一种遥感图像的获取方法及装置

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种遥感图像的获取方法及装置。

背景技术

目前，随着遥感技术的快速发展，越来越多的场景开始使用遥感技术。然而，在实践中发现，伴随着遥感技术应用范围越来越广，该项技术陆陆续续地出现了存储效率、计算效率以及操作灵活性上的问题，使得相关技术人员不得不想尽办法来解决这些问题。

发明内容

本申请实施例的目的在于提供一种遥感图像的获取方法及装置，能够更高效地获取到遥感图像，从而在一定程度上解决以往存储效率低、计算效率低以及操作灵活性差的问题。

本申请实施例第一方面提供了一种遥感图像的获取方法，所述方法包括：

接收用户输入的脚本代码；

对所述脚本代码进行编译，得到中间码；

在分布式计算节点中根据所述中间码进行计算，得到与所述中间码对应的至少一个遥感子图像；

对所述至少一个遥感子图像进行拼接计算，得到遥感影像。

在上述实现过程中，该方法可以接收用户在前端编写JavaScript/Python代码，并对该代码进行编译得到中间码，然后再在分布式计算节点中计算与中间码相对应的至少一个遥感子图像，并对至少一个遥感子图像进行拼接计算，得到最终的遥感图像。可见，实施这种实施方式，能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

进一步地，所述对所述脚本代码进行编译，得到中间码的步骤包括：

提取所述脚本代码包括的函数类型、函数名称以及参数列表；

根据所述函数类型、函数名称以及参数列表进行链式结构的构建，得到中间码。

在上述实现过程中，该方法在对脚本代码进行编译的过程中，优先对脚本代码进行解析，得到脚本代码中包括函数类型、函数名称以及参数列表，然后，再根据函数类型、函数名称以及参数列表构建出链式结构的中间码。可见，实施这种实施方式，能够使得分布式计算节点根据链式结构的中间码简单、快捷地获取到分布式存储服务器中的遥感子图像，并有利于遥感子图像的进一步融合。

进一步地，所述在分布式计算节点中根据所述中间码进行计算，得到与所述中间码对应的至少一个遥感子图像的步骤包括：

计算与所述中间码相对应的有向无环图；

在分布式计算节点中，根据所述有向无环图匹配与所述中间码相对应的至少一个遥感子图像。

在上述实现过程中，该方法可以优先计算出用于分布式计算节点执行的有向无环图，并使得分布式计算节点可以根据该有向无环图进行谓词下推的操作，从而使得使得数据集合得以优先过滤，同时减少程序的调用数据量，进而提高程序整体的执行性能。

进一步地，所述在分布式计算节点中，根据所述有向无环图匹配与所述中间码相对应的至少一个遥感子图像的步骤包括：

根据预设的显示范围和预设的范围分块算法进行计算，得到至少一个待显示分块；

根据所述至少一个待显示分块和所述有向无环图，匹配与所述显示范围和所述中间码两者相对应的至少一个遥感子图像。

在上述实现过程中，该方法可以根据显示装置的显示范围确定出至少一个待显示分块，然后再进一步获取与待显示分块相对应的遥感子图像，可见，实施这种实施方式，能够避免额外的遥感子图像的获取，从而实现按需计算，进而降低了计算工作量，提高了整体的遥感图像的获取效率。

进一步地，所述方法还包括：

对获取到的原始影像进行预处理，得到预处理图像；

对所述预处理图像进行金字塔切片操作，得到包括所述至少一个遥感子图像的遥感子图像集合；

将所述遥感子图像集合分布式存储至分布式计算节点中。

在上述实现过程中，该方法可以通过金字塔切片的方式对获取到的遥感数据进行切片操作，从而使得获取到的切片可以存储到分布式计算节点当中，以使分布式计算节点在实现扩容和提高算力的同时，能够有针对性地获取到更准确地遥感子图像。

本申请实施例第二方面提供了一种遥感图像的获取装置，所述遥感图像的获取装置包括：

接收单元，用于接收用户输入的脚本代码；

编译单元，用于对所述脚本代码进行编译，得到中间码；

计算单元，用于在分布式计算节点中根据所述中间码进行计算，得到与所述中间码对应的至少一个遥感子图像；

拼接单元，用于对所述至少一个遥感子图像进行拼接计算，得到遥感影像。

在上述实现过程中，该遥感图像的获取装置能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

进一步地，所述编译单元包括：

提取子单元，用于提取所述脚本代码包括的函数类型、函数名称以及参数列表；

构建子单元，用于根据所述函数类型、函数名称以及参数列表进行链式结构的构建，得到中间码。

在上述实现过程中，该遥感图像的获取装置能够在对脚本代码进行编译的过程中，优先对脚本代码进行解析，得到脚本代码中包括函数类型、函数名称以及参数列表，然后，再根据函数类型、函数名称以及参数列表构建出链式结构的中间码。可见，实施这种实施方式，能够使得分布式计算节点根据链式结构的中间码简单、快捷地获取到分布式存储服务器中的遥感子图像，并有利于遥感子图像的进一步融合。

进一步地，所述计算单元包括：

计算子单元，用于计算与所述中间码相对应的有向无环图；

匹配子单元，用于在分布式计算节点中，根据所述有向无环图匹配与所述中间码相对应的至少一个遥感子图像。

在上述实现过程中，该遥感图像的获取装置能够优先计算出用于分布式计算节点执行的有向无环图，并使得分布式计算节点可以根据该有向无环图进行谓词下推的操作，从而使得使得数据集合得以优先过滤，同时减少程序的调用数据量，进而提高程序整体的执行性能。

本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的遥感图像的获取方法。

本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的遥感图像的获取方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种遥感图像的获取方法的流程示意图；

图2为本申请实施例提供的另一种遥感图像的获取方法的流程示意图；

图3为本申请实施例提供的一种遥感图像的获取装置的结构示意图；

图4为本申请实施例提供的另一种遥感图像的获取装置的结构示意图

图5为本申请实施例提供的一种金字塔切片操作的原理示意图；

图6为本申请实施例提供的一种遥感子图像的确定示意图；

图7为本申请实施例提供的一种遥感子图像的确定示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

请参看图1，图1为本申请实施例提供了一种遥感图像的获取方法的流程示意图。其中，该遥感图像的获取方法包括：

S101、接收用户输入的脚本代码。

本实施例中，脚本代码可以为JavaScript/Python代码。

S102、对脚本代码进行编译，得到中间码。

本实施例中，该方法为了实现脚本代码的编译、优化以及分布式执行，提出了一种专用的中间码技术。该中间码犹如桥梁，沟通着分布式计算节点的前端和后台。通过运行前端脚本代码，实时自动生成并优化中间码，然后交由分布式计算节点进行分布式执行，从而根据用户编写的脚本代码能够执行相应的计算。中间码的核心目的是构造一个树结构的调用依赖关系，其中每个节点是数据对象或者预定义的算子，后期的计算过程优化和计算计划生成均依赖这个树结构。计算服务通过解析调用树中每一个变量包含的表达式，获取表达式对应的具体内容，通过递归方式获取变量最终的结构体，这个结构体就是生成该对象的中间码片段。

中间码本身是计算平台解析出来的一个树形结构，举例来说，该中间码可以为：

var image=pie.Image("LC08/01/T1/LC08_121031_20170101").select ("B1")；

Map.addLayer(image)。

本实施例中，分布式计算节点可以通过获取以SDK定义的Image变量所包含的信息，比如它本身的statement参数以及pre前置依赖数据等，逐步递归解析其内容，然后再对解析后的内容进行合并，从而生成中间码。

举例来说，单个算子编译方法中，算子包括类型、名称以及参数列表，其中，类型主要是表示是简单函数还是复杂函数（Simple+Complex），名称主要是表示算子的函数名称，参数列表通过数组的方式记录函数的参数信息。

如添加影像的算子：addImage(imageA, imageB)，可解析为：类型Simple，名称addImage，参数列表（imageA，imageB）。即

{

type：“Simple”，

name：“addimage”，

arguments：[

param：imageA，

param：imageB

]

}

同时，相对应的，单个算子解析过程如下：

通过算子的语法描述信息，解析出函数类型、名称和参数列表，来构建算子的调用函数；比如以下算法描述信息，首先解析出该算子的类型为Simple，名称为addImage，参数列表为imageA和imageB，通过解析出来的参数即可得出算子的代码为addImage（imageA,imageB）的函数代码，通过此方法即可解析所有的算子描述信息。

本实施例中，在对于复杂算子的编译方法中，该方法首先通过前端对每个算子进行构造，实现该算子（函数）的语法描述信息，如在Image构造函数内通过函数类型、名称和参数信息构造对应json语法的描述信息；然后通过函数链式调用顺序把前一个函数的描述信息作为后一个函数的输入参数，依次类推构建用户代码的语法树描述信息。

而对应的复杂算子解析过程则为：多个链式调用的算子描述信息就是各个算子的嵌套关系，即内层算子的返回值是外层算子的参数信息，通过解析外部算子的参数，判断该算子的参数是值还是另外一个算子的描述信息，如果是另外一个算子的描述信息就需要按照单个算子的解析过程构建该算子的代码，如果是值则该参数直接赋值即可；比如以下算子描述信息，首先解析出外部算子的类型为Simple，名称为Image.multiply，参数列表为内部算子描述信息和10，第一个参数是内部算子描述信息，就需要按照单个算子解析过程继续解析，第2个参数为10，不需要继续解析，直接作为函数参数即可,通过解析出来的参数即可得出算子的代码为var image = Image(“/source/xxx”)和Image.multiply(image，10)两行代码，进一步代码精简合并后形成Image(“/source/xxx”).multiply(10)，通过此方法即可解析多个链式的算子语法描述信息。

S103、在分布式计算节点中根据中间码进行计算，得到与中间码对应的至少一个遥感子图像。

S104、对至少一个遥感子图像进行拼接计算，得到遥感影像。

实施这种实施方式，能够在底层设计实现时，允许用户通过动态脚本语言，如JavaScript或Python描述遥感图像的计算过程，通过后台的计算优化过滤无效计算内容，生成并缓存所需数据结果的执行计划（但在此时并不执行真正的数据计算）；然后通过调用前端请求或者算子触发实际的计算，获得可视化图层或者数据文件。计算的执行依赖遥感数据在云端的分布式存储模型，确保仅仅读取和计算当前所需的数据内容，以达到在几秒内完成数百景遥感数据相关的统计分析计算结果。

本申请实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。

在本申请实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。

可见，实施本实施例所描述的遥感图像的获取方法，能够接收用户在前端编写JavaScript/Python代码，并对该代码进行编译得到中间码，然后再在分布式计算节点中计算与中间码相对应的至少一个遥感子图像，并对至少一个遥感子图像进行拼接计算，得到最终的遥感图像。可见，实施这种实施方式，能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

实施例2

请参看图2，图2为本申请实施例提供的一种遥感图像的获取方法的流程示意图。如图2所示，其中，该遥感图像的获取方法包括：

S201、对获取到的原始影像进行预处理，得到预处理图像。

本实施例中，该方法对于遥感子图像集合的获取过程可以是基于影像金字塔索引模型获取到的。即通过影像金字塔索引模型对获取到的原始影像进行预处理，得到预处理图像；通过影像金字塔索引模型对预处理图像进行金字塔切片操作，得到包括至少一个遥感子图像的遥感子图像集合。

本实施例中，通过不同的预处理过程可以得到不同的预处理图像，从而能够支持即时的数据分析，使得用户在前端脚本中使用时不需要再对影像做相应的预处理。

S202、对预处理图像进行金字塔切片操作，得到包括至少一个遥感子图像的遥感子图像集合。

本实施例中，相对于传统的影像存储是直接使用完整文件存储，并通过文件路径索引访问的这种方式。该方法采用了影像切片存储方式，具体的，该方法可以将影像切片为256×256大小的每一张瓦片。其中，该方法会通过入库程序首先对原始影像做预处理，然后进行金字塔切片操作，即将原始影像切片到距离金字塔最近的层级，同时向低分辨率做重采样采集。为最大限度保持像素的完整性，系统重采样采用的是临近采样方法，具体操作规则可以参阅图5所示。

图5示出了一种金字塔切片操作的原理示意图，具体的，该图示出了一种PIE-Engine影像切片原理。

本实施例中，该方法可以依据前端脚本代码传入的影像分辨率、层级和范围等参数筛选出对应的影像瓦片（256×256），然后对这些瓦片进行处理。相比传统的影像操作，采用这种分块瓦片计算的处理方式，执行过程耗时短，效率高。同时，由于获取的是多个单张瓦片，所以也便于把后台计算服务做分布式部署，通过分布式执行操作使得对海量数据的实时计算更为高效。另外，在云环境下所有影像瓦片均使用对象存储，如AWS的S3进行存储。这种方式下瓦片对象的Key包含所属的影像、层级及位置信息，Value包含压缩方式、版本、保护等级以及原始的像素值。同时，基于云原生分布式数据库构建了影像数据集索引，便于通过脚本查询和过滤所需的影像。

可见，实施这种实施方式，能够解决传统影像存储方式中，由于每次加载读取影像都需要加载完整的影像数据，而导致的耗时问题而且耗费内存问题。最重要的，传统影像存储方式一次只能加载少量的影像数据做运算，不能做海量遥感影像计算。而该方法则能够解决上述所有问题。

S203、将遥感子图像集合分布式存储至分布式计算节点中。

S204、接收用户输入的脚本代码。

S205、提取脚本代码包括的函数类型、函数名称以及参数列表。

S206、根据函数类型、函数名称以及参数列表进行链式结构的构建，得到中间码。

S207、计算与中间码相对应的有向无环图。

本实施例中，该方法在云上解决大量遥感数据批量处理问题，其计算逻辑十分复杂，因此要想实现高效运算，如何将计算服务代码优化非常重要。因此该方法引入了惰性计算、谓词下推、有向无环图（DAG）等技术。从而能够在计算服务代码层实现了优化处理，进而解决了大量遥感数据批量快速、并行处理问题。

在本实施例中，惰性计算思想在软件设计和架构设计中的核心就是少做无用功，在真需要的时候再做。该方法在云上算法框架设计开发中引入了缓存策略、按需计算等技术，实现了对云上遥感影像数据高效、快速的计算，极大地提高了其作业效率。

在本实施例中，处理缓存过期问题时，常见的方式有两种：一种是重新计算缓存，另一种是直接删除缓存。这两种方式各有优劣，而该方法中则采用了直接删除过期缓存策略。这种方式虽然直接删除了过期缓存数据，但是最大优点就是减少无效计算，如长期无人访问的无效缓存就不会再占用资源，而是根据用户的请求只缓存用户需要的数据资源。

本实施例中，该方法在云上算法框架设计开发中借鉴了数据库操作中常用的谓词下推技术。在程序执行过程中，后台计算服务会根据程序的DAG（Directed Acyclic Graph）图分析整个程序执行流程，将程序中的各种过滤条件下推到基础数据集合中，使得数据集合达到优先过滤，减少程序调用数据量，从而提高程序整体的执行性能。

示例代码如下：

var imageCollection = pie.ImageCollection("LC08/01/T1")；

imageCollection = imageCollection.filterDate("2020-04-01", "2020-05-01").select(["B1","B2","B3","B4"])；

var image = imageCollection.mean().select("B1")；

Map.addLayer(image)；

这段代码含义是加载Landsat8的影像数据集合，过滤筛选出4月份的数据，同时计算均值，最后返回B1波段加载到交互地图中。实际执行过程如下图所示。

如果按顺序执行上述代码，集合数据筛选select函数是在均值计算mean函数之后调用的，但采用谓词下推技术后，后台执行时会优先调用select函数。这样操作好处是程序仅对筛选出的数据B1波段做均值计算，而不是当前区域的所有波段，使得计算量大大减少。

在本实施例中， PIE-Engine Studio程序运行会首先构造一个DAG，然后在计算服务内部会利用这个DAG图做代码优化。具体做法是对子图通过立即求值来做贪婪简化，这样可以避免多余的计算和任何无法实现的并行操作。例如，程序会将3 + 7的子图立即简化为值10。当对引用图像集合的节点进行计算时，子图中的其他节点将被展开，它将被扩展为可以批量处理的图像序列。

比如，用户想要计算两个时期的不同影像的变化情况，示例代码如下：

var imageCollection = pie.ImageCollection("LC08/01/T1")；

var fir = imageCollection.filterDate("2020-04-01", "2020-05-01").select("B1")；

var sec = imageCollection.filterDate("2020-07-01", "2020-08-01").select("B1")；

var differ = sec.mean().subtract(fir.mean())；

Map.addLayer(differ)

这段代码执行的操作是首先根据数据集合的ID加载对应的数据集合，第二步通过日期筛选出来指定日期数据的B1波段，第三步就是分别计算两个集合的均值，然后做差值获取差异值。最后将影像加载的交互地图实现地图展示。

S208、在分布式计算节点中，根据有向无环图匹配与中间码相对应的至少一个遥感子图像。

作为一种可选的实施方式，在分布式计算节点中，根据有向无环图匹配与中间码相对应的至少一个遥感子图像的步骤包括：

根据预设的显示范围和预设的范围分块算法进行计算，得到至少一个待显示分块；

根据至少一个待显示分块和有向无环图，匹配与显示范围和中间码两者相对应的至少一个遥感子图像。

本实施例中，该方法采用按需计算的惰性计算方式，实现了云上遥感解译所见即所得的准时时快速处理。即用户所看到的区域会实时计算显示结果，对于其他不可见的区域则不会做相应计算。

在本实施例中，该方法采用了按需计算的方式，而按需计算与普通运算程序一步步执行代码并计算每一步的结果不同的是：用户明确调用了上下文程序才开始进行计算。即当用户将计算的影像结果输出或者是添加到交互地图上，采用按需计算的计算服务才会依据用户当前交互区域可见的范围、当前地图的缩放级别以及特定投影，动态计算当前可见区域级别对应的所有瓦片，然后依据用户传入的逻辑代码计算对应的结果。如果计算结果是另外一个计算过程的输入，其计算服务会对计算结果自动重新采样和重新投影，使得两者可以正常运算，整个过程完全不需要用户输入控制分辨率、投影等信息。

举例来说，以图6为例，其中中间的矩形范围是用户的可视范围，菱形格子代表当前显示级别下的数据瓦片，其中阴影部分是可视范围内的瓦片，白色部分代表非可视范围内的瓦片。也就是当用户加载这个数据瓦片，按需计算算子只对阴影部分瓦片对应的区域数据进行处理。当用户缩放中间矩形范围（图7）时，该方法也只会计算这个范围内对应级别的数据。

S209、对至少一个遥感子图像进行拼接计算，得到遥感影像。

本实施例中，针对当前遥感数据存储方式单一，数据存储获取效率较低，以及无法满足海量遥感数据快速应用的问题。该方法采用了影像金字塔模型切片的方式和分布式云存储相结合的方式解决了传统文件存储方式造成的遥感数据存储获取效率较低的问题，从而提高遥感影像数据入库存储和处理应用性能。同时，针对遥感数据处理无法实时动态计算、扩展性差、数据产品应用形式单一方面的不足，该方法采用动态脚本进行计算，并通过中间码的计算，实现脚本语言的编译、优化以及分布式执行，通过运行前端脚本代码，实时自动生成并优化中间码，然后交由后台计算服务进行分布式执行，从而根据用户编写的脚本执行相应的计算，实现用户端自定义开发算法和遥感数据处理模型后云端服务器在后台实现遥感数据的动态实时计算。最后再结合弹性伸缩云环境和并行计算调度计算的方式来灵活扩展遥感数据的处理速度和应用领域。

可见，实施本实施例所描述的遥感图像的获取方法，能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

实施例3

请参看图3，图3为本申请实施例提供的一种遥感图像的获取装置的结构示意图。如图3所示，该遥感图像的获取装置包括：

接收单元310，用于接收用户输入的脚本代码；

编译单元320，用于对脚本代码进行编译，得到中间码；

计算单元330，用于在分布式计算节点中根据中间码进行计算，得到与中间码对应的至少一个遥感子图像；

拼接单元340，用于对至少一个遥感子图像进行拼接计算，得到遥感影像。

本申请实施例中，对于遥感图像的获取装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。

可见，实施本实施例所描述的遥感图像的获取装置，能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

实施例4

请一并参阅图4，图4是本申请实施例提供的一种遥感图像的获取装置的结构示意图。其中，图4所示的遥感图像的获取装置是由图3所示的遥感图像的获取装置进行优化得到的。如图4所示，编译单元320包括：

提取子单元321，用于提取脚本代码包括的函数类型、函数名称以及参数列表；

构建子单元322，用于根据函数类型、函数名称以及参数列表进行链式结构的构建，得到中间码。

作为一种可选的实施方式，计算单元330包括：

计算子单元331，用于计算与中间码相对应的有向无环图；

匹配子单元332，用于在分布式计算节点中，根据有向无环图匹配与中间码相对应的至少一个遥感子图像。

作为一种可选的实施方式，匹配子单元332包括：

计算模块，用于根据预设的显示范围和预设的范围分块算法进行计算，得到至少一个待显示分块；

匹配模块，用于根据至少一个待显示分块和有向无环图，匹配与显示范围和中间码两者相对应的至少一个遥感子图像。

作为一种可选的实施方式，遥感图像的获取装置还包括：

预处理单元350，用于对获取到的原始影像进行预处理，得到预处理图像；

切片单元360，用于对预处理图像进行金字塔切片操作，得到包括至少一个遥感子图像的遥感子图像集合；

存储单元370，用于将遥感子图像集合分布式存储至分布式计算节点中。

本申请实施例中，对于遥感图像的获取装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。

可见，实施本实施例所描述的遥感图像的获取装置，能够通过分布式存储、中间码使用等技术来高效地获取到遥感图像，具体的，该实施方式能够通过分布式存储的方法解决了存储效率低下的问题，并且还能够通过分布式计算的方法解决计算效率低下的问题，而脚本代码和中间码的使用则进一步的降低了遥感影像获取的难度，从而在一定程度上提高了操作的灵活性。

本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中任一项遥感图像的获取方法。

本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项遥感图像的获取方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。