“高分一號(hào)”衛(wèi)星影像業(yè)務(wù)流程化處理平臺(tái)研究

孫鈺珊，艾海濱，韓曉霞

(1.武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢 430079； 2. 中國(guó)測(cè)繪科學(xué)研究院，北京 100830；3. 城市空間信息工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100038)

“高分一號(hào)”衛(wèi)星是中國(guó)重大科技專項(xiàng)高分辨率對(duì)地觀測(cè)系統(tǒng)的首發(fā)星，衛(wèi)星配置了2臺(tái)分辨率為2 m全色/8 m多光譜的高分辨率相機(jī)和4臺(tái)分辨率為16 m的多光譜中分辨率寬幅相機(jī)[1]?！案叻忠惶?hào)”衛(wèi)星的成功使用對(duì)于推動(dòng)我國(guó)衛(wèi)星工程水平的提升，提高我國(guó)高分辨率遙感數(shù)據(jù)自給率，具有重大戰(zhàn)略意義。

針對(duì)目前衛(wèi)星影像產(chǎn)品業(yè)務(wù)多樣化，自動(dòng)化影像數(shù)據(jù)處理趨于數(shù)據(jù)密集型計(jì)算等多重挑戰(zhàn)性問(wèn)題，傳統(tǒng)的衛(wèi)星影像處理平臺(tái)在業(yè)務(wù)靈活性和快速處理方面已難以滿足用戶需要，亟需在平臺(tái)架構(gòu)方面開(kāi)展創(chuàng)新性的研發(fā)工作：①針對(duì)海量對(duì)地觀測(cè)數(shù)據(jù)集中化處理，需要開(kāi)展高性能對(duì)地觀測(cè)數(shù)據(jù)處理軟、硬件平臺(tái)的研究，海量對(duì)地觀測(cè)數(shù)據(jù)處理通常在衛(wèi)星數(shù)據(jù)中心的高性能計(jì)算集群上開(kāi)展。②針對(duì)海量影像數(shù)據(jù)的高效傳輸與計(jì)算，需要開(kāi)展高性能并行遙感文件系統(tǒng)的體系結(jié)構(gòu)、高性能IO中間件、分布式內(nèi)存體系結(jié)構(gòu)的運(yùn)行系統(tǒng)、并行數(shù)據(jù)處理的編程模型、復(fù)雜數(shù)據(jù)處理流程的優(yōu)化調(diào)度算法等方面的工作，借助計(jì)算機(jī)技術(shù)，尤其是高性能計(jì)算學(xué)科的最新成果，從高性能計(jì)算軟件方法角度提高對(duì)地觀測(cè)大數(shù)據(jù)的處理性能[2]。③針對(duì)衛(wèi)星影像產(chǎn)品業(yè)務(wù)多樣化，需要開(kāi)展面向遙感測(cè)繪、災(zāi)害監(jiān)測(cè)、環(huán)境監(jiān)測(cè)、遙感物探及地理信息服務(wù)等領(lǐng)域的業(yè)務(wù)流程化處理方法研究，在架構(gòu)層面提高關(guān)鍵技術(shù)、整合能力與業(yè)務(wù)服務(wù)靈活性。

本文針對(duì)“高分一號(hào)”衛(wèi)星影像的高空間、時(shí)間分辨率和高光譜等特點(diǎn)[3]，提出面向“高分一號(hào)”的衛(wèi)星影像業(yè)務(wù)流程化處理平臺(tái)。該平臺(tái)采用了軟硬件一體化的設(shè)計(jì)方案，業(yè)務(wù)流程主體采用C/S架構(gòu)，任務(wù)查詢和進(jìn)度監(jiān)控等則采用B/S架構(gòu)；在衛(wèi)星影像的處理過(guò)程中采用GPU與多核CPU的異構(gòu)并行計(jì)算方案。在此基礎(chǔ)上，本文通過(guò)對(duì)衛(wèi)星影像數(shù)據(jù)處理核心算法和一鍵式全流程自動(dòng)化處理關(guān)鍵技術(shù)的研究，實(shí)現(xiàn)衛(wèi)星影像數(shù)據(jù)的自動(dòng)化處理，生產(chǎn)各級(jí)影像校正產(chǎn)品和專題影像產(chǎn)品，在產(chǎn)品質(zhì)量標(biāo)準(zhǔn)支持下，實(shí)現(xiàn)地質(zhì)遙感影像產(chǎn)品的質(zhì)量檢查，并且與業(yè)務(wù)運(yùn)行系統(tǒng)無(wú)縫集成，從業(yè)務(wù)流程及計(jì)算機(jī)并行運(yùn)算建模的角度對(duì)數(shù)據(jù)處理的關(guān)鍵環(huán)節(jié)進(jìn)行并行化一鍵式自動(dòng)處理。

1 業(yè)務(wù)流程化處理平臺(tái)設(shè)計(jì)

1.1 衛(wèi)星影像處理業(yè)務(wù)化

對(duì)衛(wèi)星影像處理進(jìn)行業(yè)務(wù)化的過(guò)程可以視為將衛(wèi)星影像處理功能與專業(yè)模型，如環(huán)境監(jiān)測(cè)、地理信息產(chǎn)品生產(chǎn)等，進(jìn)行整合的過(guò)程[3]。對(duì)“高分一號(hào)”衛(wèi)星影像處理的業(yè)務(wù)化可以實(shí)現(xiàn)對(duì)衛(wèi)星影像的有效管理和快速處理，在生產(chǎn)環(huán)節(jié)用戶可以根據(jù)不同的業(yè)務(wù)要求制定相應(yīng)的業(yè)務(wù)流程，進(jìn)而系統(tǒng)根據(jù)制定的業(yè)務(wù)流程進(jìn)行準(zhǔn)確高效的數(shù)據(jù)生產(chǎn)和加工。在本文中，針對(duì)“高分一號(hào)”衛(wèi)星影像數(shù)據(jù)特點(diǎn)，制定了一系列衛(wèi)星影像處理功能，如全色影像幾何校正、多光譜影像幾何校正、全色影像正射校正、多光譜影像正射校正、全色與多光譜影像融合、影像特征增強(qiáng)、自動(dòng)/半自動(dòng)勻光勻色、影像鑲嵌、影像裁切、應(yīng)急/特殊模式下影像快速處理、影像質(zhì)量檢查等，這些功能足以能夠滿足多種業(yè)務(wù)流程的定制需要。

1.2 系統(tǒng)硬件體系設(shè)計(jì)

為了使系統(tǒng)能有機(jī)地整合各種硬件設(shè)備，實(shí)現(xiàn)數(shù)據(jù)自動(dòng)并行處理或高效協(xié)同處理功能，需要在高效處理軟件的底層配備高性能的硬件支持環(huán)境。按照在系統(tǒng)中充當(dāng)?shù)慕巧?，整個(gè)系統(tǒng)的硬件可以分成高性能存儲(chǔ)區(qū)域網(wǎng)絡(luò)、分布式多CPU多核集群及GPU集群并行計(jì)算部分、多機(jī)協(xié)同操作和用戶操作部分及萬(wàn)兆網(wǎng)絡(luò)這4大部分，整個(gè)系統(tǒng)的硬件組成如圖1(a)所示。

圖1

高性能存儲(chǔ)區(qū)域網(wǎng)絡(luò)部分主要由光線磁盤(pán)陣列(存儲(chǔ)容量為80 TB，磁盤(pán)為轉(zhuǎn)速15000RPM的SAS硬盤(pán))、磁盤(pán)陣列機(jī)架、SAN交換機(jī)、StoreNext并行文件系統(tǒng)元數(shù)據(jù)服務(wù)器、HBA卡和StoreNext并行文件系統(tǒng)軟件構(gòu)成。

分布式多CPU多核集群和GPU集群并行處理部分主要由8臺(tái)超多核機(jī)架式服務(wù)器和8臺(tái)GPU服務(wù)器構(gòu)成。8臺(tái)超多核機(jī)架式服務(wù)器提供分布式多CPU多核集群處理服務(wù)，8臺(tái)GPU服務(wù)器提供并行影像快速處理服務(wù)。

多機(jī)協(xié)同操作和用戶操作部分主要由若干臺(tái)高性能的圖形工作站構(gòu)成。這些圖形工作站通過(guò)萬(wàn)兆網(wǎng)絡(luò)連接在一起進(jìn)行協(xié)同處理任務(wù)，同時(shí)它們也通過(guò)配備的HBA卡經(jīng)SAN交換機(jī)連接到高性能存儲(chǔ)區(qū)域網(wǎng)進(jìn)行IO訪問(wèn)。

萬(wàn)兆網(wǎng)絡(luò)主要由萬(wàn)兆網(wǎng)卡、光纖網(wǎng)線和萬(wàn)兆網(wǎng)絡(luò)交換機(jī)等組成，為集群并行計(jì)算部分、多機(jī)協(xié)同操作和用戶操作提供底層的以太網(wǎng)服務(wù)。

1.3 系統(tǒng)功能組成結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)主要包括處理任務(wù)分配與生產(chǎn)調(diào)度子系統(tǒng)、衛(wèi)星影像產(chǎn)品生產(chǎn)子系統(tǒng)、衛(wèi)星影像產(chǎn)品質(zhì)量檢查子系統(tǒng)3個(gè)子系統(tǒng)。系統(tǒng)的主要功能組成結(jié)構(gòu)如圖1(b)所示。

(1) 處理任務(wù)分配與生產(chǎn)調(diào)度子系統(tǒng)是數(shù)據(jù)處理分系統(tǒng)業(yè)務(wù)運(yùn)行的控制中樞，提供良好的人機(jī)交互界面。子系統(tǒng)在網(wǎng)絡(luò)環(huán)境和數(shù)據(jù)庫(kù)系統(tǒng)的支持下，采用基于地質(zhì)遙感生產(chǎn)工藝流程的業(yè)務(wù)處理模式，實(shí)現(xiàn)對(duì)系統(tǒng)管理、任務(wù)管理、任務(wù)調(diào)度和任務(wù)監(jiān)控等生產(chǎn)作業(yè)過(guò)程進(jìn)行生產(chǎn)管理。

(2) 衛(wèi)星影像產(chǎn)品生產(chǎn)子系統(tǒng)在基礎(chǔ)地理信息、基準(zhǔn)影像庫(kù)、控制點(diǎn)庫(kù)等背景數(shù)據(jù)庫(kù)和遙感影像幾何精校正、配準(zhǔn)、融合、鑲嵌、裁切等模型支持下，依托高性能計(jì)算系統(tǒng)，實(shí)現(xiàn)衛(wèi)星數(shù)據(jù)自動(dòng)并行處理和高效協(xié)同處理。

(3) 衛(wèi)星影像產(chǎn)品質(zhì)量檢查子系統(tǒng)由檢查任務(wù)接收與數(shù)據(jù)讀取模塊、質(zhì)檢方案定制及管理維護(hù)模塊、數(shù)據(jù)質(zhì)量檢查模塊與質(zhì)檢維護(hù)管理模塊組成。

2 平臺(tái)實(shí)現(xiàn)關(guān)鍵技術(shù)

顧及“高分一號(hào)”衛(wèi)星影像高空間分辨率、高時(shí)間分辨率、寬像幅和高光譜等特點(diǎn)，大多數(shù)基于“高分一號(hào)”業(yè)務(wù)流程屬于數(shù)據(jù)密集型計(jì)算，在保證生產(chǎn)各級(jí)影像校正產(chǎn)品和專題影像產(chǎn)品符合產(chǎn)品質(zhì)量標(biāo)準(zhǔn)的同時(shí)，提高衛(wèi)星影像處理的速度，實(shí)現(xiàn)與業(yè)務(wù)處理平臺(tái)的無(wú)縫集成，本文對(duì)其中涉及的主要關(guān)鍵技術(shù)，如大范圍DEM/DOM快速索引、影像匹配、全色和多光譜影像配準(zhǔn)、影像正射糾正等，進(jìn)行了研究和探討。

2.1 大范圍DEM/DOM快速索引和解析

控制點(diǎn)影像庫(kù)主要數(shù)據(jù)源是各種投影和各種坐標(biāo)系的數(shù)字高程模型(DEM)和數(shù)字正射影像(DOM)。由于正射影像和數(shù)字高程模型均按照不同地理范圍被保存成多個(gè)影像文件。為了使后續(xù)模塊能夠快速找到相應(yīng)的DEM和DOM，需要對(duì)這些數(shù)據(jù)源按照一定的空間索引機(jī)制建立索引。

在空間索引模塊的設(shè)計(jì)和實(shí)現(xiàn)上，本文采用了R樹(shù)(R-tree)的空間索引機(jī)制[4-5]。為了能夠快速解析DEM/DOM，模塊輸入為DEM/DOM的存儲(chǔ)目錄，然后算法通過(guò)目錄迭代方法掃描存儲(chǔ)目錄下的每一張影像文件，對(duì)每一個(gè)被掃描的影像文件讀取頭信息，檢測(cè)是否具備地理參考，如果具備地理參考，則將影像地理范圍轉(zhuǎn)換為經(jīng)緯度，利用R-tree的空間索引方式進(jìn)行索引。當(dāng)全部DEM/DOM處理完畢后，將DEM/DOM投影信息、影像信息及空間索引信息統(tǒng)一存儲(chǔ)，以備后續(xù)使用。

2.2 基于物方約束影像灰度互相關(guān)匹配

對(duì)于具備幾何成像模型的衛(wèi)星影像，可以利用影像灰度歸一化互相關(guān)系數(shù)作為匹配的相似性測(cè)度，為了解決影像間由于視場(chǎng)角和尺度等的不同造成自動(dòng)匹配困難的問(wèn)題，本文采用基于物方的影像匹配技術(shù)[5-10]，以提高自動(dòng)影像匹配的效率和可靠性。

通過(guò)正射影像控制點(diǎn)自動(dòng)提取獲取特征點(diǎn)T的物方坐標(biāo)后，利用衛(wèi)星影像的幾何模型，獲取特征點(diǎn)T在原始衛(wèi)星影像上像點(diǎn)位置Pi，由于幾何模型中使用的參數(shù)是帶有系統(tǒng)誤差的，這樣就會(huì)造成Pi不準(zhǔn)確，因此需要以Pi為中心開(kāi)一個(gè)N×M大小的匹配搜索窗口，并且利用相關(guān)的幾何關(guān)系重新對(duì)影像進(jìn)行采樣，從而消除影像旋轉(zhuǎn)、縮放和平移等幾何形變?cè)斐傻幕叶认嚓P(guān)匹配失敗的問(wèn)題。然后在正射影像上以特征點(diǎn)T為中心開(kāi)窗，取一小塊影像作為參考影像，再?gòu)男l(wèi)星影像上重采樣后取得的搜索窗口內(nèi)利用影像灰度相關(guān)技術(shù)獲取T的匹配像點(diǎn)，從而獲取了衛(wèi)星影像幾何糾正所需的控制點(diǎn)物方和像方坐標(biāo)。

為了進(jìn)一步提高灰度相關(guān)的匹配精度，并消除光照條件不同造成的匹配精度差的問(wèn)題，可以采用多層匹配策略，利用上述灰度相關(guān)技術(shù)獲取低精度同名點(diǎn)，然后將這些同名點(diǎn)在上一級(jí)上作為初始值，使用最小二乘匹配進(jìn)行高精度匹配，精度可以達(dá)到亞像素級(jí)甚至1/100個(gè)像素。

2.3 全色和多光譜影像配準(zhǔn)

多光譜波段影像的定向通過(guò)已經(jīng)定向的全色波段影像和數(shù)字高程模型進(jìn)行[11]，如圖2所示。具體方法如下：①在多光譜影像中提取特征點(diǎn)。②將其匹配到全色波段影像上。③使用全色波段影像的RPC參數(shù)和定向參數(shù)按照RFM的像地正算算法交會(huì)到已知的數(shù)字高程模型上，從而解算出匹配點(diǎn)的地面坐標(biāo)，即將匹配點(diǎn)轉(zhuǎn)化為已知地面坐標(biāo)的控制點(diǎn)。④最后使用匹配獲得的控制點(diǎn)對(duì)多光譜衛(wèi)星影像進(jìn)行定向，并且在定向過(guò)程中自動(dòng)探測(cè)并剔除匹配粗差，從而保證高分辨率衛(wèi)星影像與多光譜影像之間的可靠高精度配準(zhǔn)。最終衛(wèi)星影像全色波段和多光譜波段之間像素級(jí)融合是通過(guò)各自的定向參數(shù)和已知的數(shù)字高程模型來(lái)實(shí)現(xiàn)，該算法可有效消除傳統(tǒng)融合方法中經(jīng)常出現(xiàn)的重影問(wèn)題。

圖2 多光譜波段與全色波段的配準(zhǔn)進(jìn)行定向

2.4 影像正射糾正分布并行計(jì)算

在異構(gòu)的網(wǎng)格環(huán)境下，通過(guò)網(wǎng)格中間件的網(wǎng)格服務(wù)來(lái)隱藏網(wǎng)絡(luò)的異構(gòu)性，充分利用網(wǎng)絡(luò)上的資源，實(shí)現(xiàn)大型問(wèn)題的分布并行計(jì)算。如果將局域網(wǎng)中互聯(lián)的所有工作站通過(guò)軟件的方式進(jìn)行通信和協(xié)作，以一定的任務(wù)調(diào)度策略共同完成影像的業(yè)務(wù)化處理工作，不僅能夠減輕人員的工作量，而且能夠?qū)崿F(xiàn)影像處理的高度自動(dòng)化，從而提高效率。本文正是基于這一出發(fā)點(diǎn)并結(jié)合分布式系統(tǒng)基本原理提出了一個(gè)高分辨率衛(wèi)星影像分布式處理系統(tǒng)[12-14]。

整個(gè)分布式系統(tǒng)主要由4大組成部分：任務(wù)解析、任務(wù)調(diào)度、任務(wù)計(jì)算和基于高速集中存儲(chǔ)數(shù)據(jù)服務(wù)。

任務(wù)解析模塊負(fù)責(zé)接收作業(yè)平臺(tái)提交的任務(wù)訂單，并且對(duì)數(shù)據(jù)存在性、完整性、可操作性、數(shù)據(jù)精度及任務(wù)單的其他要求進(jìn)行有效性驗(yàn)證， 確認(rèn)產(chǎn)品是

否具備可生產(chǎn)狀態(tài)，并且自動(dòng)反饋任務(wù)單接收狀態(tài)，對(duì)于可進(jìn)行生產(chǎn)的訂單進(jìn)行解析，生成詳細(xì)的生產(chǎn)作業(yè)單并進(jìn)行流程化分解；任務(wù)調(diào)度模塊需要調(diào)度完成影像處理、產(chǎn)品生產(chǎn)等任務(wù)，控制業(yè)務(wù)流程與對(duì)應(yīng)功能模塊之間的調(diào)用執(zhí)行，并且根據(jù)任務(wù)單的執(zhí)行情況完成任務(wù)單的狀態(tài)轉(zhuǎn)換及任務(wù)單在不同隊(duì)列之間的轉(zhuǎn)移；任務(wù)計(jì)算模塊完成各分解任務(wù)多個(gè)計(jì)算節(jié)點(diǎn)的影像處理，具備數(shù)據(jù)計(jì)算和高性能集群計(jì)算的能力，快速高效完成數(shù)據(jù)處理的任務(wù)；基于高速集中存儲(chǔ)數(shù)據(jù)服務(wù)提供數(shù)據(jù)在外圍儲(chǔ)存設(shè)備上的物理組織與存取方法，為海量數(shù)據(jù)處理與運(yùn)算提供保障。

3 數(shù)據(jù)處理應(yīng)用案例

通過(guò)業(yè)務(wù)流程化處理平臺(tái)，不同的影像處理功能可以通過(guò)業(yè)務(wù)訂單的形式進(jìn)行整合，以便進(jìn)行自動(dòng)化處理。為了驗(yàn)證業(yè)務(wù)化流程平臺(tái)的可行性與實(shí)用性，本文針對(duì)兩組試驗(yàn)數(shù)據(jù)進(jìn)行了數(shù)據(jù)處理。

3.1 GF1全色和多光譜影像正射影像制作

測(cè)試區(qū)域位于東經(jīng)111.9°—117.4°，北緯37.2°—41.3°之間，試驗(yàn)區(qū)面積為近40萬(wàn)km2。測(cè)試數(shù)據(jù)共486景GF1 PMS1/2影像，包含全色和多光譜影像，其中全色影像地面分辨率為2.0 m，覆蓋我國(guó)山東、河北、山西和內(nèi)蒙古部分區(qū)域，影像成像時(shí)間為2013年12月—2014年9月，除有2景影像的云霧覆蓋面積超過(guò)影像的50%外，其他影像質(zhì)量良好。該試驗(yàn)區(qū)影像數(shù)據(jù)分布情況如圖3所示。試驗(yàn)使用的平面參考資料為2 m分辨率正射影像，共提取236萬(wàn)個(gè)連接點(diǎn)，172萬(wàn)個(gè)控制參考點(diǎn)(用于抑制區(qū)域網(wǎng)平差過(guò)程中誤差的累積)，采用的高程參考資料為全球30 m格網(wǎng)間距ASTER DEM數(shù)據(jù)。

圖3 GF1影像覆蓋范圍示意圖

本文使用32個(gè)從2 m分辨率正射影像上人工量取的檢查點(diǎn)檢查區(qū)域網(wǎng)平差的精度。在數(shù)據(jù)處理過(guò)程中發(fā)現(xiàn)2景初始定向參數(shù)精度較差的數(shù)據(jù)(分別達(dá)到1200和630多像素的系統(tǒng)誤差，相當(dāng)于地面2.4 km和1.2 km)；在平差過(guò)程中利用研發(fā)的算法自動(dòng)將所有影像歸類為54影像組，其中最大的影像組包括13景影像，同組的影像在平差過(guò)程中使用同軌幾何約束條件。在剔除粗差后單位權(quán)中誤差為0.33像素，如表1和圖4所示。GFI正射糾正后處理效果如圖5、圖6所示。

圖4 DOM上抽取的檢查點(diǎn)分布情況

點(diǎn)號(hào)原始影像DOM誤差XYXYΔXΔY520074146.002674235276.8959220074145.142774235271.00893-0.85990-5.886991019631615.026704526350.9283019631614.068104526352.01746-0.958601.089161519676049.288464105416.6870019676048.662244105419.19191-0.626222.504912019897455.284704513052.8117919897456.758314513048.390931.47361-4.420862519817272.250034370815.6162819817275.365894370820.116973.115864.500693019580269.177634116878.7450419580267.212284116880.06935-1.965351.32431

圖5 GF1正射糾正后局部放大圖

圖6 GF1正射糾正后拼接效果

3.2 GF1全色和多光譜影像3B級(jí)產(chǎn)品生產(chǎn)

試驗(yàn)數(shù)據(jù)為400景2 m分辨率GF1全色和399景8 m分辨率GF1多光譜衛(wèi)星影像數(shù)據(jù)，覆蓋面積34萬(wàn)km2；已有DOM為63幅(第二次全國(guó)土地調(diào)查生產(chǎn)的1∶5萬(wàn)DOM底圖，分辨率14.5 m)。采用5個(gè)機(jī)架式服務(wù)器計(jì)算機(jī)進(jìn)行集群處理，試驗(yàn)采用流程定制一鍵式處理,以測(cè)試系統(tǒng)的效率，在無(wú)人工干預(yù)的條件下生成3B級(jí)正射影像產(chǎn)品(如圖7所示)的整個(gè)處理過(guò)程為5 h(見(jiàn)表2)。

表2 GF1全色和多光譜影像處理系統(tǒng)記錄處理時(shí)間

圖7 GF1 3B級(jí)正射影像疊合效果

4 結(jié) 語(yǔ)

通過(guò)上述案例分析可以看出，業(yè)務(wù)流程化處理系統(tǒng)具備對(duì)“高分一號(hào)”對(duì)地觀測(cè)數(shù)據(jù)大規(guī)模并行化處理的能力，具有較靈活的業(yè)務(wù)生產(chǎn)流程，可以最大限度地減少人工干預(yù)，保證高效、高質(zhì)量地完成影像數(shù)據(jù)生產(chǎn)。系統(tǒng)成果將直接為我國(guó)高分辨率衛(wèi)星及后續(xù)的衛(wèi)星影像數(shù)據(jù)處理與應(yīng)用提供技術(shù)支撐，并且已經(jīng)集成到國(guó)產(chǎn)遙感衛(wèi)星處理系統(tǒng)并部署在相關(guān)生產(chǎn)單位，用于“高分一號(hào)”衛(wèi)星數(shù)據(jù)的日常處理中。

“高分一號(hào)”為對(duì)地觀測(cè)提供了大量的數(shù)據(jù)信息，隨著遙感測(cè)繪、災(zāi)害監(jiān)測(cè)、環(huán)境監(jiān)測(cè)、遙感物探及地理信息服務(wù)等領(lǐng)域?qū)Ω叻钟跋駭?shù)據(jù)產(chǎn)品需求的增加，“高分一號(hào)”影像數(shù)據(jù)處理技術(shù)逐步趨于成熟，而對(duì)“高分一號(hào)”影像的業(yè)務(wù)化流程處理，能夠有效針對(duì)不同業(yè)務(wù)對(duì)高分影像處理技術(shù)進(jìn)行整合，實(shí)現(xiàn)流程化處理，有效地提高了影像校正產(chǎn)品和專題影像產(chǎn)品的自動(dòng)化生產(chǎn)程度，可以滿足不同業(yè)務(wù)的需求。

參考文獻(xiàn)：

[1] 白照廣. 高分一號(hào)衛(wèi)星的技術(shù)特點(diǎn)[J]. 中國(guó)航天, 2013(8):5-9.

[2] 何國(guó)金, 王力哲, 馬艷, 等. 對(duì)地觀測(cè)大數(shù)據(jù)處理: 挑戰(zhàn)與思考[J]. 科學(xué)通報(bào), 2015, 60(5): 470-478.

[3] 邴磊, 孫芳芳, 舒遲, 等. 基于遙感與GIS一體化的面向海事應(yīng)用衛(wèi)星遙感業(yè)務(wù)化系統(tǒng)研究[J]. 遙感信息, 2012, 27(5):96-101.

[4] 潘騰. 基于R-tree的空間索引研究與應(yīng)用[D]. 北京: 北京郵電大學(xué), 2004.

[5] 余艷, 林偉華, 談曉軍. 一種基于R-tree的空間索引方法[J]. 計(jì)算機(jī)工程, 2010, 36(12): 30-32.

[6] 張力,張繼賢. 基于多基線影像匹配的高分辨率遙感影像DEM的自動(dòng)生成[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2008,33(9): 943-946.

[7] 張力,張繼賢,陳向陽(yáng),等. 基于有理多項(xiàng)式模型RFM的稀少控制SPOT-5衛(wèi)星影像區(qū)域網(wǎng)平差[J]. 測(cè)繪學(xué)報(bào), 2009,38(4): 302-310.

[8] 張力, 艾海濱, 許彪，等. 基于多視影像匹配模型的傾斜航空影像自動(dòng)連接點(diǎn)提取及區(qū)域網(wǎng)平差方法[J]. 測(cè)繪學(xué)報(bào), 2017,46(5):554-564.

[9] REMONDINO F,EL-HAKIM S,GRUEN A, et al. Develop-ment and Performance Analysis of Image Matching for Detailed Surface Reconstruction of Heritage Objects [J].IEEE Signal Processing Magazine,2008,25(4):55-65.

[10] 張繼賢,燕琴,張力,等.西部地形困難區(qū)域測(cè)圖的原理與方法[M].北京:測(cè)繪出版社,2013.

[11] AI H B, ZHANG J Q. Parallel Processing for Fusing SPOT5 Satellite Images [C]∥SPIE Electronic Imaging. [S.l.]:SPIE, 2007.

[12] AI H B, ZHANG J Q. A Distributed Parallel Processing Method for Ortho-rectifying Satellite Imagery [C]∥SPIE Electronic Imaging.[S.l.]: SPIE, 2009.

[13] 艾海濱, 張劍清. 基于中間件的高分辨率衛(wèi)星影像正射糾正的分布式處理[J]. 測(cè)繪科學(xué), 2009(4):158-160.

[14] 樊文鋒, 李鴻洲, 溫奇, 等．高分二號(hào)衛(wèi)星影像正射糾正精度分析[J]. 測(cè)繪通報(bào), 2016(9):63-66.

[15] 雷德容. 測(cè)繪地理信息技術(shù)是智慧城市建設(shè)的重要支撐[EB/OL]. (2013-05-15) http:∥www.zgchb.com.cn/page/zazhi_detail.action?id=141398.

[16] HEIPKE C, LIANG T. Developing Trends and Prospect of Photogrammetry and Remote Sensing [J]. Geomatics World, 2011, 4(2): 7-11.