banco de dados de imagens de sensoriamento...
TRANSCRIPT
Banco de Dados de Imagens de
Sensoriamento Remoto
Alessandra Morais
Ivo Medeiros
Rogério Marinke
Wanessa da Silva
Trabalho de Conclusão da Disciplina CAP378
Parte 1 • Contextualização e Conceitos
• Implicações: Armazenamento e Acesso
Parte 2 • Banco de Dados de Imagens
• Relacional e NoSQL
Roteiro
3
Aquisição, Transmissão, Recepção e Processamento
Sensor
Imageador
Imagem
4
Conceito
Imagem Digital Função bidimensional f(x,y)
Raster vs Vetorial
Resolução Nível de detalhe
Sensoriamento Remoto Espacial, Espectral, Radiométrica e Temporal
Características do Sensor Imageador
5
Resolução Espacial
A área do campo de visada do sensor Tamanho do menor objeto (igual ou maior a célula)
Lago Paranoá
6
Resolução Espectral
Sensibilidade do sensor Quanto melhor a resolução espectral melhor a capacidade
de distinguir objetos
Parâmetros Número de Bandas
Largura em comprimento de onda
Posição da Banda
7
Resolução Radiométrica
Níveis de energia que o sensor pode discriminar
8
Armazenamento
Band SeQuencial (BSQ)
Acesso espacial
Band Interleaved by Line (BIL)
Proc. espacial e espectral
Band Interleaved by Pixel (BIP)
Proc. espectral
Característica dos Dados e Atividades • Requisitos
Metadados
Armazenamento Permanente
Volume, Variedade e Velocidade
Padrões de Acesso
Implicações: Armazenamento e Acesso
10
Metadados
Imagem Digital de Sensoriamento Remoto Aglomerado de números
Data uma imagem: Qual é a região do espectro?
Informações adicionais devem ser registradas Gerenciamento das Imagens
Vários Níveis
Padrões (FGDCSTD-012-2002)
Terminologia comum
Conjunto de definições para documentar dados
11
Armazenamento Permanente
Razão Custo
Aplicações (Ex. estudo climático a longo prazo)
O que deve ser armazenado Dados brutos
Dados processados
Dados auxiliares (Metadados)
Documentação
Algoritmos
12
Volume, Variedade e Velocidade
Big Data "Remote Sensing Big Data computing: Challenges and opportunities”
Volume 500Gb por dia em um data center
Variedade Dimensionalidade
Níveis de Processamento
Velocidade Downlink: 1Gbps
Definição & Característica do Banco
Armazenamento • Ponteiro de Arquivo
• Binary Large Object (BLOB)
Banco de Dados de Imagens
14
Banco de Dados de Imagens
São coleções de imagens, que estão associadas com a
atividade de sensoriamento remoto
Organizam as imagens e seus metadados de maneira eficiente
As imagens desse banco exigem dele algumas características
como:
Armazenamento eficiente;
Modelagem de dados que trate dos aspectos necessários para representar
imagens no banco de dados;
Capacidade de manipulação;
Segurança;
Backup e recuperação;
Extensibilidade; e
Flexibilidade.
15
Banco de Dados de Imagens
Podem ser utilizados para visualização e/ou distribuição;
oferencendo a capacidade de consulta, navegação geográfica e
acesso via Web Service
Outras possíveis características são:
Acesso a pedaços de imagem;
Indexação espacial;
Fonte: Vinhas, N. (2010)
16
Banco de Dados de Imagens
Suporte a reamostragem; e
Suporte a multi-resolução;
Fonte: Vinhas, N. (2010)
17
Banco de Dados de Imagens
Como armazenar as Imagens no BD?
Armazenar um indicador/ponteiro que indica a
localização dos arquivos
Vantagem: Gera banco de imagens menor.
Desvantagem: Dificuldade no tratamento de arquivos inválidos ou
ausentes (ligações corrompidas e mudanças de endereços nos arquivos),
somado a restrição de portabilidade.
18
Banco de Dados de Imagens
Como armazenar as Imagens no BD?
Armazenar imagem como um Binary Large Object
(BLOB)
Vantagem: As imagens ficam armazenadas em uma localização central e
única, facilitando a manipulação e a portabilidade do banco de imagens.
Desvantagem: Gera banco de dados maior, somado a necessidade de
um SGBD que possua extensão espacial que suporte dados matriciais.
19
Banco de Dados Relacional
Introduzido por Edgar Codd 1970 Base de Dados = Conjunto de Relações representadas por tabelas;
Fundamenta-se no conceito de relações matemáticas – teoria dos
conjuntos;
Faz uso de chaves para estabelecer relações entre linhas e tabelas;
Facilidade em administrar características descritivas.
20
Banco de Dados Relacional
Requisitos comuns Segurança (gerenciamento de usuários e permissões);
Backup;
Desempenho otimizado;
Capacidade de armazenamento de grande volume de dados etc.
Extensões dos BDs relacionais para BDs Imagens
PostGIS
Disponibilidade de tipos, índices e funções espaciais
Manipulação por meio da linguagem SQL
o Histograma, área espacial, valores dos pixels
21
Banco de Dados Relacional
Suporte espacial fortemente baseado em padrões abertos
Ex.: Simple Feature e SQL/MM Melton
Expecificações Modelo geométrico e as operações espaciais – implementação
Os operadores topológicos seguem o paradigma proposto por
Clementini
Fonte: Queiros et al. (2012)
22
Banco de Dados Relacional
Relacionamentos espaciais
Computados durante a execução das consultas
Não há armazenamento explicito
Exemplo Coleções homogêneas de polígonos
Representam as áreas de cada UF
Fonte: Queiros et al. (2012)
23
Banco de Dados Relacional
Ferramentas para visualizar, criar, editar, analisar dados etc.
Compatibilidade: formatos de BD, Tipos Vetor e Raster
QGIS
Aplicações Web/Desktop associadas à BD de Imagens
24
O termo NoSQL, o qual significa Not Only SQL, surgiu em 1998, como o nome
de um banco de dados relacional de código aberto que não possuía uma
interface SQL.
No início de 2009, o termo NoSQL é reintroduzido por um funcionário do
Rackspace, Eric Evans. O nome era uma tentativa de descrever o surgimento de
um número crescente de bancos de dados não relacionais e fazia uma
referência ao esquema de atribuição de nomes dos bancos de dados relacionais
mais populares do mercado como MySQL, MS SQL, PostgreSQL, etc.
Banco de Dados NoSQL
25
Banco de Dados NoSQL
26
Tipos de Armazenamento
Key / Value Databases: é o tipo de banco de dados NoSQL mais simples. O
conceito dele é uma chave e um valor para essa chave, mas ele é o que aguenta
mais carga de dados. Estes tipos de bancos de dados são o que tem a maior
escalabilidade.
Wide Column Databases: Fortemente inspirados pelo BigTable, do Google, eles
suportam várias linhas e colunas, além de permitir subcolunas.
Column-Oriented Databases: são bancos de dados relacionais que têm
características do NoSQL. A principal diferença deles é que os dados são
armazenados em colunas, ajudando na escalabilidade.
Document Databases: baseados em documentos XML ou JSON, podem ser
localizado pelo seu id único ou por qualquer registro que tenham no documento.
Graph Databases: Com uma complexibilidade maior, esses bancos de dados
guardam objetos, e não registros, como os outros tipos de NoSQL. A busca desses
itens é feita pela navegação destes objetos.
27
Tamanho X Complexidade
28
Relacional NoSQL
Armazenament
o de Dados
Armazenado em um modelo relacional,
com linhas e colunas. As linhas contêm
todas as informações sobre uma
entrada específica, e as colunas
representam os atributos.
Engloba uma série de bases de dados,
cada um com diferentes modelos de
armazenamento de dados. Os principais
são: document, graph, key-value e
columnar.
Esquemas e
Flexibilidade
Cada registro está de acordo com um
esquema fixo. Isto pode ser alterado,
mas envolve a alteração de todo o
banco de dados.
Os esquemas são dinâmicos. As
informações podem ser adicionadas em
tempo real, e cada linha (ou equivalente)
não tem de conter dados para cada
coluna.
Escalabilidade
A escalabilidade é vertical. Em
essência, mais dados significam a
necessidade de um servidor maior, o
que pode ficar muito caro.
A escalabilidade é horizontal, ou seja,
entre os servidores, tornando-o muito mais
rentável do que a escala vertical.
ACID
A grande maioria dos bancos de dados
relacionais são compatíveis com ACID
(Atomicidade, Consistência, Isolamento,
Durabilidade).
Variável entre as tecnologias, mas
diversas soluções do tipo NoSQL
sacrificam o ACID em razão do
desempenho e da escalabilidade.
Análise Comparativa
Banco de dados com extensão para dados espaciais
SGBD-R amplamente utilizado ainda
Iniciativas NoSQL
Compatibilidade com Sistemas Legados
Esforço de migração
Conclusão
30
Referências Bibliográficas
Castelli, V. & Bergman, L. D. (2004), Image databases Search and retrieval of
digital imagery, John Wiley & Sons.
Ma, Y., Wu, H., Wang, L., Huang, B., Ranjan, R., Zomaya, A. & Jie, W. (2014),
Remote sensing big data computing: Challenges and opportunities', Future
Generation Computer Systems
Meneses, P. (2012), Princpios do sensoriamento remoto, Introducão ao
Processamento de Imagens de Sensoriamento Remoto. Braslia: UNB, CNPq
Queiroz, G. R.; Monteiro, A. M. V.; Câmara, G. (2012), ‘Geographic databases
and nosql: Accomplishments and future directions’, Revista Brasileira de
Cartografia 2013.
Vinhas, N. (2010), ‘Banco de Dados de Imagens. Palestra para a disciplina de
Bancos de Dados Geográficos do Curso de Sensoriamento Remoto’. URL:
http://www.dpi.inpe.br/cursos/ser303/Bancos%20de%20Dados%20de%20Ima
gens.pdf