Nothing Special   »   [go: up one dir, main page]

CN108090865A - 光学卫星遥感影像在轨实时流式处理方法及系统 - Google Patents

光学卫星遥感影像在轨实时流式处理方法及系统 Download PDF

Info

Publication number
CN108090865A
CN108090865A CN201711354960.8A CN201711354960A CN108090865A CN 108090865 A CN108090865 A CN 108090865A CN 201711354960 A CN201711354960 A CN 201711354960A CN 108090865 A CN108090865 A CN 108090865A
Authority
CN
China
Prior art keywords
processing
data
module
remote sensing
sensing image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711354960.8A
Other languages
English (en)
Other versions
CN108090865B (zh
Inventor
王密
张致齐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Land Sea Space Yantai Information Technology Co ltd
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201711354960.8A priority Critical patent/CN108090865B/zh
Publication of CN108090865A publication Critical patent/CN108090865A/zh
Application granted granted Critical
Publication of CN108090865B publication Critical patent/CN108090865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5044—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/5017—Task decomposition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Image Input (AREA)

Abstract

本发明提供一种光学卫星遥感影像在轨实时流式处理方法及系统，包括构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；估计要达到实时处理性能所需要的处理模组数N，制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；根据硬件能力确定负载均衡策略，部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理。该方法可以充分利用在轨处理模组的处理能力与处理算法本身的特性，最优化在轨数据处理流程，提高遥感信息获取效率和实时性。

Description

光学卫星遥感影像在轨实时流式处理方法及系统
技术领域
本发明属于航天遥感影像高性能处理领域，涉及一种基于数据智能分包与负载均衡的多处理模组光学卫星遥感影像在轨实时处理方法及系统。
背景技术
传统的光学遥感卫星信息获取链路包括“卫星获取数据-卫星数据下传-地面集中处理-信息提取”四个主要环节，随着高分辨率对地观测卫星的快速发展，爆炸式增长的遥感数据给数据下传链路与地面处理系统带来了巨大的压力。一般情况下，从卫星数据生成到地面有效信息获取时延长达数十分钟，信息获取时效性较低。为充分利用有限传输带宽和卫星过境时间窗口、缩短信息获取时延，需要建立“卫星获取并处理数据-有效信息下传分发”的二级信息获取链路，即需要对海量原始数据进行在轨实时处理，以直接生成并下传有效信息。由于在轨处理平台存在体积、功耗限制，性能有限，要实现在轨实时处理，一方面需要采用多组低功耗高性能的嵌入式处理平台协作处理数据；另一方面需要将计算充分并行，并充分发挥计算存储部件的性能。
发明内容
本发明所要解决的问题是，针对多组低功耗嵌入式在轨处理模组，提出一种适用于光学卫星遥感影像在轨实时处理的流式处理技术方案。
本发明的技术方案提供一种光学卫星遥感影像在轨实时流式处理方法，包括以下步骤：
步骤1，构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；
步骤2，估计要达到实时处理性能所需要的处理模组数N如下式，
其中，TIN，TProc和TOUT分别为步骤1中测定的数据流入、数据处理、数据流出耗时；
步骤3，根据步骤2结果制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；
步骤4，根据硬件能力确定负载均衡策略；
步骤5，部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理，包括基于步骤2求得的处理模组数N，部署N个处理模组；按照步骤3制定的数据分包策略和步骤4确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理，实现光学卫星遥感影像的在轨实时处理。
而且，步骤3中根据不同处理算法需要实现配置，包括且不限于按照标准景划分、按照格网划分、按照超像素划分、按照像素划分的策略。
而且，步骤4中的负载均衡策略，根据不同硬件能力和处理算法需要，包括且不限于数据包依次平均分发、根据不同模组处理能力加权分发的策略。
而且，所述根据不同模组处理能力加权分发的策略，是按照处理模组处理能力设置权重，处理能力强、权重大的模组分配更多的待处理数据包。
而且，设单处理模组1到单处理模组N的处理能力权重分别为W1，W2，…，WN，则有：
单位时间内产生C个数据包，则每个处理模组处理的数据包数为Wi·。
本发明还提供一种光学卫星遥感影像在轨实时流式处理系统，包括以下模块：
第一模块，用于构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；
第二模块，用于估计要达到实时处理性能所需要的处理模组数N如下式，
其中，TIN，TProc和TOUT分别为步骤1中测定的数据流入、数据处理、数据流出耗时；
第三模块，用于根据第二模块所得结果制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；
第四模块，用于根据硬件能力确定负载均衡策略；
第五模块，用于部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理，包括基于第二模块求得的处理模组数N，部署N个处理模组；按照第三模块制定的数据分包策略和第四模块确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理，实现光学卫星遥感影像的在轨实时处理。
而且，第三模块中根据不同处理算法需要实现配置，包括且不限于按照标准景划分、按照格网划分、按照超像素划分、按照像素划分的策略。
而且，第四模块中的负载均衡策略，根据不同硬件能力和处理算法需要，包括且不限于数据包依次平均分发、根据不同模组处理能力加权分发的策略。
而且，所述根据不同模组处理能力加权分发的策略，是按照处理模组处理能力设置权重，处理能力强、权重大的模组分配更多的待处理数据包。
而且，设单处理模组1到单处理模组N的处理能力权重分别为W1，W2，…，WN，则有：
单位时间内产生C个数据包，则每个处理模组处理的数据包数为Wi·。
本发明提供的适用于光学卫星遥感影像在轨处理的流式处理架构，可以充分利用在轨处理模组的处理能力与处理算法本身的特性，最优化在轨数据处理流程，实现“数据流入-数据处理-数据流出”的光学卫星遥感影像在轨实时处理，提高遥感信息获取效率和实时性。本发明适用的处理算法包括且不限于光学卫星传感器校正、目标检测、云检测等，具有重要的市场价值。
附图说明
图1为本发明实施例的流程示意图；
图2为本发明实施例数据处理流程示意图；
图3为本发明实施例数据动态分包示意图。
具体实施方式
以下结合附图和实施例详细说明本发明技术方案。
本发明提出一种光学卫星遥感影像在轨实时流式处理架构，包括针对特定光学卫星遥感影像在轨处理算法特点和处理硬件特点，测定在单处理模组的数据流入、数据处理、数据流出耗时；进而计算达到实时处理性能所需要的处理模组数；并结合在轨处理算法特点制定并配置数据动态分包策略从而生成软硬结合的定制化流式架构；部署定制化流式架构以实现光学卫星遥感影像在轨实时处理。
如图1所示，实施例提供的一种光学卫星遥感影像在轨实时流式处理方法，包括以下步骤：
步骤1，构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时。
此处，处理模组特指包含处理、存储、通讯等功能模块的基本数据处理单元，包括且不限于以FPGA、DSP为核心器件的处理板、SoC系统等。基于处理模组，可通过编程实现对传入的数据进行处理，并将处理结果传出。处理过程中，对一个特定的数据块而言，数据流入、数据处理、数据流出三个主要步骤必须严格顺序执行；对多个数据块而言，此三个步骤可通过构建流水线堆叠处理，即对先后流入的数据A、B、C而言，数据C流入的同时，可对数据B进行处理，同时输出数据A的处理结果。由于数据流入、数据处理、数据流出三个步骤的耗时不一致，整个过程的执行效率取决于耗时最长的步骤(通常是数据处理)。
本发明通过对输入数据进行合理分包并均衡分发到多处理模组以实现在轨并行实时处理。针对光学卫星传感器校正、目标检测、云检测等特定处理算法，首先需要测定目标算法的处理速率与数据输入输出速率的比值，进而求得最少需要用到的处理模组数。
结合处理模组的硬件特性，需要将目标算法高效映射至处理模组，通过在前述单处理模组流水线上执行多次连续测试得到数据流入、数据处理、数据流出耗时平均值，分别记为TIN，TProc和TOUT。
步骤2，计算要达到实时处理性能所需要的处理模组数，即单处理模组的总数。可以计算数据处理速度与数据流入/流出速度(取二者的最慢速度)的比值，向上取整求得。本发明进一步提出优选方案，设处理模组数为N，其值由下式求得：
其中TIN，TProc和TOUT分别为单处理模组上执行多组测试得到数据流入、数据处理、数据流出耗时平均值。
本步骤为基于步骤1结果进行的独立数学计算，与具体软硬件等处理环境无关。
步骤3，根据步骤2结果制定并配置数据动态分包策略，包括且不限于按照标准景划分、按照格网划分、按照超像素划分、按照像素划分等策略。
在光学卫星遥感影像数据处理领域，通常按照卫星成像幅宽，输出正方形或接近正方形的影像产品，称为标准景。如图2所示，左侧为自上而下依次传入(流入)的待处理影像数据，初步划分为连续的标准景；标准景内部，进一步可划分为连续的数据段(段0，段1，段2，段3等)；更进一步的，数据段内可划分为并列的格网、超像素或像素。右侧为并列的多处理模组，处理模组内部由适合处理控制、分支、循环、迭代等标量运算的控制核(例如嵌入式CPU、DSP等)，与适合处理单指令多数据矢量运算的并行核(例如嵌入式GPU、FPGA等)组成。在图2中，左侧划分的数据段0，1，2，3依次分发给模组0，1，2，3(Module0、Module1、Module2、Module3)进行处理，数据段内部进一步划分为格网，使用控制核与并行核协同处理。
本发明对于不同类型的光学遥感影像处理算法采用不同的分包策略，对于需要整景处理的算法如光学卫星传感器校正，按整景粒度对流入数据分包，逐景分发到不同的处理模组进行处理；对于目标识别、云检测等算法，则需要将标准景进一步划分为若干个大致均等的数据段，逐段依次分发到不同数据处理模组进行处理，处理模组内，进一步将数据段划分为格网、超像素或像素，根据具体处理算法的主要运算类型，调用控制核与并行核协同并行计算(不同的运算核适合处理不同类型的运算)。
本步骤基于步骤2求得的实现实时计算需要的处理模组数N，结合不同类型处理算法的特点，制定具体的数据分包策略。该分包策略与处理算法本身特性密切相关，与单个处理模组的构型与计算能力无关。例如，对于需要考虑数据段间联系的算法，以整景为单位将数据包分发到N个处理模组进行处理；对于数据段间可独立处理的算法，以数据段为单位将数据包分发到N个处理模组，数据段内进一步划分为格网分配到单模组内不同的核上进行处理。
步骤4，根据硬件能力确定负载均衡策略。
所述负载均衡策略，根据不同硬件能力和处理算法需要，包括且不限于数据包依次平均分发、根据不同模组处理能力加权分发的策略。
实施例按照处理模组处理能力设置权重，处理能力强、权重大的模组分配更多的待处理数据包，以充分利用各处理模组，提高整体执行效率，避免节点过载或节点饥饿。设单处理模组1到单处理模组N的处理能力权重分别为W1，W2，…，WN，则有：
单位时间内产生C个数据包，则每个处理模组处理的数据包数为Wi·。
步骤5，部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理。如图3所示，基于步骤2求得的处理模组数N，部署N个处理模组(1-N)；数据分发模块按照步骤3制定的数据分包策略和步骤4确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理；处理模组内部，根据处理算法本身特点由控制核、并行核协同处理标量运算和矢量运算，以实现光学卫星遥感影像的在轨实时处理。
以应用本发明实现光学卫星遥感影像实时云检测处理生产的时间线为例，从原点开始，相机花费0.403秒产生“数据0段0”数据，该数据段被分配至模组0处理，耗时1.439秒；同时相机继续花费0.403秒产生“数据0段1”数据，该数据段被分配至模组1处理，耗时1.501秒；依此类推。可见，通过合理的数据分包与均衡策略，各段数据生成后可立即开始处理，系统整体不存在等待和数据堆积现象。数据生成完毕后1.417秒，数据处理完毕，实现了光学卫星遥感影像实时云检测处理。
具体实施时，本发明所提供方法可基于软件技术实现自动运行流程，也可采用模块化方式实现相应系统。
本发明实施例还提供一种光学卫星遥感影像在轨实时流式处理系统，包括以下模块：
第一模块，用于构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；
第二模块，用于估计要达到实时处理性能所需要的处理模组数N如下式，
其中，TIN，TProc和TOUT分别为步骤1中测定的数据流入、数据处理、数据流出耗时；
第三模块，用于根据第二模块所得结果制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；
第四模块，用于根据硬件能力确定负载均衡策略；
第五模块，用于部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理，包括基于第二模块求得的处理模组数N，部署N个处理模组；按照第三模块制定的数据分包策略和第四模块确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理，实现光学卫星遥感影像的在轨实时处理。
各模块具体实现可参见相应步骤，本发明不予赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种光学卫星遥感影像在轨实时流式处理方法，其特征在于，包括以下步骤：
步骤1，构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；
步骤2，估计要达到实时处理性能所需要的处理模组数N如下式，
其中，TIN，TProc和TOUT分别为步骤1中测定的数据流入、数据处理、数据流出耗时；
步骤3，根据步骤2结果制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；
步骤4，根据硬件能力确定负载均衡策略；
步骤5，部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理，包括基于步骤2求得的处理模组数N，部署N个处理模组；按照步骤3制定的数据分包策略和步骤4确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理，实现光学卫星遥感影像的在轨实时处理。
2.根据权利要求1所述光学卫星遥感影像在轨实时流式处理方法，其特征在于：步骤3中根据不同处理算法需要实现配置，包括且不限于按照标准景划分、按照格网划分、按照超像素划分、按照像素划分的策略。
3.根据权利要求1或2所述光学卫星遥感影像在轨实时流式处理方法，其特征在于：步骤4中的负载均衡策略，根据不同硬件能力和处理算法需要，包括且不限于数据包依次平均分发、根据不同模组处理能力加权分发的策略。
4.根据权利要求3所述光学卫星遥感影像在轨实时流式处理方法，其特征在于：所述根据不同模组处理能力加权分发的策略，是按照处理模组处理能力设置权重，处理能力强、权重大的模组分配更多的待处理数据包。
5.根据权利要求4所述光学卫星遥感影像在轨实时流式处理方法，其特征在于：设单处理模组1到单处理模组N的处理能力权重分别为W1，W2，…，WN，则有：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> </mrow>
单位时间内产生C个数据包，则每个处理模组处理的数据包数为Wi·C。
6.一种光学卫星遥感影像在轨实时流式处理系统，其特征在于，包括以下模块：
第一模块，用于构建单处理模组的处理流水线，分别测定数据流入、数据处理、数据流出的速度，记录相应耗时；
第二模块，用于估计要达到实时处理性能所需要的处理模组数N如下式，
其中，TIN，TProc和TOUT分别为步骤1中测定的数据流入、数据处理、数据流出耗时；
第三模块，用于根据第二模块所得结果制定并配置数据动态分包策略，根据不同处理算法需要实现配置，包括初步划分为连续的标准景，根据需要支持标准景内部进一步划分为连续的数据段，根据需要支持数据段内更进一步地划分为并列的格网、超像素或像素；
第四模块，用于根据硬件能力确定负载均衡策略；
第五模块，用于部署定制化流式处理架构以实现光学卫星遥感影像在轨实时处理，包括基于第二模块求得的处理模组数N，部署N个处理模组；按照第三模块制定的数据分包策略和第四模块确定的负载均衡策略，对持续流入的输入进行实时分包与分发，以实现多个处理模组之间的并行处理，实现光学卫星遥感影像的在轨实时处理。
7.根据权利要求6所述光学卫星遥感影像在轨实时流式处理系统，其特征在于：第三模块中根据不同处理算法需要实现配置，包括且不限于按照标准景划分、按照格网划分、按照超像素划分、按照像素划分的策略。
8.根据权利要求6或7所述光学卫星遥感影像在轨实时流式处理系统，其特征在于：第四模块中的负载均衡策略，根据不同硬件能力和处理算法需要，包括且不限于数据包依次平均分发、根据不同模组处理能力加权分发的策略。
9.根据权利要求8所述光学卫星遥感影像在轨实时流式处理系统，其特征在于：所述根据不同模组处理能力加权分发的策略，是按照处理模组处理能力设置权重，处理能力强、权重大的模组分配更多的待处理数据包。
10.根据权利要求9所述光学卫星遥感影像在轨实时流式处理系统，其特征在于：设单处理模组1到单处理模组N的处理能力权重分别为W1，W2，…，WN，则有：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> </mrow>
单位时间内产生C个数据包，则每个处理模组处理的数据包数为Wi·C。
CN201711354960.8A 2017-12-15 2017-12-15 光学卫星遥感影像在轨实时流式处理方法及系统 Active CN108090865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711354960.8A CN108090865B (zh) 2017-12-15 2017-12-15 光学卫星遥感影像在轨实时流式处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711354960.8A CN108090865B (zh) 2017-12-15 2017-12-15 光学卫星遥感影像在轨实时流式处理方法及系统

Publications (2)

Publication Number Publication Date
CN108090865A true CN108090865A (zh) 2018-05-29
CN108090865B CN108090865B (zh) 2021-06-15

Family

ID=62176588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711354960.8A Active CN108090865B (zh) 2017-12-15 2017-12-15 光学卫星遥感影像在轨实时流式处理方法及系统

Country Status (1)

Country Link
CN (1) CN108090865B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165572A (zh) * 2020-09-10 2021-01-01 Oppo（重庆）智能科技有限公司 图像处理方法、装置、终端及存储介质
CN113283412A (zh) * 2021-07-26 2021-08-20 广州乐盈信息科技股份有限公司 一种光学卫星遥感影像在轨实时流式处理方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006115283A (ja) * 2004-10-15 2006-04-27 Mitsubishi Electric Corp データ圧縮装置およびデータ伸張装置
JP2007293558A (ja) * 2006-04-25 2007-11-08 Hitachi Ltd 目標物認識プログラム及び目標物認識装置
CN102521687A (zh) * 2011-12-01 2012-06-27 中国资源卫星应用中心 遥感卫星数据预处理小型化通用平台
CN103020620A (zh) * 2012-12-14 2013-04-03 武汉大学 基于cpu和gpu协同处理的遥感影像正射校正方法
CN103796018A (zh) * 2014-01-14 2014-05-14 齐齐哈尔大学 一种遥感影像实时压缩及渐进传输系统
CN103809969A (zh) * 2014-01-15 2014-05-21 中国公路工程咨询集团有限公司 云环境下基于预分片的遥感影像数据并行重采样方法
US9235902B2 (en) * 2011-08-04 2016-01-12 University Of Southern California Image-based crack quantification
CN105430378A (zh) * 2015-11-26 2016-03-23 航天恒星科技有限公司 一种影像质量评价系统及方法
CN106846292A (zh) * 2016-12-14 2017-06-13 中国资源卫星应用中心 一种无效像元在轨检测方法
CN106909644A (zh) * 2017-02-21 2017-06-30 中国科学院电子学研究所 一种面向海量遥感影像的多级组织和索引方法
CN107391258A (zh) * 2017-07-20 2017-11-24 武汉大学 一种软硬件一体的便携式遥感影像实时处理系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006115283A (ja) * 2004-10-15 2006-04-27 Mitsubishi Electric Corp データ圧縮装置およびデータ伸張装置
JP2007293558A (ja) * 2006-04-25 2007-11-08 Hitachi Ltd 目標物認識プログラム及び目標物認識装置
US9235902B2 (en) * 2011-08-04 2016-01-12 University Of Southern California Image-based crack quantification
CN102521687A (zh) * 2011-12-01 2012-06-27 中国资源卫星应用中心 遥感卫星数据预处理小型化通用平台
CN103020620A (zh) * 2012-12-14 2013-04-03 武汉大学 基于cpu和gpu协同处理的遥感影像正射校正方法
CN103796018A (zh) * 2014-01-14 2014-05-14 齐齐哈尔大学 一种遥感影像实时压缩及渐进传输系统
CN103809969A (zh) * 2014-01-15 2014-05-21 中国公路工程咨询集团有限公司 云环境下基于预分片的遥感影像数据并行重采样方法
CN105430378A (zh) * 2015-11-26 2016-03-23 航天恒星科技有限公司 一种影像质量评价系统及方法
CN106846292A (zh) * 2016-12-14 2017-06-13 中国资源卫星应用中心 一种无效像元在轨检测方法
CN106909644A (zh) * 2017-02-21 2017-06-30 中国科学院电子学研究所 一种面向海量遥感影像的多级组织和索引方法
CN107391258A (zh) * 2017-07-20 2017-11-24 武汉大学 一种软硬件一体的便携式遥感影像实时处理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
向夏芸 等: "ZY-3卫星轨道拟合与预报精度分析", 《测绘通报》 *
王密 等: "大型遥感影像数据库的空间无缝数据组织", 《武汉大学学报信息科学版》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112165572A (zh) * 2020-09-10 2021-01-01 Oppo（重庆）智能科技有限公司 图像处理方法、装置、终端及存储介质
CN113283412A (zh) * 2021-07-26 2021-08-20 广州乐盈信息科技股份有限公司 一种光学卫星遥感影像在轨实时流式处理方法
CN113283412B (zh) * 2021-07-26 2021-09-21 广州乐盈信息科技股份有限公司 一种光学卫星遥感影像在轨实时流式处理方法

Also Published As

Publication number Publication date
CN108090865B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN108920413B (zh) 面向gpdsp的卷积神经网络多核并行计算方法
CN111553484B (zh) 联邦学习的方法、装置及系统
TWI749249B (zh) 芯片裝置、芯片、智能設備以及神經網絡的運算方法
CN105550323B (zh) 一种分布式数据库负载均衡预测方法和预测分析器
Cavigelli et al. Origami: A convolutional network accelerator
CN107301456B (zh) 基于向量处理器的深度神经网络多核加速实现方法
CN104901898B (zh) 一种负载均衡方法及装置
Cheung et al. A large-scale spiking neural network accelerator for FPGA systems
CN107392308A (zh) 一种基于可编程器件的卷积神经网络加速方法与系统
CN106951395A (zh) 面向压缩卷积神经网络的并行卷积运算方法及装置
CN110348574A (zh) 一种基于zynq的通用卷积神经网络加速结构及设计方法
WO2014139450A1 (en) System and method for distributed sql join processing in shared-nothing relational database clusters using stationary tables
CN115828831B (zh) 基于深度强化学习的多芯粒芯片算子放置策略生成方法
CN103793590A (zh) 一种基于gpu的快速求解配电网潮流的计算方法
CN115221102B (zh) 用于优化片上系统的卷积运算操作的方法和相关产品
CN116720549A (zh) 一种基于cnn输入全缓存的fpga多核二维卷积加速优化方法
CN114003198B (zh) 内积处理部件、任意精度计算设备、方法及可读存储介质
US20210326750A1 (en) Efficient convolution of multi-channel input samples with multiple kernels
CN108090865A (zh) 光学卫星遥感影像在轨实时流式处理方法及系统
CN112686379A (zh) 集成电路装置、电子设备、板卡和计算方法
Niu et al. SPEC2: Spectral sparse CNN accelerator on FPGAs
CN104572588B (zh) 矩阵求逆处理方法和装置
CN114297041A (zh) 网络异构计算平台测试方法、装置和计算机设备
CN105871618B (zh) 云调度器中应对不确定需求的多资源调度方法
Gao et al. Revisiting thread configuration of SpMV kernels on GPU: A machine learning based approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240108

Address after: No. 120, Haixiang Middle Road, Fengcheng Street, Haiyang City, Yantai City, Shandong Province, 265100

Patentee after: Land sea space (Yantai) Information Technology Co.,Ltd.

Address before: 430072 Hubei Province, Wuhan city Wuchang District of Wuhan University Luojiashan

Patentee before: WUHAN University

TR01 Transfer of patent right