基于多基態(tài)修正模型的多時相衛(wèi)星影像數(shù)據(jù)組織方法研究*

袁昱緯 衛(wèi) 強(qiáng) 楊亞鵬 夏明卓

（中國人民解放軍91977部隊(duì) 北京 100036）

1 引言

隨著衛(wèi)星技術(shù)的不斷發(fā)展，衛(wèi)星的重訪周期越來越短，時間分辨率越來越高，多時相衛(wèi)星影像被廣泛應(yīng)用于GIS［1］、變化檢測［2］、地物識別［3］、遙感反演［4］等領(lǐng)域，但同樣面臨多時相衛(wèi)星影像數(shù)據(jù)組織管理中數(shù)據(jù)冗余量大、檢索操作復(fù)雜等問題，因此面向多時相衛(wèi)星影像的數(shù)據(jù)組織管理問題已成為眾多學(xué)者的研究熱點(diǎn)［5～6］。

侯平等［7］運(yùn)用變化檢測技術(shù)提出一種多時相遙感影像存儲管理的新方法，能夠有效節(jié)省存儲空間，但是較新時刻的遙感影像需要較長的讀取時間；陸納納等［8］提出面向?qū)ο蟮幕鶓B(tài)修正模型改進(jìn)及查詢方法，能夠有效提高各時相影像的檢索和讀取效率，但難以高效組織管理大規(guī)模的衛(wèi)星影像；楊建思等［9］提出一種大文件多版本遙感影像數(shù)據(jù)組織管理方法，存儲的效率較高，但檢索同一地區(qū)不同時相影像時需要跳轉(zhuǎn)多個金字塔結(jié)構(gòu)，計算過程較為繁瑣。本文針對多時相衛(wèi)星影像數(shù)據(jù)組織管理中數(shù)據(jù)冗余量大、檢索操作繁瑣等問題，通過引入多基態(tài)修正模型、動態(tài)基態(tài)距以及Hilbert空間排列碼等，提出了一種多時相衛(wèi)星影像數(shù)據(jù)組織方法。

2 時空數(shù)據(jù)模型

2.1 基態(tài)修正模型

基態(tài)修正模型是一種典型的時空數(shù)據(jù)模型，相較于序列快照模型，能夠避免對各時刻數(shù)據(jù)的完整存儲，僅需存儲起始時刻數(shù)據(jù)（稱為基態(tài)）和后續(xù)各時刻相對于基態(tài)的變化數(shù)據(jù)（稱為差文件），通過將給定時刻及其之前所有變化數(shù)據(jù)與基態(tài)數(shù)據(jù)進(jìn)行疊加處理，即可得到給定時刻的完整數(shù)據(jù)。

基態(tài)修正模型中，對于相鄰時刻的相同數(shù)據(jù)，僅需存儲一次；同時，通過疊加處理能夠獲得給定時刻完整數(shù)據(jù)，數(shù)據(jù)的空間分辨率沒有損失。因此基態(tài)修正模型能夠在保證空間數(shù)據(jù)的空間分辨率不變的前提下，減少冗余數(shù)據(jù)存儲，并滿足不同時相空間數(shù)據(jù)的存儲需要。

基態(tài)修正模型在組織時空數(shù)據(jù)時，同樣面臨空間關(guān)系計算復(fù)雜、數(shù)據(jù)讀取時計算量大等缺點(diǎn)，尤其在處理變化數(shù)據(jù)鄰域中的非變化數(shù)據(jù)時，不能在鄰域計算后直接進(jìn)行讀取數(shù)據(jù)，需要順序讀取其之前時刻的全部歷史數(shù)據(jù)并疊加處理。多時相衛(wèi)星影像數(shù)據(jù)在采用基態(tài)修正模型組織管理時，由于常常調(diào)用的不是起始時刻的影像，而是較新時刻的影像，這就造成高頻調(diào)用的影像往往都需要不斷進(jìn)行歷史訪問和順序疊加操作，嚴(yán)重影響了衛(wèi)星影像的讀取效率。

2.2 多基態(tài)修正模型

多基態(tài)修正模型是在基態(tài)修正模型的基礎(chǔ)上，通過在若干個特定時刻存儲完整數(shù)據(jù)（即多個基態(tài)），差文件在其之前最近基態(tài)的基礎(chǔ)上建立，形成多個基態(tài)修正模型疊加的結(jié)構(gòu)，如圖1 所示，圖中的T0、T5、T10、T15時刻對應(yīng)的粗實(shí)線表示基態(tài)，其余細(xì)實(shí)線表示差文件。基態(tài)之間的時間差稱為基態(tài)距，如圖1 中的L1、L2、L3。與傳統(tǒng)基態(tài)修正模型相比，多基態(tài)修正模型能夠有效減少獲取較新時刻數(shù)據(jù)時的歷史訪問和順序疊加操作，并減少差文件空間結(jié)構(gòu)的復(fù)雜度和數(shù)量［10］。

在多基態(tài)修正模型中，快照建立的越多、基態(tài)距越短，能夠獲得更高的數(shù)據(jù)訪問效率，但數(shù)據(jù)量就越大；相反地，快照建立的越少、基態(tài)距越長，數(shù)據(jù)量就越小，差文件數(shù)越多越復(fù)雜，數(shù)據(jù)訪問效率越低。因此，選取合適的基態(tài)距就顯得尤為重要。

2.3 基于動態(tài)基態(tài)距的多基態(tài)修正模型

不同時刻數(shù)據(jù)量之間的變化可以用差文件數(shù)據(jù)率ki表示：

其中，Qi為i 時刻對應(yīng)的數(shù)據(jù)量，B 為i 時刻相對應(yīng)基態(tài)的數(shù)據(jù)量。

在構(gòu)建多基態(tài)修正模型時，不同時相數(shù)據(jù)的對應(yīng)時刻記為i ，i=1，2，3...，n，相鄰基態(tài)變化量閾值記為a。當(dāng)變化率累積Kj大于a 且Kj-1小于a時，則建立新快照。變化率累積Kj如下所示：

建立新基態(tài)后，上式i 從j 時刻重新開始累積，直至建立下一個新基態(tài)。如此往復(fù)，直至所有時刻均完成構(gòu)建。如圖2所示。

圖2 基于動態(tài)基態(tài)距的多基態(tài)修正模型示意圖

從圖2 可以看出，基態(tài)距隨不同時刻數(shù)據(jù)的變化率ki變化而動態(tài)變化。不同時相數(shù)據(jù)間的變化率ki越小或閾值a 越大，基態(tài)距則越大；不同時相數(shù)據(jù)間的變化率ki越大或閾值a 越小，基態(tài)距則越小。

當(dāng)變化率累積Kj達(dá)到50%～60%時，差文件一般出現(xiàn)較高的空間浪費(fèi)率，因此閾值a 一般選取50%或60%。也可通過實(shí)際檢索和讀取效率比測的方式確定閾值a。

3 改進(jìn)的多時相影像金字塔模型

3.1 影像金字塔模型

單幅衛(wèi)星影像數(shù)據(jù)一般覆蓋范圍廣，數(shù)據(jù)量較大，以整幅衛(wèi)星影像為單位進(jìn)行組織、檢索和瀏覽時，效率極低。由于用戶檢索和瀏覽的范圍通常僅占整幅衛(wèi)星影像一小部分，為提高效率，需對衛(wèi)星影像對進(jìn)行分塊處理，形成影像瓦片［11］。瓦片一般大小為256×256像素。

為快速獲得同一地區(qū)不同分辨率的衛(wèi)星影像，提高影像數(shù)據(jù)檢索、調(diào)度和不同尺度瀏覽時的效率，需按照不同分辨率等級將影像瓦片層次化組織起來，這種數(shù)據(jù)模型稱為金字塔模型，如圖3 所示。相鄰分辨率等級一般為2 倍關(guān)系，金字塔模型中越低層級，影像分辨率越高。高層級的影像瓦片可通過對低層級影像瓦片重采樣得到。

圖3 影像金字塔模型示意圖

3.2 改進(jìn)的多時相影像金字塔模型

與傳統(tǒng)金字塔模型中每個分塊分別代表一個影像瓦片不同，在多時相影像金字塔模型中，金字塔模型的每個分塊均代表對應(yīng)區(qū)域所有刻的影像瓦片。改進(jìn)的多時相影像金字塔模型的每個分塊均采用基于動態(tài)基態(tài)距的多基態(tài)修正模型來組織多時相的影像瓦片，其構(gòu)建過程如下。

1）對起始時刻的衛(wèi)星影像，在進(jìn)行影像分塊形成瓦片后，直接存儲于金字塔模型的對應(yīng)分塊，此時金字塔模型為基態(tài)修正模型的基態(tài)。

2）對后續(xù)多時相的衛(wèi)星影像輻射校正、輻射配準(zhǔn)后，進(jìn)行影像分塊形成瓦片，瓦片分別與上一時刻對應(yīng)區(qū)域分塊進(jìn)行變化檢測；變化檢測一般采用圖像差值法，該方法簡單、效率高且易于工程實(shí)現(xiàn)，也可采用主成分分析法、聚類法等方法進(jìn)行變化檢測。

3）設(shè)定變化檢測閾值b，若影像瓦片的變化量大于變化閾值b，則說明該瓦片較上一時刻發(fā)生了變化，應(yīng)當(dāng)作為基態(tài)修正模型中的差文件，在金字塔模型中進(jìn)行存儲；若影像瓦片的變化量小于變化閾值b，則將該瓦片視作未發(fā)生變化，不在金字塔模型中存儲，僅在金字塔模型的對應(yīng)分塊上進(jìn)行標(biāo)記。同時，累積統(tǒng)計發(fā)生變化的影像瓦片數(shù)量。

4）若累積統(tǒng)計的影像瓦片變化數(shù)量未超過對應(yīng)基態(tài)的變化量閾值a，則對下一時刻的衛(wèi)星影像重復(fù)第2）、3）步；若累積統(tǒng)計的影像瓦片變化數(shù)量達(dá)到或超過對應(yīng)基態(tài)的變化量閾值a，則不進(jìn)行變化監(jiān)測和判斷，新建多基態(tài)修正模型中的下一個基態(tài)，該時刻的全部數(shù)據(jù)在金字塔模型中的對應(yīng)分塊進(jìn)行存儲，同時累積統(tǒng)計的影像瓦片變化數(shù)量清零，對下一時刻衛(wèi)星影像重新第2）、3）步。

5）直至所有時刻的衛(wèi)星影像均完成多基態(tài)修正模型的建立。

6）對于影像金字塔模型高層級中的低分辨率影像，可通過對下一層級多基態(tài)修正模型中的對應(yīng)影像瓦塊進(jìn)行重采樣獲得；對于重采樣時缺少的影像瓦塊，可采用多基態(tài)修正模型中的對應(yīng)基態(tài)和差文件進(jìn)行疊加獲得。

改進(jìn)的多時相影像金字塔模型如圖4所示。

圖4 改進(jìn)的多時相影像金字塔模型示意圖

4 多時相影像瓦片編碼和檢索機(jī)制

4.1 基于Hilbert 空間排列碼的多時相影像瓦片編碼

Hilbert曲線具有良好的空間聚類效果，影像瓦片存儲時能夠較好地保持鄰接關(guān)系，具有較高的順序讀取效率［12］，其空間查詢和鄰域編碼計算復(fù)雜的缺點(diǎn)可通過曲線網(wǎng)格劃分或查表的方式進(jìn)行優(yōu)化。

將金字塔模型各層級分塊分別按照Hilbert 曲線順序進(jìn)行編碼，成為Hilbert空間排列碼。因此本文采用“L_H_T”的命名規(guī)則對多時相影像金字塔的影像瓦片進(jìn)行編碼，其中，L 為影像瓦片所在的金字塔層級，H 為影像瓦片在所在金字塔層級中的Hilbert 空間排列碼，T 為影像瓦片對應(yīng)的時刻。由于“L_H_T”命名規(guī)則的編碼能夠唯一標(biāo)識每一個影像瓦片文件，能夠直接從編碼獲取影像瓦片在金字塔模型中所處的位置和對應(yīng)時刻時間。

4.2 檢索機(jī)制

在進(jìn)行多時相影像瓦片的檢索時，根據(jù)影像瓦片編碼規(guī)則和用戶檢索瀏覽習(xí)慣，本文設(shè)計為三級檢索：

第一級索引根據(jù)用戶檢索和瀏覽的分辨率，映射到對應(yīng)的金字塔層級；

第二級索引根據(jù)用戶提供的影像瓦塊Hilbert空間排列碼，計算其行列編碼和地理空間位置，索引到金字塔模型的對應(yīng)分塊；

第三級索引根據(jù)用戶指定的時刻，索引到特定的影像塊；若金字塔模型中該分塊在給定時刻僅有對應(yīng)的差文件，則在多基態(tài)修正模型中查找最近的基態(tài)，并與其之后的差文件進(jìn)行疊加操作，獲得指定時刻的影像塊，所需的基態(tài)和差文件可通過修改影像塊“L_H_T”編碼的T編碼快速獲得。

5 實(shí)驗(yàn)驗(yàn)證

本文采用Esri ArcGIS 和Google Earth 提供的某地多時相衛(wèi)星影像數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)的原始影像數(shù)據(jù)總量約3.62GB。9 個不同時刻的局部樣例影像如圖5所示。

圖5 多時相衛(wèi)星影像示例

實(shí)驗(yàn)分別采用序列快照模型、基態(tài)修正模型和本文提出的方法（基態(tài)距閾值選取60%），進(jìn)行多時相影像金字塔模型的數(shù)據(jù)組織和存儲，并對最新時刻影像進(jìn)行讀取，影像讀取效果如圖6 所示。存儲空間開銷比對，如圖7所示。隨機(jī)選取10個不同時刻不同地點(diǎn)的影像塊，分別采用上述三種模型進(jìn)行讀取的時間開銷如圖8所示。

通過實(shí)驗(yàn)驗(yàn)證了本文模型的可行性，并從實(shí)驗(yàn)影像的比對可以看出，本文提出的多時相衛(wèi)星影像數(shù)據(jù)組織方法，雖然不能像序列快照模型那樣完整地保存原始影像，但能夠保證主要的影像數(shù)據(jù)不丟失，時相間變化小的區(qū)域利用之前時相的影像進(jìn)行了代替。

圖6 采用不同模型進(jìn)行多時相衛(wèi)星影像存儲并讀取的影像結(jié)果

圖7 存儲空間開銷對比圖

圖8 影像瓦片讀取的時間開銷對比圖

從圖7 可以看出，本文提出模型的存儲開銷明顯小于序列快照模型，略高于較傳統(tǒng)的基態(tài)修正模型；從圖8 可以看出，本文提出模型的讀取時間開銷低于傳統(tǒng)的基態(tài)修正模型，略高于序列快照模型。因此，本文提出模型能夠在大幅度減少數(shù)據(jù)冗余存儲的同時，兼顧影像塊的讀取效率。

6 結(jié)語

采用基于動態(tài)基態(tài)距的多基態(tài)修正模型組織多時相的衛(wèi)星影像數(shù)據(jù)，在傳統(tǒng)多分辨率金字塔模型的基礎(chǔ)上，將每個金字塔分塊對應(yīng)一個多基態(tài)修正模型，用以管理衛(wèi)星影像分塊的基態(tài)和差文件，并對基態(tài)之間的間隔進(jìn)行了動態(tài)分配，提出了改進(jìn)的多時相基于Hilbert 空間排列碼的多時相影像瓦片編碼和相應(yīng)的檢索機(jī)制，兼顧了影像塊的讀取效率和數(shù)據(jù)冗余程度，為解決多時相衛(wèi)星影像的管理問題進(jìn)行了有益的探索。