目標多維特征數(shù)據(jù)庫設計與實現(xiàn)

趙丁　袁艷　蘇麗娟　王繼超

摘 要： 針對地物目標空間、光譜和偏振等多維信息管理不夠全面、目標多維特征利用不足等問題，提出構建目標多維特征數(shù)據(jù)庫的方法?；赟QL Server數(shù)據(jù)庫和關系模型，利用C#語言和.NET平臺下的WPF界面框架和Entity Framework數(shù)據(jù)訪問技術，設計了四層體系結構以及四類功能模塊，開發(fā)了包括空間、光譜和偏振等多維信息在內的數(shù)據(jù)庫系統(tǒng)，并針對多維樣本設計了包含屬性信息的編號形式。該系統(tǒng)提高了目標多維信息的管理效率，并且為地物目標的探測、分類和識別等應用提供支持。

關鍵詞： 多維信息管理； 樣本管理； 數(shù)據(jù)庫設計； 系統(tǒng)開發(fā)

中圖分類號： TN919.5?34； TP751；TP311 文獻標識碼： A 文章編號： 1004?373X（2017）20?0010?04

Abstract： As the management of ground target multidimensional information such as space， spectrum and polarization is incomprehensive， and target multidimensional features are underutilized， a method of constructing target multidimensional feature database is proposed. Based on SQL Server database and the relational model， C# language， WPF UI framework of the .NET platform， and the Entity Framework data access technology are utilized to design a four?layer system architecture and four functional modules， develop the database system containing multidimensional information such as space， spectrum and polarization， and design coding form containing attribute information for multidimensional samples. The system improves the management efficiency of target multidimensional information， and provides support for ground target detection， classification and recognition.

Keywords： multidimensional information management； sample management； database design； system development

在遙感發(fā)展的前期階段，圖像解譯方式主要是人工目視判讀，不僅速度慢效率低而且依賴于個人經驗。隨著遙感圖像處理技術的進步，解譯方式逐漸向計算機自動處理的方向發(fā)展。目標特征庫是對大量遙感目標及其特征數(shù)據(jù)的累積，在遙感數(shù)據(jù)的自動化解譯過程中具有非常重要的作用。利用不同的采集手段可以獲取豐富的多源遙感數(shù)據(jù)，可以提取出不同維度的地物目標特征并建立相應的特征數(shù)據(jù)庫。在空間維度，董文等構建了包含地震災害目標及其形狀、紋理、地形等圖譜特征的災害目標特征庫[1]，孫家波建立了包含灰度、紋理、專題指數(shù)等特征在內的高分辨率影像特征庫[2]。在光譜維度，鄒會杰通過實地釆集城市典型地物光譜建立了典型地物光譜庫[3]，李少鵬等通過采集荒漠植物光譜構建了典型荒漠植物光譜數(shù)據(jù)庫系統(tǒng)[4]。在偏振維度，主要是通過偏振圖像融合來增強目標的特性[5]，由于地物目標種類紛繁復雜，相應的偏振特征數(shù)據(jù)庫尚未出現(xiàn)[6]。在空間維、光譜維聯(lián)合上，尚坤等在原始光譜特征基礎上結合紋理特征并加入光譜指數(shù)特征構建了完備的植被特征庫[7]，徐濤等利用QuickBird影像構建了包括4個波段灰度值、拓撲特征在內的水體知識庫[8]。目前在單一維度和聯(lián)合兩種維度的情況下已經對構建目標特征庫進行了研究，缺少在聯(lián)合三種維度情況下對構建目標特征庫進行分析。本文針對目標具有空間、光譜和偏振等多維信息的特點，開展目標多維特征數(shù)據(jù)庫系統(tǒng)研究。通過分析系統(tǒng)需求，設計數(shù)據(jù)模型、體系結構以及功能模塊，開發(fā)實現(xiàn)了目標多維特征數(shù)據(jù)庫系統(tǒng)。

1 數(shù)據(jù)庫設計

1.1 需求分析及編碼管理

1.1.1 系統(tǒng)需求分析

需求分析的關鍵是數(shù)據(jù)和處理[9]，即數(shù)據(jù)庫中需要存儲的數(shù)據(jù)和完成的功能。所需存儲的多維樣本信息形式多樣、種類豐富，如表1所示。

數(shù)據(jù)處理主要包括空間、光譜和偏振維樣本的特征參數(shù)、特征圖像解算，樣本文件及特征參數(shù)的入庫、修改和刪除，樣本的查詢檢索，以及地物目標探測、光譜匹配和偏振圖像融合等應用需求。同時采取用戶標識與鑒別等安全管理措施。

1.1.2 編碼管理

本系統(tǒng)將所需存儲的數(shù)據(jù)分為兩個層次，第一層為目標層次，第二層為樣本及樣本特征層次，使得樣本的管理更加明確。樣本編號是系統(tǒng)中區(qū)分樣本的重要標識。以往的方法是按照數(shù)據(jù)入庫的順序采用數(shù)字方式由小到大編號，雖然樣本數(shù)據(jù)編號是惟一的，但是編碼方式簡單，不能從編號本身得出樣本屬性信息。

為了方便查詢檢索及樣本數(shù)據(jù)的統(tǒng)一管理，本系統(tǒng)采用字符串方式對樣本進行編號，編號格式為：T?目標代碼?樣本維度?樣本尺寸?樣本分辨率?樣本序號。

其中目標代碼采用4位數(shù)字來表示，前2位數(shù)字表示目標類型，后2位數(shù)字表示目標名稱，例如機場跑道的目標代碼為0101；樣本維度采用英文大寫字母SPA，SPE，POL來表示，分別表示空間、光譜和偏振三個維度；樣本尺寸采用1位數(shù)字，表示樣本圖像尺寸或光譜范圍；樣本分辨率采用1位數(shù)字，表示樣本圖像分辨率或光譜分辨率；樣本序號采用5位數(shù)字，按照樣本入庫順序編號。endprint

同時，將樣本編號的前8位定義為目標編號。例如，T0101SPA2100001表示一個圖像尺寸為64×64 px、分辨率為0.5 m的機場跑道空間維樣本，其目標編號即為T0101SPA；T5101SPE1100001表示一個波長范圍為350～800 nm、光譜分辨率為1 nm的鋁合金材料光譜維樣本，其目標編號即為T5101SPE。如圖1所示。

1.2 數(shù)據(jù)表設計

針對不同維度下所存儲的樣本數(shù)據(jù)形式、特征參數(shù)不同，分別設計3個數(shù)據(jù)表組，各個數(shù)據(jù)表組包含的表的數(shù)量及內部關系一致，以目標信息表為牽引、樣本信息表為主體，連接樣本特征、樣本文件、儀器信息和環(huán)境信息等數(shù)據(jù)表。各表之間的外鍵關系均采用級聯(lián)的方式，便于數(shù)據(jù)添加、更新、刪除等操作在各表之間同步完成，如圖2所示。

1.3 功能模塊

根據(jù)功能需求，劃分目錄檢索、處理入庫、數(shù)據(jù)應用和系統(tǒng)管理四個功能模塊，如圖3所示。

目錄檢索模塊用于目標或樣本數(shù)據(jù)的查詢檢索，包括樣本目錄、查詢檢索和重載數(shù)據(jù)三個子模塊。樣本目錄子模塊實現(xiàn)樣本維度切換功能，查詢檢索子模塊實現(xiàn)目標及樣本的搜索功能，重載數(shù)據(jù)子模塊實現(xiàn)數(shù)據(jù)的刷新功能。

處理入庫模塊用于樣本的特征計算及入庫保存，包括數(shù)據(jù)導入、數(shù)據(jù)維護和特征提取三個子模塊。數(shù)據(jù)導入模塊實現(xiàn)了目標及樣本的添加入庫功能；數(shù)據(jù)維護模塊實現(xiàn)數(shù)據(jù)的修改及刪除功能；特征提取模塊用于提取樣本的特征參數(shù)或圖像。

數(shù)據(jù)應用模塊用于樣本數(shù)據(jù)的具體應用，包括數(shù)據(jù)導出、特征應用兩個子模塊。數(shù)據(jù)導出模塊實現(xiàn)樣本及特征參數(shù)的導出功能，特征應用模塊實現(xiàn)不同維度下的特征應用功能。

系統(tǒng)管理模塊用于系統(tǒng)維護及用戶管理，包括用戶管理、備份恢復和系統(tǒng)日志三個子模塊。用戶管理模塊實現(xiàn)系統(tǒng)用戶的查詢和注冊功能，備份恢復模塊實現(xiàn)樣本數(shù)據(jù)的備份及恢復功能，系統(tǒng)日志模塊用于查看及導出系統(tǒng)日志。

1.4 系統(tǒng)體系結構

本系統(tǒng)設計了四層體系結構，分別為數(shù)據(jù)存儲層、數(shù)據(jù)訪問層、數(shù)據(jù)操作層和用戶界面層，如圖4所示。

數(shù)據(jù)存儲層主要包括空間維樣本庫、光譜維樣本庫、偏振維樣本庫以及輔助信息庫等。本系統(tǒng)采用SQL Server關系數(shù)據(jù)庫實現(xiàn)數(shù)據(jù)的存儲和管理，該產品具有良好的可用性、易管理性和可靠的安全性等特點。

數(shù)據(jù)訪問層實現(xiàn)了統(tǒng)一的數(shù)據(jù)訪問方式，數(shù)據(jù)訪問方式主要有DataSet，ADO連接類和ORM組件等。Entity Framework是一種ORM工具[10]，它將每個數(shù)據(jù)庫對象都轉換成實體，而數(shù)據(jù)字段都轉換為屬性，將數(shù)據(jù)庫模型完全轉化為對象模型，其核心是實體數(shù)據(jù)模型，通過Visual Studio中的EDM設計器來設計。Entity Framework使用Entity SQL，LINQ和對象查詢產生器來進行對象查詢，LINQ to Entities技術能夠查詢實現(xiàn)了IEnumerable或IQueryable泛型接口的數(shù)據(jù)源[11]。本系統(tǒng)采用Entity Framework及LINQ to Entities技術進行數(shù)據(jù)訪問，避免了邏輯代碼與數(shù)據(jù)訪問代碼耦合高的問題，只需操作實體數(shù)據(jù)模型即完成數(shù)據(jù)庫操作，使得開發(fā)更加高效。

數(shù)據(jù)操作層中目錄檢索、處理入庫、數(shù)據(jù)應用和系統(tǒng)管理等功能操作主要由WPF界面框架的后置代碼來實現(xiàn)，同時采用適用.NET平臺的Accord.Net方法庫進行樣本處理操作。

本系統(tǒng)采用.NET框架下的WPF界面框架進行客戶端的開發(fā)，WPF界面框架使用XAML（標記語言）和與其相關聯(lián)的后置代碼開發(fā)應用程序，實現(xiàn)了界面設計與后置程序的分離，降低了開發(fā)維護成本，提高了開發(fā)效率[12]。用戶界面層中使用XAML語言創(chuàng)建界面窗口、對話框、按鈕、列表等元素，同時采用適用.NET平臺的Devexpress控件庫增強用戶體驗。

2 系統(tǒng)開發(fā)實現(xiàn)

2.1 用戶界面實現(xiàn)

DevExpress是知名的.NET用戶界面控件庫，它具有高效率、高實用性和功能全面的特點。DevExpress WPF組件是專門針對WPF界面框架的控件組合，豐富的控件使得應用程序界面更加美觀易用，增強了用戶體驗。

用戶界面主要包括登錄界面窗口、主界面窗口、功能子窗口等。主界面窗口是數(shù)據(jù)操作處理的主體，該窗口主要由標題欄、功能菜單、目標列表區(qū)、樣本特征區(qū)、樣本切換區(qū)和狀態(tài)欄等組成。

功能菜單選用了Ribbon形式風格，它由多個選項卡組成，實現(xiàn)了功能按鈕分層分類存放，避免了多次單擊級聯(lián)菜單欄、工具欄等。根據(jù)系統(tǒng)功能需求設置四個選項卡，分別放置相應的功能，功能按鈕采用大圖標模式，不僅功能含義明了而且方便用戶操作。

由于目標與樣本屬于兩個層次，將目標列表、樣本及特征列表分別置于窗口左右兩側。在目標列表中任意選擇一個或多個目標，在樣本列表中將會呈現(xiàn)一個或多個目標下的所有樣本及特征。列表的呈現(xiàn)形式由樣式模板進行控制。設置三個內容標簽頁來切換不同維度的目標及樣本列表。主界面窗口如圖5所示。

2.2 核心功能實現(xiàn)

原始樣本數(shù)據(jù)需要經過提取計算的過程才能獲得其空間、光譜和偏振特征，因此三種維度下的特征提取計算是本系統(tǒng)的核心功能。根據(jù)遙感應用的需求，選取空間統(tǒng)計特征和紋理特征、光譜吸收特征和光譜吸收指數(shù)、斯托克斯參量等常用特征作為提取內容。

在空間維度中，利用Sobel等算子進行卷積計算可以得到梯度圖像，均值、方差等圖像的統(tǒng)計特征通過對圖像進行點運算獲得，對比度、非相似性等紋理特征利用灰度共生矩陣定義的方法計算得到。Accord.Net是一個開源.Net環(huán)境下實現(xiàn)的算法庫，利用該庫不僅能夠獲取所需的灰度共生矩陣，而且提供機器學習算法可用于目標檢測。在本系統(tǒng)中，空間特征計算窗口實現(xiàn)了對批量樣本圖像的特征參量計算功能。

從光譜曲線中能夠提取具有診斷性的光譜吸收特征參數(shù)。原始光譜中存在一定的噪聲，需要平滑光譜來消除噪聲提高數(shù)據(jù)質量，Savitzky?Golay平滑濾波可以保留光譜的細微特征[13]，它對數(shù)據(jù)窗口中的奇數(shù)個點應用最小二乘法進行多項式擬合，將中間點的擬合值代替原始光譜值，經過濾波后的光譜消除了噪聲。在實際中原始或平滑后的光譜曲線特征并不明顯，需要對其進行去除包絡線處理，首先沿光譜曲線利用最小二乘法逐點計算得到包絡線的節(jié)點，順序連接各個節(jié)點得到包絡線，將原始光譜除以包絡線得到去除包絡線后的光譜，此時光譜吸收特征已有明顯增強。導數(shù)光譜也稱為光譜微分，根據(jù)導數(shù)定義能計算出原始光譜的一階導數(shù)和二階導數(shù)光譜。利用去除包絡線后的光譜進行吸收特征提取計算，首先確定出光譜曲線的極大值和極小值，而吸收谷具有一定的深度和寬度，因此通過設定閾值排除曲線上的波動[14]，綜合計算得出吸收谷的位置、寬度、深度、SAI等多個特征。

偏振光通常利用4個Stokes參量來描述。從偏振成像系統(tǒng)獲取的原始圖像中提取出三個通道的偏振圖像，并對其進行輻射校正以及圖像配準，利用處理后的三通道圖像提取出I，Q，U三個Stokes參量圖像，利用三個參量圖像進一步計算能夠得到偏振度、偏振角圖像。

在以上功能窗口中，在添加相應的目標名稱、選擇樣本規(guī)格和分辨率等信息后，系統(tǒng)自動生成相應的目標編號、樣本編號，便于數(shù)據(jù)存儲。特征計算窗口見圖6。

3 結 語

本文論述的目標多維特征數(shù)據(jù)庫是針對地物目標多維信息管理不夠全面、目標多維特征綜合利用不足而設計開發(fā)的包括空間、光譜和偏振等多維信息在內的數(shù)據(jù)庫系統(tǒng)。該系統(tǒng)結合數(shù)據(jù)庫技術、遙感分析處理技術以及軟件開發(fā)技術，實現(xiàn)了多維樣本的批量入庫、多維特征提取等功能，并針對多維樣本設計了包含屬性信息的編號形式，該系統(tǒng)提高了地物目標多維信息的管理效率，并為地物目標的探測、分類和識別等應用提供支持。

參考文獻

[1] 董文，沈占鋒，程希萌，等.基于高分辨率遙感目標特征庫的地震災情快速評估方法[J].地球信息科學學報，2016，18（5）：699?707.

[2] 孫家波.基于知識的高分辨率遙感影像耕地自動提取技術研究[D].北京：中國農業(yè)大學，2014.

[3] 鄒會杰.基于高空間分辨率的高光譜遙感數(shù)據(jù)的城市地物分類[D].濟南：山東大學，2014.

[4] 李少鵬，李霞，黃祥志，等.新疆典型荒漠植物光譜數(shù)據(jù)庫構建[J].新疆農業(yè)科學，2013，50（6）：1128?1136.

[5] 李海蘭，王霞，張春濤，等.基于偏振成像技術的目標探測研究進展及分析[J].光學技術，2009（5）：695?700.

[6] 蘇志強.多角度偏振探測技術在地物目標識別中的應用研究[D].長春：長春光學精密機械與物理研究所，2015.

[7] 尚坤，張霞，孫艷麗，等.基于植被特征庫的高光譜植被精細分類[J].光譜學與光譜分析，2015，35（6）：1669?1676.

[8] 徐濤，譚宗坤，閆小平.面向對象的城市水體信息提取方法[J].地理空間信息，2010（3）：64?66.

[9] 王珊，薩師煊.數(shù)據(jù)庫系統(tǒng)概論[M].北京：高等教育出版社，2006.

[10] TROELSEN A， JAPIKSE P. C# 6.0 and the .NET 4.6 framework [M]. 7th ed. New York： Apress， 2015： 929?999.

[11] DRISCOLL B， GUPTA N， VETTOR R， et al. Entity framework 6 recipes [M]. 2nd ed. New York： Apress， 2013： 55?105.

[12] MITSOPOULOS I， TRAPATSAS P， XANTHOPOULOS G. SYPYDA： A software tool for fire management in Mediterranean pine forests of Greece [J]. Computers and electronics in agriculture， 2016， 121： 195?199.

[13] 錢育蓉，于炯，賈振紅，等.新疆典型荒漠草地的高光譜特征提取和分析研究[J].草業(yè)學報，2013，22（1）：157?166.

[14] 陳文霞，陳安升，蔡之華.基于高光譜吸收特征參數(shù)的分類研究[J].計算機工程與應用，2008，44（28）：230?232.endprint