第４０卷第１１期２０１５年１１月
测绘科学
Ｓｃｉｅｎｃｅ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ
Ｖｏｌ．４０Ｎｏ．１１
Ｎｏｖ
．
作者简介：何涛（１９７８—），男，陕西
咸阳人，工程硕士，高级工程师，现
从事测绘ＧＩＳ工作。
Ｅ－ｍａｉｌ：ｖｉｓｕａｌ１２３４＠ｓｉｎａ．ｃｏｍ
收稿日期：２０１５－０７－２９
何 涛，孙忠芳，葛 亮
（天津市测绘院，天津 ３００３８１）
摘 要：针对云计算系统中文件数据存储效率较低的问题，文章以Ｈａｄｏｏｐ云计算系统为研究对象，改进了Ｈａ－ｄｏｏｐ－ｐｖｆｓ分布式系统，以提高Ｈａｄｏｏｐ底层文件系统的存储效率，同时使得数据的更新可以在文件的任何位置； 并提出一种多层次、位置相关的瓦片数据组织方法。实验结果表明，上述方法相对于Ｈａｄｏｏｐ瓦片服务器系统吞吐效率有较大提高，可以为建设高性能、海量存储的ＧＩＳ数据库服务系统提供参考。
关键词：瓦片存储；Ｈａｄｏｏｐ；ｐｖｆｓ；云计算；数据组织
【中图分类号】Ｐ２０８ 【文献标识码】Ａ 【文章编号】１００９－２３０７（２０１５）０１１－０１６４－０４
ＤＯＩ：１０．１６２５１／ｊ．ｃｎｋｉ．１００９－２３０７．２０１５．１１．０３４
０ 引言
Ｈａｄｏｏｐ开源云计算系统有强大的数据存储能
力和容错能力，同时利用ＭａｐＲｅｄｕｃｅ分布式并行
前云计算研究的热门领域。但Ｈａｄｏｏｐ云计算系统
也有着自己的弱点，Ｈａｄｏｏｐ底层分布式文件系统
ＨＤＦＳ对数据读写采取的是一次写多次读策略，当
对文件进行写时，数据的一致性及安全性很难得
到保障，而在对文件数据进行更新时仅限于在文
件末尾进行数据的添加，此外，ＭａｐＲｅｄｕｃｅ分布
式计算模型将计算任务分布于集中每一个存储
相关数据的节点，适用于进行全局性的处理任务，
对分散于集中部分节点的任务处理显得较不
适应。
而在数据存储方面，Ｈａｄｏｏｐ设计之初有意将
它定位于大块数据（大文件）存储，对如瓦片形式
的小文件没有采取相应的手段进行有效的优化，
在小文件数目非常大时，存储在ＨＤＦＳ（Ｈａｄｏｏ
ＰＤｉｓｔｒｉｂｕｔｅｄ Ｆｉｌｅ Ｓｙｓｔｅｍ，分布式文件系统）元数
据服务节点中的小文件属性数据总量将超出元数
据服务节点的存储能力，从而成为系统瓶颈。
活动看台针对ＨＤＦＳ系统以上两个不足，本文研究了
结合ＨＤＦＳ文件系统特点和并行文件系统ｐｖｆｓ特
点的Ｈａｄｏｏｐ－ｐｖｆｓ系统，此系统有效弥补了ＨＤＦＳ
系统在数据更新方面的不足；针对ＨＤＦＳ在小文
件存储方面的不足，结合瓦片数据位置属性，研
究了一种多层次的瓦片数据组织方法。
１ Ｈａｄｏｏｐ系统的优缺点
Ｈａｄｏｏｐ是一个由Ａｐａｃｈｅ基金会所开发的分布
式系统基础架构，它是一个完全开源的云计算系统
“生态圈”，Ｈａｄｏｏｐ主要依靠其底层分布式文件系统
ＨＤＦＳ进行数据的存储，另外其ＭａｐＲｅｄｕｃｅ计算模
型可用于大规模数据集（大于１ＴＢ）的并行运算，适
于进行ＧＩＳ海量搜索或计算，如图１所示
。
图１ ＨＤＦＳ系统架构图
Ｆｉｇ．１ ＨＤＦＳ Ａｒｃｈｉｔｅｃｔｕｒｅ
ＨＤＦＳ文件系统的核心部分是主节点Ｎａｍｅ－
Ｎｏｄｅ（备份Ｓｅｃｏｎｄａｒｙ ＮａｍｅＮｏｄｅ）和数据节点Ｄａ－
ｔａＮｏｄｅ，完整的ＨＤＦＳ采用Ｍａｓｔｅｒ／Ｓｌａｖｅ主从架
第１１期
引用格式：何涛，孙忠芳，葛亮．一种云计算系统的瓦片数据组织方法［Ｊ］．测绘科学，２０１５，
４０（１１）：１６４－
１６７．构对文件系统进行管理，只由一个ＮａｍｅＮｏｄｅ和
若干个ＤａｔａＮｏｄｅ组成。ＮａｍｅＮｏｄｅ是整个系统的核心部分，负责管理文件系统的名字空间及客户端对文件的访问、负责ＭａｐＲｅｄｕｃｅ任务的调度及监控；ＤａｔａＮｏｄｅ是系统的数据存储模块及任务执行节点。单一的ＮａｍｅＮｏｄｅ内存空间很容易成为系统的瓶颈，为了增加ＨＤＦＳ的利用效率，Ｎａｍ－ｅＮｏｄｅ中存储的文件信息记录的都是比较大的块文件信息，而对于小文件存储显得不是很适应，另外在对大文件进行更新时，随机的进行写需要进行大量的文件移动操作，因此ＨＤＦＳ规定只能将新的文件内容添加到块的末尾。
２ Ｈａｄｏｏｐ－ｐｖｆｓ对Ｈａｄｏｏｐ系统的
改进
为了解决Ｈａｄｏｏｐ不适于存储小文件及无法进
行随机读写等问题，本文延伸应用了将Ｈａｄｏｏｐ和并行文件系统ｐｖｆｓ结合到一起的Ｈａｄｏｏｐ－ｐｆｓ系统。Ｈａｄｏｏｐ－ｐｖｆｓ系统的数据存储于底层ｐｖｆｓ并行文件系统，上层数据组织方式采用了Ｈａｄｏｏｐ数据块副本组织方式。ｐｖｆｓ并行文件系统所采用的单个文件数据分条数据存放方式提高了数据存储的效率并支持随机写入，然而其有如下缺点：①没有副本机制，无法保证数据的安全性；②没有曝露Ｍａｐ
Ｒｅｄｕｃｅ分布式计算时需要的文件分布信息信息，无法进行ＭａｐＲｅｄｕｃｅ并行计算；③没有缓存机制，这在一定程度上降低了系统的效率。为此Ｈａｄｏｏｐ－ｐ
ｖｆｓ利用了两者的优点，弥补了相互之间的缺点，开发了一个介于Ｈａｄｏｏｐ和ｐｖｆｓ之间的中间插件Ｈａｄｏｏｐ－ｐｖｆｓ ｓｈｉｍ ｌａｙｅｒ，用于ｐｖｆｓ和Ｈａｄｏｏｐ之间的通信，如图２所示
。
焦磷酸盐
图２ Ｈａｄｏｏｐ－ｐｖｆｓ ｓｈｉｍ ｌａｙｅｒ（连接层）Ｆｉｇ．２ Ｈａｄｏｏｐ－ｐｖｆｓ Ｓｈｉｍ Ｌａｙ
ｅｒ３ 基于Ｈａｄｏｏｐ－ｐ
ｖｆｓ的多层次瓦片数据组织方法
虽然Ｈａｄｏｏｐ为了解决小文件存储有很多数据
压缩方法，但这些压缩存储工具都是针对普通的文件而言，没有针对文件的内容信息。本文基于上文所使用的Ｈａｄｏｏｐ－ｐ原子菲
ｖｆｓ工具提出了一种适合于ＧＩＳ瓦片数据存储的多层次的瓦片数据组织方法。
针对当前ＧＩＳ普遍采用的金字塔状瓦片数据组织方法，首先将所有的瓦片按照所在的层次进行分离，然后对每一个层的瓦片进行压缩，如图３所示
。
图３ 瓦片多层次组织形式
交通事故现场图
Ｆｉｇ．３ Ｍｕｌｔｉ－ｌｅｖｅｌ Ｏｒｇ
ａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｔｉｌｅ Ｄａｔａ我们将一层的瓦片组织压缩成一个文件，文件的头部记录了瓦片的索引信息，尾部记录了瓦片的数据信息。
文件内瓦片的组织最重要的是如何进行索引数据和瓦片文件数据的排列。本文提出的瓦片合并方法顺序排列瓦片索引信息和瓦片文件数据，兼顾了瓦片数据的地理位置和瓦片文件的整体性，合并后文件的组成如图４所示
。
图４ 瓦片单层次组织形式
Ｆｉｇ．４ Ｓｉｎｇｌｅ－ｌｅｖｅｌ Ｏｒｇ
ａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｔｉｌｅ Ｄａｔａ合并文件的头部是区域内的所有瓦片数据的索引信息，指示的是瓦片在文件中的偏移量和大小。瓦片文件索引的排列也是按照地理位置相关的，行值较大的瓦片排列在后面，行值相同时，列值较大的索引排列在后面。瓦片文件数据的排列顺寻和瓦片索引的排列顺序是相同的。在对一个层内所有瓦片进行合并的过程中，当瓦片的个数比较多时，瓦片文件数据加上瓦片索引数据的大小将超过一个Ｈａｄｏｏｐ－ｐ
ｖｆｓ数据块的大小，此时会出现某个瓦片存储位置跨越Ｈａｄｏｏｐ－ｐｖｆｓ两个不同的数据块，将一个瓦片文件分别存储在两个数据块中会严重的降低瓦片文件的读取效率。在出现这种情况时，本文不对瓦片进行拆分，而是将它作为一个整体，把它合并存储到当前数据块邻接的下一个数据块中，对上一个块余留的空间填充空文件，空文件只占有存储空间，不记录在索引。例如图４中瓦片５
，该瓦片在计算存储位置时，偏移位置处于块２末尾的某处，然而再加上瓦片５数据长度后，瓦片５有部分数据将处于数据块３中，为了免于读取瓦片５跨越两个
５
６１
测绘科学第４０卷
数据块，将块２末尾填充空文件，将瓦片５数据存
储于数据块３的首部。
通过这种组织形式，不仅减少了系统主节点
存储的元数据信息，提供了系统的存储效率，而
且照顾到了瓦片的地理信息属性，在服务器进行
数据读取时，可以预取当前请求瓦片邻接的瓦片，
进一步提高服务器取瓦片的效率。
４ 实验与结果分析
汽车镀铬
４．１ 实验环境
实验系统分为两个部分，第一部分是基于Ｈａ－
ｄｏｏｐ－ｐｖｆｓ的分布式瓦片数据组织方法组建Ｈａ－
ｄｏｏｐ－ｐｖｆｓ瓦片数据文件系统，第二部分是基于
Ｈａｄｏｏｐ－ｐｖｆｓ的高性能服务器技术测试Ｈａｄｏｏｐ－
ｐｖｆｓ服务器系统的效率。
Ｈａｄｏｏｐ－ｐｖｆｓ集系统搭建在４台ｐｃ服务器
上，ＰＣ服务器硬件性能如表１。
表１ ｐｃ服务器性能
Ｔａｂ．１ Ｐｒｏｐｅｒｔｉｅｓ ｏｆ ＰＣ Ｓｅｒｖｅｒｓ
ＣＰＵ内存硬盘网卡
Ｉｎｔｅｌ ｃｏｒｅ ｉ３－２１００３．１０ＧＨｚ８ＧＳＡＴＡ １Ｔ
Ｉｎｔｅｌ（Ｒ）
８２５７９（ＬＭ）１０００Ｍ
每台ＰＣ服务器上装有４个Ｃｅｎｔｏｓ Ｌｉｎｕｘ ６．２虚拟机，分别作为Ｈａｄｏｏｐ－ｐｖｆｓ的一个节点，各个节点之间组成一个小型内部网络，ｐｃ服务器各节点虚拟机配置都是采用内存大小为１Ｇ，虚拟网卡速度为１００Ｍｂｐｓ的虚拟机，总共１个ＮａｍｅＮｏｄｅ节点，１３个ＤａｔａＮｏｄｅ节点。
虚拟机使用开发环境的是ｊｄｋ １．６．０＿２７，使用ｐｖｆｓ２．８．１，ｈａｄｏｏｐ－０．２０．２。
在进行Ｈａｄｏｏｐ－ｐｖｆｓ集建立时主要分为以下几个步骤：
１）编译ｐｖｆｓ系统并启动运行
注浆瓷器主要包括如下操作：①使用．／Ｃｏｎｆｉｇｕｒｅ命令配置ｐｖｆｓ运行第三方库；②使用ｍａｋｅ命令生成
ｐｖｆｓ库；③使用ｍａｋｅ ｉｎｓｔａｌｌ命令将ｐｖｆｓ安装在Ｌｉｎｕｘ上；④配置ｐｖｆｓ Ｍｅｔａｄａｔａ Ｓｅｒｖｅｒ（ｖｍ１－１节点）、Ｉ／Ｏ Ｓｅｒｖｅｒｓ（其他１３个节点），ｐｖｆｓ服务端
口，ｐｖｆｓ块大小及ｐｖｆｓ挂载文件目录；⑤最后启动ｐｖｆｓ并行文件系统服务。
２）编译Ｈａｄｏｏｐ－ｐｖｆｓ中间插件并配置Ｈａｄｏｏｐ－ｐｖｆｓ系统
此部分主要包括如下操作：①编译Ｈａｄｏｏｐ－
ｐｖｆｓ文件系统库，这个库承担了Ｈａｄｏｏｐ和ｐｖｆｓ连接作用；②将Ｈａｄｏｏｐ－ｐｖｆｓ ｊｎｉ接口拷贝到Ｈａ－ｄｏｏｐ库目录中；③配置Ｈａｄｏｏｐ文件系统参数，包括块文件大小，块副本复制参数，ＮａｍｅＮｏｄｅ主节点（ｖｍ１－１），ＤａｔａＮｏｄｅ节点；④使用ｓｈｅｌｌ命令．．／ｂｉｎ／ｓｔａｒｔ－ｍａｐｒｅｄ．ｓｈ启动Ｈａｄｏｏｐ系统。４．２ 实验结果分析
实验一是完全使用Ｈａｄｏｏｐ时系统的吞吐量及使用Ｈａｄｏｏｐ－ｐｖｆｓ时的吞吐量的对比，实验瓦片没有进行压缩组织；实验二对比了瓦片在使用压缩存储技术之前及之后的系统吞吐量。
实验一结果对比如图５所示
。
图５ 实验一结果对比
Ｆｉｇ．５ Ｅｆｆｅｃｔ Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｅｘｐｅｒｉｍｅｎｔ
１
图６ 实验二结果对比
Ｆｉｇ．６ Ｅｆｆｅｃｔ Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｅｘｐｅｒｉｍｅｎｔ ２
实验二结果对比如图６所示。
从实验一对比结果可以看出，从纯Ｈａｄｏｏｐ服务器系统到Ｈａｄｏｏｐ－ｐｖｆｓ混合型系统，
平均吞吐量从５１９ ８７８．６字节每秒到７１２ ２１６．０２字节每秒，平均提高了３７％；从实验二对比结果可以看出，从没有使用压缩存储技术系统到使用压缩存储技术，系统吞吐量从７１２ ２１６．０２字节每秒到１ ０９２ ７７９．２５字节每秒，平均提高了５３．４％；综合两个实验结果对比可以看出，从最原始的纯Ｈａｄｏｏｐ系统到ｈａｄｏｏｐ－ｐｖｆｓ采取压缩技术系统，吞吐量平均提高了１１０％。５ 结束语
本文结合瓦片金字塔组织结果形式和Ｈａｄｏｏｐ－
ｐｖｆｓ云计算系统，弥补了Ｈａｄｏｏｐ系统小文件存储方面的劣势，基于此云计算系统提出的多层次瓦片数据组织方法，充分利用了瓦片数据的地理信息属性，将瓦片分成不同的层次结构，将各层次瓦片分别进行压缩存储，存储文件中每个瓦片的
６６１
第１１期
引用格式：何涛，孙忠芳，葛亮．一种云计算系统的瓦片数据组织方法［Ｊ］．测绘科学，２０１５，
４０（１１）：１６４－
１６７．索引信息非常清晰，保证了搜索的快速。相对于其他的瓦片服务器系统，随着数据量的增大，本文所提出的方法性能依旧比较高效，稳定性非常好。
但本文没有涉及服务器系统预取及缓存等高效数据提取方法等，这是我们下一步工作的重点。
参考文献
［１］ 陈静，
向隆刚，朱欣焰．分布式异构栅格数据的集成管理研究［Ｊ］．武汉大学学报·信息科学版，２０１１，３６（９）：１０９４－
１０９７．［２］ 陈静，
龚健雅，向隆刚．全球多尺度空间数据模型研究［Ｊ］．“天地图”建设与发展，２０１１，３６（９）：２４－２７．［３］ 陆嘉桓．Ｈａｄｏｏｐ实践［Ｍ］．机械工业出版社，２０１２：４４１．［４］ 张为民，
唐剑锋，罗治国，等．云计算［Ｍ］．北京：科学出版社．２００９．
［５］ 刘鹏．云计算［Ｍ］．北京：电子工业出版社，２００９：２０４．［６］ 殷兆麟，
张永平，姜淑娟．Ｊａｖａ网络高级编程［Ｍ］．北京：清华大学出版社，２００５：３９０．
［７］ 孙卫琴．
Ｊａｖａ网络编程精解［Ｍ］．北京：电子工业出版社，２００７：４８２．
［８］ 郭益君．基于Ｈａｄｏｏｐ的矢量金字塔并行构建技术研
究［Ｄ］．武汉：武汉大学，２０１２．
［９］ 齐东兰．
基于ＨＢａｓｅ的矢量金字塔分布式管理［Ｄ］．武汉：武汉大学，２０１２．
［１０
］余思，桂小林，黄汝维，等．一种提高云存储中小文件存储效率的方案［Ｊ］．西安交通大学学报，２０１１，４５（６）：５９－
６３．［１１］ＷＩＴＴＡＷＡＴ Ｔ，ＳＷＡＰＮＩＬ Ｐ，ＧＡＲＴＨ Ｇ，ｅｔ
ａｌ．Ｏｎｔｈｅ Ｄｕａｌｉｔｙ ｏｆ Ｄａｔａ－ｉｎｔｅｎｓｉｖｅ Ｆｉｌｅ Ｓｙｓｔｅｍ Ｄｅｓｉｇｎ：Ｒｅｃ－ｏｎｃｉｌｉｎｇ ＨＤＦＳ ａｎｄ ＰＶＦＳ［Ｚ］．Ｃａｒｎｅｇｉｅ Ｍｅｌｌｏｎ Ｕｎｉｖｅｒ－ｓｉｔｙ，Ａｒｇｏｎｎｅ Ｎａｔｉｏｎａｌ Ｌａｂｏｒａｔｏｒｙ
．Ａ ｔｉｌｅ ｄａｔａ ｏｒｇａｎｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ Ｈａｄｏｏｐ－ｐｖｆｓ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ
ｓｙｓｔｅｍＡｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ｔｈｅ ｄａｔａ ｓｔｏｒａｇｅ ｅｆｆｉｃｉｅｎｃｙ
ｉｓ ｌｏｗｅｒ，ｔｈｅ ｐａｐｅｒ ｓｔｕｄｉｅｄ ＨａｄｏｏＰＣｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ
ｓｙｓｔｅｍ，ａｎｄ ｉｍｐｒｏｖｅｄ Ｈａｄｏｏｐ－ｐｖｆｓ ｄｉｓｔｒｉｂｕｔｅｄ ｓｙｓｔｅｍ ｔｏ ｅｎｈａｎｃｅ ｔｈｅ ｓｔｏｒａｇｅ ｅｆｆｉｃｉｅｎ－ｃｙ ｏｆ Ｈａｄｏｏ Ｐｕｎｄｅｒｌｙｉｎｇ ｆｉｌｅ ｓｙｓｔｅｍ ａｎｄ ｔｏ ｕｐｄａｔｅ ｄａｔａ ａｔ ａｎｙ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ｆｉｌｅ．Ｍｏｒｅｏｖｅｒ，ａ ｍｕｌｔｉｌｅｖｅｌａｎｄ ｐｏｓｉｔｉｏｎ ｒｅｌａｔｅｄ ｔｉｌｅ ｄａｔａ ｏｒｇ
ａｎｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｐｒｅｓｅｎｔｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔ ｐｒｏｖｅｄ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ
ｏｆ ｔｈｅ ｍｅｔｈｏｄ，ｗｈｉｃｈ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ａ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｅｓｔａｂｌｉｓｈｉｎｇ ｔｈｅ ＧＩＳ ｓｅｒｖｉｃｅ ｓｙｓｔｅｍ ｗｉｔｈ ｈｉｇｈ ｐｅｒｆｏｒｍ－ａｎｃｅ ａｎｄ ｍａｓｓ ｓｔｏｒａｇｅ．Ｋｅｙ
ｗｏｒｄｓ：ｔｉｌｅ ｓｔｏｒａｇｅ；Ｈａｄｏｏｐ；ｐｖｆｓ；ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ；ｄａｔａ ｏｒｇａｎｉｚａｔｉｏｎＨＥ Ｔａｏ，ＳＵＮ Ｚｈｏｎｇ－ｆａｎｇ，ＧＥ Ｌｉａｎｇ（Ｔｉａｎｊｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，Ｔｉａｎｊｉｎ３００３８１，Ｃｈｉｎａ檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿檿
）（上接第１４５页）
Ｏｐ
ｔｉｍｉｚａｔｉｏｎ ｏｆ ｈａｚｅ ｒｅｍｏｖａｌ ｂａｓｅｄ ｏｎ Ｄａｒｋ Ｃｈａｎｎｅｌ ＰｒｉｏｒＡｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｉｎｓｕｆｆｉｃｉｅｎｃｙ
ｏｆ Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ ａｌｇｏｒｉｔｈｍ ｉｎ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ａｅｒｉａｌ ｐｈｏ－ｔｏｇｒａｍｍｅｔｒｙ
ｔｅｃｈｎｏｌｏｇｙ，ｔｈｅ ｐａｐｅｒ ｐｏｉｎｔｅｄ ｏｕｔ ｔｈｒｅｅ ｌｉｍｉｔｓ ｆｏｒ ｔｈｅ ａｌｇｏｒｉｔｈｍ，ａｎｄ ｐｒｏｐｏｓｅｄ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄ－ｉｎｇ ｏｐｔｉｍａｌ ｓｃｈｅｍｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｈａｒａｃｔｅｒｓ ｏｆ ａｅｒｉａｌ ｉｍａｇｅｓ，ｗｈｉｃｈ ｕｓｅｓ ａｕｔｏｍａｔｉｃ ｗｈｉｔｅ ｂａｌａｎｃｅ ａｌｇｏｒｉｔｈｍｓｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｉｍａｇｅ ｄａｒｋｅｒ，ｕｓｅｓ ｔｈｅ ａｌｔｅｒｎａｔｉｎｇ ｓｅｑｕｅｎｔｉａｌ ｆｉｌｔｅｒ ｔｏ ｒｅｐｌａｃｅ Ｓｏｆｔ Ｍａｔｔｉｎｇ ｆｏｒ ｒｅ－ｄｕｃｉｎｇ ｔｈｅ ｐｒｏｃｅｓｓｉｎｇ ｔｉｍｅ ｏｆ ｄｅｆｏｇｇｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｏｐｔｉｍｉｚｅｄ ａｌｇｏｒｉｔｈｍ ｃｏｕｌｄ ａ－ｃｈｉｅｖｅ ｇｏｏｄ ｄｅｆｏｇｇｉｎｇ ｅｆｆｅｃｔ ｗｉｔｈ ｓｉｍｐｌｅｒ ａｎｄ ｌｅｓｓ ｔｉｍｅ－ｃｏｎｓｕｍｉｎｇ ｐｒｏｃｅｓｓｉｎｇ
ｔｈａｎ ｔｈｅ ｏｒｉｇｉｎａｌ ａｌｇｏｒｉｔｈｍ．Ｋｅｙ ｗｏｒｄｓ：Ｄａｒｋ Ｃｈａｎｎｅｌ Ｐｒｉｏｒ；ａｔｍｏｓｐｈｅｒｉｃ ｓｃａｔｔｅｒｉｎｇ ｍｏｄｅｌ；ｔｒａｎｓｍｉｓｓｉｏｎ；ａｔｍｏｓｐｈｅｒｉｃ ｌｉｇｈｔ；ｍｏｒ－ｐｈｏｌｏｇｉｃａｌ
ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ
；ｗｈｉｔｅ ｂａｌａｎｃｅＪＩＮ Ｈｕａｎ－ｈｕａｎ１，３，ＷＡＮＧ Ｓｈｕａｎｇ－ｔｉｎｇ１，ＹＡＯ Ｊｉ－ｆｅｎｇ２，３，ＬＩＵ Ｚｏｎｇ－ｊｉｅ２，３
（１．Ｃｏｌｌｅｇｅ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄＭａｐｐｉｎｇ
ａｎｄ Ｌａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｅｎａｎ Ｐｏｌｙｔｅｃｈｎｉｃ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ ４５４０００，Ｃｈｉｎａ；２．ＣｈｉｎｅｓｅＡｃａｄｅｍｙ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，Ｂｅｉｊｉｎｇ １０００３９，Ｃｈｉｎａ；３．Ｂｅｉｊｉｎｇ Ｓｉｗｅｉ Ｓｐａｔｉａｌ Ｄａｔａ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌ－ｏｇｙ Ｃｏｍｐａｎｙ Ｌｉｍｉｔｅｄ，Ｂｅｉｊｉｎｇ
１０００３９，Ｃｈｉｎａ）７
６１
