基于多中心集群协同计算的大数据平台技术研究与应用

中国电信面向横跨多个地域、拥有众多集群的大型政企机构,推出可以高效协同各类资源的广域大数据架构体系——云边智算大数据平台。该平台从集群维度对数据分区进行逻辑抽象,将独立分散的数据集整合为一个“虚拟数据集”,实现了一对多的数据集映射管理。同时,该平台的计算负载数据集具有泛化特征,能够灵活应对不同场景下的数据处理需求。另外,该平台以关系表达式为中间表示,支持多种计算引擎和调度系统,能够在复杂的大型数据处理高容错场景中高效地完成批处理任务负载。目前,云边智算大数据平台已在多种应用场景中落地,平台在5G Core能力调度子系统(5GC)多中心大数据作业开发、运营方面提效17%,且已实现8省前置大数据集群共计42 PB存储、84 TB内存、24984 VCore计算资源的协同调度,日均完成80308次前置-核心两级任务调度。

面向图像匹配的局部特征提取研究进展

图像匹配作为计算机视觉领域的重要研究方向,广泛应用于图像配准、图像融合、变化检测、视觉导航、3D重建、视觉同时定位与地图构建(SLAM)等领域,精确稳健的局部特征提取是实现其高效处理的前提与关键。以图像匹配研究为导向,从传统特征设计到现代特征学习对局部特征提取方法进行了分类总结,首先,为增强对现代局部特征提取方法的理解,重点介绍了基于传统特征设计的相关方法,接着回顾了基于经典机器学习的方法,搭建起传统方法到深度学习方法的桥梁,最后详细讨论了基于深度学习的现代特征提取方法。针对跨传感器、多视角、不同时段环境下的图像匹配需求,全面分析了各阶段主流方法的优缺点,提出了目前存在的问题与挑战,并给出了相应的研究建议,为相关研究人员全面深入理解图像局部特征提取方法并利用深度学习方法对其进行改进提供基础性参考。

星载JPEG-LS图像压缩质量评价研究

为评价星载JPEG-LS压缩算法对图像质量的影响,并为在轨压缩比的设置提供技术支撑,以高分多模卫星的应用为背景,从典型场景数据的压缩质量客观评价及典型任务的应用效果两方面构建图像压缩评测模型.通过对压缩前后图像质量的二维失真度、光谱失真度、空间失真度等客观指标的分析,以及对图像分类、目标检测、特征提取与匹配等典型应用效果的比较,为压缩算法对图像质量的影响提供客观性指标统计数据及应用性效果对比数据支撑,证实该算法可满足用户需求.同时为用户具体应用需求提供了建议,也为在轨影像数据市场的合理化分配与拓展提供了支持.