基于Web的遙感影像在線分類實現(xiàn)技術(shù)研究

基于Web的遙感影像在線分類實現(xiàn)技術(shù)研究

楊會元1，2，馮鐘葵1，李山山1

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

摘要：隨著遙感數(shù)據(jù)的社會化服務(wù)需求日益增長，如何以Web的方式向用戶提供專業(yè)遙感影像處理及應(yīng)用的產(chǎn)品服務(wù)成為一個研究的熱點問題。本文基于Web RS概念，以及先進(jìn)的網(wǎng)絡(luò)技術(shù)與并行處理技術(shù)，提出了基于Web的遙感影像在線分類實現(xiàn)技術(shù)的解決方案。本研究是探索Web RS概念和遙感影像在線服務(wù)價值的一次有益嘗試，可對于開拓我國遙感數(shù)據(jù)共享服務(wù)新型模式及提高社會化服務(wù)水平提供借鑒和支撐。

關(guān)鍵詞：在線服務(wù)；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(xiàn)標(biāo)識碼：A

Implementation of Online Remote Sensing Image Classification

YANG Hui-yuan1，2，F(xiàn)ENG 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(shù)據(jù)時代的來臨、云概念的普及以及云環(huán)境下的存儲和處理方式走向?qū)嵱没?，對遙感領(lǐng)域產(chǎn)生了深刻的影響，其中一個重要體現(xiàn)就是遙感的社會化服務(wù)，逐漸從傳統(tǒng)的提供簡單的數(shù)據(jù)拷貝服務(wù)向高級的定制遙感產(chǎn)品的方向發(fā)展[1]。因此，越來越多的研究者開始關(guān)注如何以Web的方式向用戶提供專業(yè)的遙感影像處理與分析服務(wù)[2]，使用戶只需要瀏覽器就能對數(shù)據(jù)進(jìn)行專業(yè)的處理與應(yīng)用分析，從而免除了遙感應(yīng)用處理對于用戶的專業(yè)化需求。江西師范大學(xué)開發(fā)了鄱陽湖水情在線分析系統(tǒng)[3]；NASA使用MODIS數(shù)據(jù)和在線影像分析技術(shù)實現(xiàn)全球洪水監(jiān)測[4]；張廣耀等人設(shè)計了遙感影像地圖在線服務(wù)系統(tǒng)[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(shù)的成熟及在GIS中的成功應(yīng)用，完全可以將專業(yè)的遙感影像處理與分析功能、業(yè)務(wù)分析模型和影像數(shù)據(jù)服務(wù)部署在服務(wù)器端，并以Web Service的方式發(fā)布，向用戶提供除影像數(shù)據(jù)之外更多的專業(yè)化服務(wù)資源?？梢钥闯?，通過遙感技術(shù)與Web技術(shù)的結(jié)合，可以有效降低遙感應(yīng)用的門檻，能夠更好為社會大眾服務(wù)。

遙感圖像分類是將圖像中每個像元根據(jù)其在不同波段的光譜亮度、空間結(jié)構(gòu)特征或者其他信息，按照某種規(guī)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(shù)的增加，遙感影像正在被應(yīng)用到越來越多的領(lǐng)域。雖然不同的應(yīng)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(shù)據(jù)應(yīng)用處理的基礎(chǔ)性需求，在很多的應(yīng)用場景中發(fā)揮重要作用，比如礦山環(huán)境的監(jiān)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(zāi)害分析等[8-12]，圖像分類是這些應(yīng)用得以實現(xiàn)的重要的處理與分析環(huán)節(jié)。

常規(guī)的遙感圖像分類過程，是由專業(yè)的遙感分析人員在單機(jī)上實現(xiàn)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(yè)的遙感分析軟件，如ENVI、PCI、ERDAS等，進(jìn)行分類操作。這一過程的實現(xiàn)，需要用戶自身具備進(jìn)行遙感圖像分類所需的計算資源、軟件資源、專業(yè)軟件的熟練操作能力以及進(jìn)行遙感分析處理所需的專業(yè)知識背景，這使得遙感圖像的分類應(yīng)用受到限制，提高了遙感圖像應(yīng)用的門檻，不利于充分發(fā)揮遙感圖像的使用價值，不符合遙感的社會化服務(wù)趨勢。這也是遙感數(shù)據(jù)長期以來無法得到廣泛應(yīng)用的重要原因之一。

計算機(jī)技術(shù)的發(fā)展使得基于Web的遙感圖像包括在線分類在內(nèi)的各種應(yīng)用成為可能，使得用戶能夠充分發(fā)揮服務(wù)器端的高性能硬件資源和海量、異源遙感影像資源的優(yōu)勢，使用戶能夠?qū)崟r、批量、高效地獲取遙感圖像分類結(jié)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(fā)揮遙感影像的使用價值，真正實現(xiàn)開放式的遙感信息發(fā)現(xiàn)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(guān)的研究也較少。本文借鑒了先進(jìn)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(shè)計與實現(xiàn)了一個原型系統(tǒng)，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(wù)都是一次有益嘗試。

2關(guān)鍵技術(shù)與解決方案

2.1技術(shù)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(yù)覽，用戶向服務(wù)器請求預(yù)覽所感興趣的遙感影像；服務(wù)器端接收用戶的請求，并創(chuàng)建用戶感興趣區(qū)域的Image Server服務(wù)，以供用戶在線瀏覽；其次是用戶進(jìn)行在線分類的各種參數(shù)設(shè)置，包括分類方法和分類參數(shù)。用戶設(shè)置完成相應(yīng)的分類參數(shù)之后，就可以向服務(wù)器端發(fā)送分類請求，服務(wù)器端接收并解析用戶的分類請求，處理完成后把結(jié)果返回給用戶；最后是分類結(jié)果的精度評估，用戶在得到分類結(jié)果后，可以請求對分類結(jié)果進(jìn)行精度評估。

圖1　遙感圖像在線分類流程圖

2.2關(guān)鍵技術(shù)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(guān)鍵技術(shù)點并給出了解決方案。

2.2.1遙感影像的web預(yù)覽

遙感影像在線預(yù)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(jìn)行采樣的原始數(shù)據(jù)，此外，還包含縮放、漫游、波段組合以及圖像透明度調(diào)整等功能。

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

遙感影像的動態(tài)創(chuàng)建就是指服務(wù)器端不主動為任何一幅遙感影像建立影像服務(wù)，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(wù)，以供用戶的Web預(yù)覽，并在用戶預(yù)覽之后關(guān)閉相應(yīng)的服務(wù)。這對影像的在線分類將產(chǎn)生兩個非常重要的作用：首先，服務(wù)器端不用再建立大量的遙感影像服務(wù)，同時所建立的有限的影像服務(wù)也只有有限的生命周期，這將大大節(jié)約服務(wù)器端的資源；其次，使得遙感影像數(shù)據(jù)庫保持獨(dú)立，對遙感影像數(shù)據(jù)庫的擴(kuò)充，修改等變化對影像服務(wù)沒有影響，有利于用戶充分利用服務(wù)器端的影像資源。

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

圖2　遙感影像服務(wù)的動態(tài)創(chuàng)建

影像服務(wù)的動態(tài)創(chuàng)建過程如圖 2所示，主要通過使用兩個影像數(shù)據(jù)池(update和datapool)來完成動態(tài)創(chuàng)建和更新操作。其中，update池是用來存放將要創(chuàng)建影像服務(wù)的遙感影像，在創(chuàng)建完成之后，需要對該池進(jìn)行清空；datapool池是用來存放與影像服務(wù)相關(guān)的數(shù)據(jù)。一般過程是：首先，掃描update文件夾下的遙感影像，并對其進(jìn)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(shù)據(jù)集信息，從鑲嵌數(shù)據(jù)集中刪除過期的數(shù)據(jù)(datapool下)及服務(wù)，在將合成后的圖像移動到datapool文件夾中之后，清除鑲嵌數(shù)據(jù)集中對應(yīng)地理數(shù)據(jù)庫中所有柵格圖像數(shù)據(jù)，同時將合成圖像添加到對應(yīng)的鑲嵌數(shù)據(jù)集地理數(shù)據(jù)庫中，并建立影像金字塔；最后，定義無值區(qū)，使圖像黑色無值區(qū)域不顯示，刪除update文件夾中所有產(chǎn)品數(shù)據(jù)文件，完成影像服務(wù)的動態(tài)創(chuàng)建。

2.2.2ROI選擇

ROI區(qū)域的選擇是監(jiān)督分類的關(guān)鍵，因此解決ROI區(qū)域的選擇問題，也即遙感影像的Web交互問題，是實現(xiàn)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(qū)域的選擇，與傳統(tǒng)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?qū)Υ罅康臉颖緮?shù)據(jù)進(jìn)行存儲和管理，包括修改、增加和刪除等操作。假設(shè)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(jī)版的遙感分析軟件中ROI區(qū)域的存儲和管理模式也存在很大的不同。由于Web環(huán)境和傳統(tǒng)單機(jī)版軟件環(huán)境的差異，如何把上述的操作放到Web瀏覽器上來實現(xiàn)，是研究遙感影像在線分類實現(xiàn)方法中必須要考慮的另一問題。

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

本文采用jQuery技術(shù)來實現(xiàn)ROI區(qū)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(chuàng)建功能強(qiáng)大的動態(tài)網(wǎng)頁及網(wǎng)絡(luò)應(yīng)用程序。此外，采用DataTables插件實現(xiàn)對用戶選擇區(qū)域的動態(tài)管理，例如，對用戶選中的當(dāng)前行進(jìn)行點擊定位、修改類名、刪除選區(qū)以及添加新區(qū)域等操作。DataTables是一種基于jQuery的動態(tài)數(shù)據(jù)表格，可用來增強(qiáng)對HTML中Table的交互和控制，在本文系統(tǒng)中用來作為存放用戶ROI區(qū)域數(shù)據(jù)的容器。

本文系統(tǒng)的這一模塊包括以下功能：訓(xùn)練樣區(qū)的選擇、訓(xùn)練樣區(qū)在表單中的動態(tài)添加、表單行的點擊定位、訓(xùn)練樣區(qū)的添加與刪除和類別名的修改。該模塊具有下面幾點優(yōu)勢：①不同數(shù)據(jù)源的應(yīng)用更靈活，如地形圖、GIS線畫圖等，可根據(jù)地理信息進(jìn)行疊加，有助于幫助用戶更好地完成訓(xùn)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(diào)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(qū)域選擇運(yùn)行流程圖

2.2.3分類的并行處理與負(fù)載均衡

在傳統(tǒng)的分類過程中可不必考慮算法并行化與負(fù)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(shù)據(jù)處理和多用戶并發(fā)訪問。因此，分類的并行化處理與負(fù)載均衡是必須要考慮問題。

遙感影像具有數(shù)據(jù)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(tǒng)的計算速度提出了更高的要求。傳統(tǒng)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(yùn)算精度的情況下的更為有效的方法。同時，當(dāng)面對大量用戶的并發(fā)訪問時，如何有效且均衡地分配任務(wù)也是需要考慮的問題，從而既保證了一些節(jié)點不能過忙，也保證了一些節(jié)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(biāo)準(zhǔn)[13]，且可以免費(fèi)獲取。

對于遙感圖像處理中的數(shù)據(jù)劃分方法和分類算法的并行化等問題，已有大量的文獻(xiàn)可供參考[14-17]。在此基礎(chǔ)上，本文采用MPI技術(shù)實現(xiàn)了幾種分類算法的并行化，如：K-means和BP神經(jīng)網(wǎng)絡(luò)等。

文獻(xiàn)中對負(fù)載均衡問題也有深入的研究和分析，并提出了改進(jìn)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(rèn)為近似相等。因此，本文采用最常用的靜態(tài)負(fù)載均衡方法來處理負(fù)載均衡問題，在進(jìn)行任務(wù)分配時，主進(jìn)程可以把任務(wù)平均分到每個計算節(jié)點上。

下面以K-means為例，展示基于MPI的分類并行化與負(fù)載均衡。本文使用了主從模式的設(shè)計思路，假設(shè)有N個從進(jìn)程，主進(jìn)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(bǔ)零)，并生成初始化分類中心；從進(jìn)程讀取相應(yīng)影像塊，并根據(jù)初始分類中心進(jìn)行分類處理；主進(jìn)程接收分類結(jié)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(jìn)行迭代；如果小于閾值，則迭代完成，發(fā)送分類結(jié)果。分類并行化和負(fù)載均衡的工作流程如圖 4所示。

圖4　k-means算法并行與負(fù)載均衡

2.3系統(tǒng)架構(gòu)

針對以上的技術(shù)流程和關(guān)鍵技術(shù)的解決方案，本文采用了如圖 5所示的系統(tǒng)框架，它基于服務(wù)器/客戶端體系結(jié)構(gòu)進(jìn)行設(shè)計，包含了3個層面：

①應(yīng)用層是用戶與服務(wù)器交互的接口，用戶只需要通過瀏覽器就可以使用系統(tǒng)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(shè)置等。

②服務(wù)層用來接收用戶的數(shù)據(jù)處理請求，驗證并處理用戶請求，并把結(jié)果返回給用戶，如接收用戶的分類參數(shù)設(shè)置和訓(xùn)練樣本，進(jìn)行遙感影像的分類，并把分類產(chǎn)品返回給用戶，具有并發(fā)訪問和負(fù)載均衡的能力。

③數(shù)據(jù)層為用戶提供多源海量遙感數(shù)據(jù)產(chǎn)品，包括了系統(tǒng)級、精校正級、正射級以及融合產(chǎn)品等遙感數(shù)據(jù)產(chǎn)品。

圖5　系統(tǒng)架構(gòu)圖

3實驗與分析

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

圖6　用戶交互界面

原型系統(tǒng)的服務(wù)器端采用4臺HP ProLiant ML350 G6構(gòu)成CLUSTER機(jī)群處理環(huán)境，安裝RedHat Enterprise 6操作系統(tǒng)和MPICH-3.1平行計算平臺，并選用Apache Tomcat 7.0作為Web服務(wù)器。實驗數(shù)據(jù)選用了2013年9月1日北京地區(qū)Landsat-8遙感影像，影像大小為7651×7431像素，包含11個波段，數(shù)據(jù)大小為1.48G。

首先，測試基于Web的遙感影像在線分類的運(yùn)行效率。實驗中，采用4個計算節(jié)點，10個用戶同時發(fā)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(shù)，在一臺安裝Windows 7操作系統(tǒng)、處理器為2.4GHz4、內(nèi)存4GB的個人機(jī)上，使用遙感分析軟件ENVI進(jìn)行分類處理，所需的時間在180s以上?？梢钥闯?，由于利用了服務(wù)器的高端硬件資源，以及采用了分類的并行處理和負(fù)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(yè)資源和計算資源。同時，考慮到傳統(tǒng)分類過程在數(shù)據(jù)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(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)的分類方式。

其次，對分類結(jié)果進(jìn)行驗證。實驗中采用監(jiān)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(yīng)的訓(xùn)練樣區(qū)數(shù)量如表 1所示。完成訓(xùn)練樣區(qū)的選擇之后，把訓(xùn)練樣本發(fā)送到服務(wù)器端。服務(wù)器端在接收訓(xùn)練樣本和分類參數(shù)之后，對遙感影像進(jìn)行分類處理，得到的結(jié)果如圖 7所示。同時，在同樣的訓(xùn)練樣區(qū)和輸入?yún)?shù)條件下，使用 ENVI軟件進(jìn)行監(jiān)督分類，兩種方法得到的結(jié)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(jiān)督分類中ROI區(qū)域的樣本數(shù)

圖7　分類結(jié)果

4結(jié)束語

本文分析了基于Web的遙感圖像在線分類過程中的關(guān)鍵技術(shù)，并給出了解決方案。根據(jù)以上解決方案，本文設(shè)計與實現(xiàn)了一個原型系統(tǒng)，并使用Landsat-8影像數(shù)據(jù)進(jìn)行驗證。結(jié)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(wù)價值的一次有益嘗試，可對于開拓我國遙感數(shù)據(jù)共享服務(wù)新型模式及提高社會化服務(wù)水平提供借鑒和支撐。

參考文獻(xiàn)：

[1]羅名海.地理信息在線服務(wù)方式的發(fā)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(shù)[J].遙感技術(shù)與應(yīng)用，2011，(6)：3.

[3]吳玉燕，高丹，黃石明.鄱陽湖水生態(tài)監(jiān)測和預(yù)警信息在線分析和發(fā)布系統(tǒng)[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(wù)系統(tǒng)設(shè)計與實現(xiàn)[J].測繪科學(xué)，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(tǒng)：中國，200910142524[P].2009-06-29.

[7]趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[8]尹展，張建國，李宏斌.面向?qū)ο蠓诸惣夹g(shù)在高分辨率遙感影像信息提取中的應(yīng)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?qū)ο蟪鞘型恋馗脖环诸愌芯俊择R來西亞吉隆坡市城市中心區(qū)為例[J].遙感學(xué)報，2007，11(4)：521-530.

[10]胡進(jìn)剛，張曉東，沈欣，等.一種面向?qū)ο蟮母叻直媛视跋竦缆诽崛》椒╗J].遙感技術(shù)與應(yīng)用，2006，21(3)：184-188.

[11]曹凱，江南，呂恒，等.面向?qū)ο蟮膕pot-5影像城區(qū)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?qū)ο筮b感分類方法在汶川地震震害提取中的應(yīng)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(tǒng)設(shè)計與實現(xiàn)[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(jiān)督分類技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，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(shù)據(jù)劃分[J].遙感信息，2001，16 (2)：9-12.

[17]俞能海，楊揚(yáng).用于遙感圖像分類的簡化并行神經(jīng)網(wǎng)絡(luò)[J].電路與系統(tǒng)學(xué)報，2002，7(4)：62-66.

[18]王霜，修保新，肖衛(wèi)東.Web服務(wù)器集群的負(fù)載均衡算法研究[J].計算機(jī)工程與應(yīng)用，2004，40(25)：78-80.

[18]田紹亮，左明，吳紹偉.一種改進(jìn)的基于動態(tài)反饋的負(fù)載均衡算法[J].計算機(jī)工程與設(shè)計，2007，28(3)：572-573.

[20]郭成城，晏蒲柳.一種異構(gòu)web服務(wù)器集群動態(tài)負(fù)載均衡算法[J].計算機(jī)學(xué)報，2005，28(2)：179-184.