Banco de Dados de Imagens de Sensoriamento Remoto

Transcrição

1 Banco de Dados de Imagens de Sensoriamento Remoto Alessandra Morais Ivo Medeiros Rogério Marinke Wanessa da Silva Trabalho de Conclusão da Disciplina CAP378

2 Roteiro Parte 1 Contextualização e Conceitos Implicações: Armazenamento e Acesso Parte 2 Banco de Dados de Imagens Relacional e NoSQL

3 Aquisição, Transmissão, Recepção e Processamento Sensor Imageador Imagem 3

4 Imagem Digital Função bidimensional f(x,y) Raster vs Vetorial Conceito Resolução Nível de detalhe Sensoriamento Remoto Espacial, Espectral, Radiométrica e Temporal Características do Sensor Imageador 4

5 Resolução Espacial A área do campo de visada do sensor Tamanho do menor objeto (igual ou maior a célula) Lago Paranoá 5

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 6

7 Resolução Radiométrica Níveis de energia que o sensor pode discriminar 7

8 Armazenamento Band SeQuencial (BSQ) Acesso espacial Band Interleaved by Line (BIL) Proc. espacial e espectral Band Interleaved by Pixel (BIP) Proc. espectral 8

9 Característica dos Dados e Atividades Requisitos Metadados Implicações: Armazenamento e Acesso Armazenamento Permanente Volume, Variedade e Velocidade Padrões de 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 ) Terminologia comum Conjunto de definições para documentar dados 10

11 Razão Custo Armazenamento Permanente Aplicações (Ex. estudo climático a longo prazo) O que deve ser armazenado Dados brutos Dados processados Dados auxiliares (Metadados) Documentação Algoritmos 11

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 12

13 Banco de Dados de Imagens Definição & Característica do Banco Armazenamento Ponteiro de Arquivo Binary Large Object (BLOB)

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. 14

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) 15

16 Banco de Dados de Imagens Suporte a reamostragem; e Fonte: Vinhas, N. (2010) Suporte a multi-resolução; 16

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. 17

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. 18

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. 19

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 20

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) 21

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) 22

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 23

24 Banco de Dados NoSQL 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. 24

25 Banco de Dados NoSQL 25

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. 26

27 Tamanho X Complexidade 27

28 Análise Comparativa Armazenament o de Dados Esquemas e Flexibilidade Escalabilidade ACID Relacional 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. Cada registro está de acordo com um esquema fixo. Isto pode ser alterado, mas envolve a alteração de todo o banco de dados. A escalabilidade é vertical. Em essência, mais dados significam a necessidade de um servidor maior, o que pode ficar muito caro. A grande maioria dos bancos de dados relacionais são compatíveis com ACID (Atomicidade, Consistência, Isolamento, Durabilidade). NoSQL 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. 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. A escalabilidade é horizontal, ou seja, entre os servidores, tornando-o muito mais rentável do que a escala vertical. Variável entre as tecnologias, mas diversas soluções do tipo NoSQL sacrificam o ACID em razão do desempenho e da escalabilidade. 28

29 Conclusão Banco de dados com extensão para dados espaciais SGBD-R amplamente utilizado ainda Iniciativas NoSQL Compatibilidade com Sistemas Legados Esforço de migração

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 Vinhas, N. (2010), Banco de Dados de Imagens. Palestra para a disciplina de Bancos de Dados Geográficos do Curso de Sensoriamento Remoto. URL: gens.pdf 30