banco de dados de imagens de sensoriamento...

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


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


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


Suporte a reamostragem; e

Suporte a multi-resolução;

Fonte: Vinhas, N. (2010)

17


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


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


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


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


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


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

banco de dados de imagens de sensoriamento...

Documents