據(jù)。

［1］FANG Liuyang，WANG Mi，LI Deren.A CPU－GPU Coprocessing Orthographic Rectification Approach for Optical Satellite Imagery［J］.Acta Geodaetica et Cartographica Sinica，2013，42（5）：668－675.（方留楊，王密，李德仁.CPU和GPU協(xié)同處理的光學(xué)衛(wèi)星遙感影像正射校正方法［J］.測(cè)繪學(xué)報(bào)，2013，42（5）：668－675.）

［2］YANG Ahua，LI Xuejun，XIE Jianwei，et al.Automatic Mosaic Method for CE－2Lunar Imagery Based on Local Coordinate System［J］.Acta Geodaetica et Cartographica Sinica，2014，43（1）：52－59.（楊阿華，李學(xué)軍，謝劍薇，等.局部坐標(biāo)系的嫦娥二號(hào)月面影像自動(dòng)拼接方法［J］.測(cè)繪學(xué)報(bào)，2014，43（1）：52－59.）

［3］GENG Xun，XU Qing，XING Shuai，et al.Differential Rectification of Linear Pushbroom Imagery Based on the Fast Algorithm for Best Scan Line Searching［J］.Acta Geodaetica et Cartographica Sinica，2013，42（6）：861－868.（耿迅，徐青，邢帥，等.基于最佳掃描行快速搜索策略的線陣推掃式影像微分糾正算法［J］.測(cè)繪學(xué)報(bào)，2013，42（6）：861－868.）

［4］HUANG Feipeng.Design and Implement of Massive Remote Sensing Image Management System［D］.Shanghai：East China Normal University，2011.（黃飛鵬.海量遙感影像管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.上海：華東師范大學(xué)，2011.）

［5］LOU Shurong，MENG Lingkui，F(xiàn)ANG Jun，et al.Network Transmission Model for Multi－resolution Image Based on P2P［J］.Acta Geodaetica et Cartographica Sinica，2011，40（5）：628－634.（婁書榮，孟令奎，方軍，等.基于對(duì)等網(wǎng)絡(luò)的多分辨率影像的網(wǎng)絡(luò)傳輸模型［J］.測(cè)繪學(xué)報(bào)，2011，40（5）：628－634.）

［6］WANG Mi，GONG Jianya.Research and Implementation of Remote Sensing Image Database Based on the Extension of Relational Database［J］.Journal of Geomatics，2002，27（5）：1－3.（王密，龔健雅.基于擴(kuò)展關(guān)系數(shù)據(jù)庫的遙感影像數(shù)據(jù)庫管理系統(tǒng)的研究與實(shí)現(xiàn)［J］.測(cè)繪信息與工程，2002，27（5）：1－3.）

［7］YU Zhanwu，ZHENG Sheng，LI Zhongmin，et al.Massive Spatial Data Storage and Management Based on Objectbased Storage［J］.Geomatics and Information Science of Wuhan University，2008，33（5）：528－532.（喻占武，鄭勝，李忠民，等.基于對(duì)象存儲(chǔ)的海量空間數(shù)據(jù)存儲(chǔ)與管理［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2008，33（5）：528－532.）

［8］ZHAO Zhige.Database Systems and Applications（SQL Server）［M］.Beijing：Tsinghua University Press，2005.（趙致格.數(shù)據(jù)庫系統(tǒng)與應(yīng)用（SQL Server）［M］，北京：清華大學(xué)出版社，2005.）

［9］WANG Lijiang，YUE Guosen，CHENG Weixing.The Realization of Differentiating Spatial Topological Relations between Lines Based on Oracle Spatial［J］.Acta Geodaetica et Cartographica Sinica，2006，35（1）：77－82.（王禮江，岳國森，程衛(wèi)興.基于Oracle Spatial的空間線線拓?fù)潢P(guān)系判斷的實(shí)現(xiàn)［J］.測(cè)繪學(xué)報(bào)，2006，35（1）：77－82.）

［10］ZHANG Jingjing.Research Mobile Network Coverage Optimization Based on Oracle Spatial［D］.Guangzhou：South China University of Technology，2011.（張晶晶.基于Oracle Spatial的移動(dòng)通信網(wǎng)絡(luò)覆蓋優(yōu)化的研究［D］.廣州：華南理工大學(xué)，2011.）

［11］HUANG Jie，LIU Renyi，LIU Nan，et al.An Management and Visualization System for Massive Remote Sensing Image：Research and Implementation［J］.Journal of Zhejiang University：Science Edition，2008，35（6）：701－706.（黃杰，劉仁義，劉南，等.海量遙感影像管理與可視化系統(tǒng)的研究與實(shí)現(xiàn)［J］.浙江大學(xué)學(xué)報(bào)：理學(xué)版，2008，35（6）：701－706.）

［12］WANG Guangxia，ZHU Changqing.LoD Modeling and Accuracy Analysis of Terrain Information［J］.Acta Geodaetica et Cartographica Sinica，2005，34（3）：228－232.（王光霞，朱長青.地形信息的LoD建模及精度分析［J］.測(cè)繪學(xué)報(bào)，2005，34（3）：228－232.）

［13］YANG Chongyuan，ZHANG Jixian，LIN Zongjian.The Realtime LoD Algorithm for Rendering the Virtual Terrain Scene［J］.Acta Geodaetica et Cartographica Sinica，2001，30（2）：133－139.（楊崇源，張繼賢，林宗堅(jiān).虛擬地形場景繪制中的實(shí)時(shí) LoD算法［J］.測(cè)繪學(xué)報(bào)，2001，30（2）：133－139.）

［14］IXORA Pty Ltd.Oracle Performance Tuning Tips.Database block size＝File system buffer size［EB/OL］.［2007－12－10］.http：∥www.ixora.com.au/tips/buffered＿block＿size.htm.

［15］VAIDYANATHA G K，DESHPANDE K，KOSTELAC J A.Oracle Performance Tuning 101［M］.New York：McGraw－Hill Osborne Media，2001.

［16］LI Xueguo，SHEN Yinglan.Optimizational Study of Table Performance Based on Oracle 11g［J］.Journal of Henan Science and Technology，2013，（14）：2，15.（李學(xué)國，沈應(yīng)蘭.基于Oracle 11g表性能優(yōu)化初探［J］.河南科技，2013，（14）：2，15.）

［17］LIU Huijie.Research of Key Technologies for Visualization of Massive，Multi－vision Remote Sensing Image Database Management［D］.Jiaozuo：Henan Polytechnic University，2011.（劉慧杰.面向三維可視化的海量、多版本遙感影像數(shù)據(jù)庫管理關(guān)鍵技術(shù)研究［D］.焦作：河南理工大學(xué)，2011.）

［18］ZHANG Yong.Design and Implement of Practical Remote Sensing Image Database［D］.Zhengzhou：Information Engineering University，2008.（張勇.遙感影像數(shù)據(jù)庫原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.鄭州：信息工程大學(xué)，2008.）

［19］LI Zonghua，PENG Mingjun.Remote Sensing Image Database Based on RDBMS［J］.Geomatics and Information Science of Wuhan University，2005，30（2）：166－169.（李宗華，彭明軍.基于關(guān)系數(shù)據(jù)庫技術(shù)的遙感影像數(shù)據(jù)建庫研究［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2005，30（2）：166－169.）

［20］LI Luqun，LI Chengming，LIN Zongjian.Data Structure of Sliced Saving Vector Data for PDA［J］.Acta Geodaetica et Cartographica Sinica，2002，31（02）：170－174.（李魯群，李成名，林宗堅(jiān).服務(wù)于PDA的矢量數(shù)據(jù)分塊存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)的研究［J］.測(cè)繪學(xué)報(bào)，2002，31（02）：170－174.）

［21］LEI Xin，LIU Xiuguo，ZHANG Wei，et al.A Method for Real－time Accessing Massive Remote Sensing Image Data in Three－dimensional GIS［C］∥2010 18th International Conference on Geoinformatics：Geoinformatics 2010.Beijing：IEEE，2010：1－4.

［22］KOKOULIN A.Methods for Large Image Distributed Processing and Storage［C］∥IEEE EuroCon 2013.Zagreb：IEEE，2013：1606－1610.

［23］TAN Qingquan，BI Jiantao，CHI Tianhe.A Flexible and Efficient Algorithm for Constructing Remote Sensing Image Pyramid［J］.Computer Systems ＆ Applications，2008，（4）：124－127.（譚慶全，畢建濤，池天河.一種靈活高效的遙感影像金字塔構(gòu)建算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2008，（4）：124－127.）

［24］YUN Jianming.GIS－based Massive and Multi－source Image Archiving Database System：Research and Practice［D］.Xi’an：Xi’an University of Science and Technology，2008.（贠建明.基于GIS的海量多源存檔影像數(shù)據(jù)庫系統(tǒng)的研究與實(shí)踐［D］.西安：西安科技大學(xué)，2008.）

［25］CHEN Min.Image Feature Extraction and Matching Research Based on Multi－scale［D］.Changsha：Central South University，2011.（陳敏.基于多尺度的圖像特征提取與匹配研究［D］.長沙：中南大學(xué)，2011.）