前言
随着上个博客更新的web版fme数据处理平台的上线，我将深度学习模型和fme以及webgis结合，搭建出了一个轻量级遥感影像数据自动分类平台。核心功能非常简单，客户完成遥感影像上传，并选择参数，然后可以获得一个shp，以及在平台做了提取图斑的可视化。
一、遥感影像分类工具2.0
在两个月前我更新了一篇关于deeplabv3+语义分割模型和fme遥感影像自动提取地物的博客。当时的工具有几点不足。
1、性能不足，采用了大量栅格数据的写入写出，耗费了性能。
2、没有任何优化算法，分割出来的图斑都是不规则也不平滑的。不采用优化算法则会使得成果无法使用。
3、没有考虑多种分辨率影像需要训练多种模型来满足不同场景的提取功能。
所以在次基础上，分类工具2.0完美的解决的以上的不足。将栅格数据转换二进制流在fme内部进行计算，节约了大量性能。这里要感谢fme官方群努力变懒的如如不动提供的道路优化算法。在该算法的加持下，部分道路甚至超越了人的绘制。如下图则是采用了优化算法提取的道路。
二、webgis可视化
针对用户上传的图斑我这里采用了mabbox作为地图引擎，采用postgis数据库以及geodjango建立起了前端、后端、数据库的三者的关联。实现动态可视化。
1.上传数据
选择遥感影像分辨率等级
选择提取地物类型
选择上传的栅格文件，支持jpg、png、img、tif 4种格式的数据，栅格数据需要带坐标，要求2000坐标系。
2.数据的计算
数据的后台计算主要为fme模板，计算完成后将提取的shp数据返回到前端下载界面，同时将数据导入postgis，通过geodjango将数据库的wkb图斑信息转为geojson传入前端地图形成可视化数据。
3.数据可视化
提取出来的数据被展示在了web端，影像底图是使用的天地图。
同时点击该图斑会高亮，同时展示提取属性。
下图是实际效果
如果在个人中心删除该项目，则后端会同时删除postgis的对应数据已经下载链接对应的shp
总结
简单的功能实现，富含了大量的知识。从前端到后台到数据库，将gis数据可视化。后期可以考虑自动完成栅格数据的切片发布，并接入前端，这样可视化效果会更好，同时也对后台的性能要求非常大。
