0

وبلاگ

سامانه آموزش سیستم اطلاعات جغرافیایی و سنجش از دور مقالات دانش محور ساختار مدل داده رستری

ساختار مدل داده رستری

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

ساختار مدل داده رستری

سیستم مدیریت پایگاه داده (Database Management System-DBMS) مجموعه ای از برنامه های کامپیوتری هستند که ایجاد، حفظ و نگهداری و استفاده از پایگاه داده یک سازمان و کاربران آن را کنترل می کنند. DBMS به سازمان ها و ارگان ها امکان کنترل کامل بر پایگاه های اطلاعاتی را توسط مدیر پایگاه داده (Database Administrator – DBAs)، فراهم می آورد. سیستم های مدیریت پایگاه داده، می توانند از مدل های مختلف پایگاه داده استفاده کنند، که شامل مدل های شبکه ای و یا رابطه ای می شود. در سیستم های بسیار بزرگ، سیستم مدیریت پایگاه داده به کاربران و سایر نرم افزارها، امکان ذخیره سازی و بازیابی داده ها را به صورت ساخت یافته و سازماندهی شده، فراهم می آورد. سیستم مدیریت پایگاه داده، یک سازماندهی منطقی برای پایگاه های داده ایجاد نموده و به دسترسی و استفاده از اطلاعات موجود در پایگاه های داده کمک می کند. DBMS، دسترسی به داده ها را تسهیل می کند، یکپارچگی و همگن بودن داده ها را تضمین می کند، به روز بودن و کارکرد همزمان پایگاه های داده را مدیریت نموده و ذخیره سازی و بازیابی مجدد داده ها را در پایگاه های داده مختلف مدیریت و کنترل می کند.

ساختار مدل داده رستری به روشی مربوط می شود که با آن داده های رستری Encode و در کامپیوتر ذخیره سازی می گردند. در این نوشتار، سه روش مرسوم مورد بررسی قرار می گیرند که در آن رسترها Encode می شوند.

روش Encode کردن رستر به روش سلول به سلول (Cell-by-Cell Encoding)

روش Encoding سلول به سلول، ساده ترین ساختار داده رستری را ایجاد می کند. به طوری که یک رستر به صورت یک ماتریس ذخیره سازی می گردد و مقدار سلول های آن در یک فایل به صورت سطر و ستونی درج می شود.

اگر ارزش سلول های لایه رستری مرتباً در حال تغییر باشند، این روش با توجه به عملکردش انتخابی ایده آل است. در نتیجه در مورد لایه های رستری که پیکسل ها یا سلول های آن در جهات مختلف متغیر و دارای نوسان زیادی هستند، گزینه مناسبی است. مدل رقومی ارتفاعی از ساختار داده سلول به سلول (Cell-by-cell ) استفاده می کند، زیرا مقادیر ارتفاعی مجاور، به ندرت دقیقاً با یکدیگر یکسان هستند. در شکل زیر نمونه ای از یک رستر را مشاهده می کنید که مقادیر سلول ها به طور پیوسته در جهات مختلف مرتباً تغییر می کنند. در نتیجه در این شرایط توصیه به ذخیره سازی اطلاعات این لایه رستری با استفاده از روش Cell-by-cell Encoding می شود.

روش های ذخیره سازی تصاویر ماهواره ای چند باندی

تصاویر ماهواره ای نیز به روش cell by cell اینکد می شوند. در مورد تصاور طیفی چند باندی، تصاویر ماهواره ای در موقعیت هر پیکسل دارای بیش از یک ارزش یا عدد است، بنابراین نیازمند سازوکار ویژه ای است. تصاویر چند باندی نیز معمولاً در سه فرمت به طوری که در شکل زیر نشان داده شده است، ذخیره سازی می گردند.

1- روش ذخیره سازی تصاویر ماهواره ای چند باند به فرمت bsq (Band Sequential)

روش باندهای متوالی یا ترتیبی (bsq.) ارزش پیکسل های یک تصویر را ذخیره سازی می کند. ساختار داده cell by cell ارزش هر سلول را در سطر و ستون ذخیره سازی می کند. سلول های خاکستری، در هر فایل به طور مثال دارای ارزش 1 است. بنابراین در صورتی که تصویر دارای چندین باند باشد، ست داده دارای چندین فایل متوالی است که اطلاعات مربوط به ارزش پیکسل ها را ذخیره سازی می کند. بدین صورت که به ازای هر باند یک فایل ایجاد خواهد شد و اطلاعات مربوط به ارزش پیکسل های همان باند را ذخیره سازی می کند.

2- روش ذخیره سازی تصاویر ماهواره ای چند باند به فرمت bil (band interleaved by line)

روش bil که مخفف band interleaved by line است، ارزش پیکسل های تمامی باندها را به صورت سطر به سطر ذخیره سازی می کند. بدین صورت که در این روش اولین سطر از باند اول در فایل درج می گردد سپس اولین خط از باندهای دوم و سوم تا آخر درج می شود و سپس وارد خط دوم از تمامی باندها شده و به همین ترتیب تمامی اطلاعات باندها در فایل درج شده و ذخیره سازی می گردد.

3- روش ذخیره سازی تصاویر ماهواره ای چند باند به فرمت bip (band interleaved by pixel)

روش bip که مخفف band interleaved by pixel است، ارزش پیکسلی تمامی باندها را به صورت پیکسل به پیکسل در یک فایل ذخیره سازی می کند. در نتیجه فایل ذخیره شده ترکیب شده از ارزش پیکسل اول از باند اول سپس ارزش پیکسل اول باند دوم و به همین ترتیب تمامی اطلاعات ذخیره سازی می گردند. در شکل زیر نحوه ذخیره سازی تصاویر ماهواره ای چند باندی به روش bip نشان داده شده است.

روش Encode کردن رستر به روش Run-Length Encoding

Encode کردن به روش سلول به سلول، در صورتی که رستر دارای ارزش سلولی تکرار شونده باشد، بسیار کارایی بالاتری خواهد داشت. به طور مثال فایل های اسکن شده دو سطحی (Bi-level Scanned File) که از یک نقشه خاک تهیه شده باشد، دارای مقادر 0 بسیار زیادی است که نمایندة بخش های سفید رنگ نقشه است و تنها دارای مقادیر 1 برای بخش های سیاه رنگ خطوط در نقشه خاک است. داده های رستری که دارای مقادیر تکراری زیادی هستند بسیار با کارایی بیشتری با استفاده از روش Encode کردن Run-Length ذخیره سازی می گردند. در این روش ارزش سلول ها به صورت سطری و در گروهها یا دسته هایی ذخیره می گردند. یک گروه یا دسته مربوط به یک سری از سلول های مجاور است که دارای ارزش یکسانی هستند. در شکل زیر نمونه ای از ذخیره سازی یک شبکه رستری با استفاده از روش اینکدینگ RLE یا Run-length Encoding نشان داده شده است.

روش اینکدینگ RLE یا Run-length ecoding ارزش سلول های خاکستری را که در شکل فوق مشاهده می کنید به صورت سطری ذخیره سازی می کند. در سطر 1 دو سلول خاکستری مجاور در ستون 5 و 6 وجود دارد. بنابراین سطر1 با یک پیمایش Encode می شود. بدین صورت که از ستون 5 شروع و در ستون 6 پایان می پذیرد. روش مشابهی برای ذخیره سازی سایر سطرها به کار گرفته می شود. Encoding پلیگون خاکستری رنگ در شکل فوق، بدین صورت است که برای هر ردیف، ایندکس سلول شروع (سلول های خاکستری)، و انتهایی درج می گردد. یک فایل اسکن شده دو سطحی (سیاه و سفید) که از اسکن یک نقشه خاک به طور مثال به دست آمده است، و با DPI 300 اسکن شده باشد، می تواند دارای حجمی در حدود 8 مگابایت بر اساس روش Encoding سلول به سلول (Cell by cell) باشد اما در صورتی که از روش Encoding RLE یا Run length Encoding استفاده شود، حجمی در حدود 0.8 مگابایت اشغال خواهد نمود. در نتیجه استفاده از Encoding به روش RLE می تواند کاهش حجم یا فشرده سازی با نسبت 10:1 ایجاد کند. در نتیجه Encoding به روش RLE نه تنها روشی برای Encode کردن داده های رستری و ذخیره سازی آنها در ساختار فایلها است، بلکه به نوعی روشی برای فشرده سازی داده های رستری نیز به حساب می آید. بسیاری از بسته های GIS از روش RLE علاوه بر روش Cell by cell برای ذخیره سازی داده های رستری استفاده می کنند. این بسته های نرم افزاری GIS شامل نرم افزارهای GRASS، IDRISI و همچنین نرم افزار Arc GIS می گردد.

روش Encode کردن رستر به روش Quadtree Encoding

به جای اینکه در هر زمان بر روی یک سطر کار کنیم، روش درخت چهارتایی یا Quadtree از یک تجزیه بازگشتی برای جداسازی رستر به ربع های سلسه مراتبی استفاده می کند. تجزیه بازگشتی مربوط به فرایندی از تقسیم بندی های متداخل و پیوسته است تا اینکه هر ربع از درخت چهارتایی تنها دارای ارزش سلولی یا پیکسلی گردد. در شکلی که در ادامه نمایش داده شده است، یک رستر که دارای یک پلیگون به رنگ خاکستری است و یک ساختار درخت چهارتایی که عوارض و اطلاعات آن را ذخیره سازی می کند، نمایش داده شده است. این درخت چهارتایی شامل گره ها و زیر شاخه هایی است؛ به طوری که هر گره نشان دهندة یک ربع است. بسته به ارزش سلول ها در هر ربع، یک گره می تواند یک گره زیرشاخه دار (nonleaf node) و یا سر شاخه (leaf node) باشد. یک گره زیرشاخه دار نماینده ربع است که دارای ارزش های سلولی متفاوت است. بنابراین یک گره زیر شاخه دار (nonleaf node) محل تقسیم و شاخه شدن بوده بدین معنا که ربع آن منشعب خواهد شد. یک گره سرشاخه (leaf node) از طرف دیگر، نماینده ربعی است که سلول های آن دارای ارزش یکسانی هستند. در نتیجه یک گره سرشاخه نقطه پایانی انشعاب در این ساختار سلسله مراتبی است که می تواند یک گره سرشاخه سفید و یا خاکستری را شامل شود. در صورتی که هیچ پیکسل خاکستری در ربع یا Quadrant مربوط به آن وجود نداشته باشد، گره سرشاخه سفید و در صورتی که تمامی سلول هایی که در Quadrant یا ربع مربوطه قرار می گیرند، خاکستری باشند، گره سرشاخه خاکستری به وجود می آید. عمق درخت چهار تایی، و یا تعداد سطوح در ساختار سلسله مراتبی Quadtree، می تواند بسته به پیچیدگی و الگوی عوارض بر ساختار رستری، متفاوت باشد. بعد از اتمام و تکمیل انشعاب و شاخه بندی در درخت چهارتایی، مرحله بعدی کدگذاری دو بعدی عوارض با استفاده از درخت چهارتایی و روش شماره گذاری فضایی است. به عنوان مثال، در ربع یا قطاع Level-1 NW (با ایندکس فضایی 0) که در شکل زیر مشاهده می شود، دو گره سرشاخه خاکستری (gray leaf node) وجود دارد. کد 02 نخست مربوط به قطاع Level-2 SE می شود و کد بعدی یعنی 032 مربوط به قطاع یا ربع level-3 SE از قطاع level-2 NE است. کد (02,032) و سایر کدگذاری های مربوط به سطوح دیگر کدگذاری دو بعدی عوارض را تکمیل می کند. درخت چهارتایی یک روش کارآمد برای ذخیره سازی داده ها و نیز برای پردازش داده است. محققین استفاده از ساختار درخت چهارتایی سلسله مراتبی را برای ذخیره سازی، شماره گذاری و نمایش داده ها در مقیاس بزرگ پیشنهاد می دهند.


در نتیجه به طور خلاصه کل ساختار رستری به چهار قطاع یا بخش تقسیم می شود، که هر بخش با شماره ایندکس جهتی NW,NE و SW,SE شماره گذاری می شوند. در صورتی که هر بخش کاملاً از سلول های سفید تشکیل شده باشد (سلول های No data و یا سلول هایی که خاموش هستند و در بدنه عارضه ای که توسط شبکه رستری در حال نمایش می باشد، حضور ندارند)، شاخه آن کور شده و به نام گره سرشاخه سفید (white leaf node) شناخته می شود. بخش های داخلی این گره دیگر شاخه بندی نشده و جریان قطعه بندی در این بخش به اتمام می رسد. در صورتی که هر قطاع کاملاً با سلول های خاکستری یا سلول های تشکیل دهندة بدنه عوارض در حال نمایش توسط ساختار رستری، پوشانده باشند مجددً به نام گره سرشاخه نامیده می شوند با این تفاوت که عنوان خاکستری به آن اضافه شده و گره سرشاخه خاکستری نامیده می شود و باز همچون حالت قبلی، انشعاب و قطعه بندی در این مسیر متوقف می شود. در صورتی که هر قطاع دارای ترکیبی از سلول های سفید و خاکستری باشد، به نام گره شاخه دار یا Non-leaf node نامیده می شود و طبق ساختار سلسله مراتبی، عملیات قطعه بندی ادامه می یابد. در نهایت فرایند سلسله مراتبی این عملیات زمانی ادامه می یابد که تمامی مسیرها در درخت چهارتایی به گره سرشاخه سفید یا خاکستری منتهی گردد.

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

ما را در شبکه های اجتماعی دنبال کنید

Follow us on Social Networks

Instagram: giscoders

مطالب زیر را حتما مطالعه کنید

ماموریت توپوگرافی رادار شاتل (SRTM)

چرا پنجره اتمسفری در علوم زمین دارای اهمیت است ؟

تصاویر ماهواره DigitalGlobe: ووردویو(Worldview)، ژئوآی(GeoEye) و آیکونوس (IKONOS)

راهنمای طبقه بندی نزدیکترین همسایه در e-Cognition

نقشه های کروپلت – مقدمه ای بر طبقه بندی داده

تصاویر چند طیفی (Multi-spectral) در مقایسه با تصاویر ابر طیفی (Hyper-spectral)

دیدگاهتان را بنویسید

Copy Protected by Chetan's WP-Copyprotect.

با عضویت در خبرنامه از آموزش های جدید رایگان در ایمیل خود مطلع شوید