遥感影像群判读系统的设计与实现

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (24): 182-184.

遥感影像群判读系统的设计与实现

刘亚岚，阎守邕，王涛，魏成阶，肖春生

中国科学院遥感应用研究所，北京 100101

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-08-21 发布日期:2007-08-21
通讯作者: 刘亚岚

Design and implementation of group-based interpretation system for remote sensing images

LIU Ya-lan，YAN Shou-yong，WANG Tao，WEI Cheng-jie，XIAO Chun-sheng

Institute of Remote Sensing Applications，CAS，Beijing 100101，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-08-21 Published:2007-08-21
Contact: LIU Ya-lan

摘要/Abstract

摘要： 在综合运用图像、图形处理、计算机网络、多媒体等技术的基础上，根据判读应用任务需求、判读人员作业习惯，将各种技术优势综合，提出了支持大型判读任务的、多机方式下的“遥感影像群判读系统”的解决方案及其计算机实现技术方案。首先分析了该技术的研究现状、技术背景和特点，然后提出了群判读的设计策略、基于客户端/服务器的总体框架结构、具体功能及其实现方法。引入“项目管理”的概念，将地理信息系统、网络技术集成到系统中，为使判读人员通过网络环境以协作方式判读，进一步提高工作效率提供了技术环境，也为遥感与地理信息系统的集成提供了可借鉴的新方法。

关键词: 遥感影像, 群判读, 判读系统

Abstract: This paper introduces the strategy of system design for GrIS，its functions，the system structure and the implement technology in detail.To take account of the requirements of the tasks，procedures and manners of interpretation，the design of GrIS has integrated some techniques including image processing，graphics，computer network and multimedia.This lets GrIS support the interpretation to complete in both single-computer mode and multi-computer mode with client/server structure in LAN and WAN environment.Due to this，its functions consist of three levels including module functions，functions in single system mode and functions for group-based cooperative working.So，GrIS can easily deal with task assignment，interpretation progress monitoring，accuracy and efficiency assessment，and results integration from different computers connected by network，and so on.

Key words: Remote Sensing Images, group-based interpretation, interpretation system.

刘亚岚，阎守邕，王涛，魏成阶，肖春生. 遥感影像群判读系统的设计与实现[J]. 计算机工程与应用, 2007, 43(24): 182-184.

LIU Ya-lan，YAN Shou-yong，WANG Tao，WEI Cheng-jie，XIAO Chun-sheng. Design and implementation of group-based interpretation system for remote sensing images[J]. Computer Engineering and Applications, 2007, 43(24): 182-184.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[3]	高宇歌，杨海涛，王晋宇，李高源，张长弓，冯博迪. 联合知识与CNN的遥感影像目标检测研究综述[J]. 计算机工程与应用, 2021, 57(18): 65-74.
[4]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[5]	黄冬梅，梁素玲，王振华，孙婧琦，徐首珏. 利用信息熵的高光谱遥感影像降维方法[J]. 计算机工程与应用, 2019, 55(6): 191-196.
[6]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[7]	王雪1，隋立春1，2，杨振胤3，康军梅1. 最优方向耦合字典学习的遥感影像超分辨率重建[J]. 计算机工程与应用, 2018, 54(7): 201-205.
[8]	康军梅1，隋立春1，2，李丽1，杨振胤1，丁明涛1，王君1. 基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建[J]. 计算机工程与应用, 2018, 54(16): 187-191.
[9]	张雷，甘春生，胡宇. 高分辨率光学遥感影像舰船检测算法研究[J]. 计算机工程与应用, 2017, 53(9): 184-189.
[10]	赵爽1，2，李学军1，刘涛1. 跨平台的遥感影像处理系统设计与实现[J]. 计算机工程与应用, 2017, 53(22): 217-221.
[11]	雒培磊1，李国庆2，曾怡1. 一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用, 2017, 53(20): 180-186.
[12]	程圆娥，周绍光，袁春琦，陈蒙蒙. 基于主动深度学习的高光谱影像分类[J]. 计算机工程与应用, 2017, 53(17): 192-196.
[13]	林卉1，于瑞鹏2，王李娟1，邵聪颖1. 基于特征向量的遥感影像自动分类研究[J]. 计算机工程与应用, 2017, 53(16): 177-181.
[14]	陈仁喜1，李鑫慧2，周绍光1. 面向对象的竞争合作学习遥感影像聚类算法[J]. 计算机工程与应用, 2016, 52(21): 8-13.
[15]	李建飞，文志强，胡永祥，邓刘昭芦. 基于改进区域生长的遥感影像道路提取[J]. 计算机工程与应用, 2016, 52(2): 209-213.