随着大数据时代的到来,遥感影像数据逐渐表现出海量、多源、多尺度、多时相等的特点给影像数据的管理和使用带来了新的挑战与思考。在减少数据损失的前提下如何合理高效地对这些遥感影像数据进行组织和管理、快速准确地从海量的遥感数据源中查找到满足用户不同需求的遥感影像数据,已成为当今亟待解决的问题。本文针对遥感影像数据带来的挑战和思考,为了解决存储精度及查询效率不高的问题,提出了先分类后存储的方法,设计了一种采用猫群算法的遥感影像存储优化方法,有效地提高了数据的存储性能和查询速度。本文的主要工作如下:(1)分析现有的影像数据的存储和应用需求,针对影像金字塔构建方面数据量损失大和效率不高的问题,在金字塔构建之前,改进了金字塔分层方法和基于规则影像和不规则影像的分块策略。并且研究了利用猫群优化算法来构建金字塔的方法,该方法通过以金字塔底层四个相邻影像块为中心向周围进行搜索寻优,从而得到金字塔上层影像。其中算法寻优的思想是根据影像块间类别特征的相似性及其数量来搜索寻优的。实验表明,该方法在金字塔构建的过程中有效地提高了金字塔构建的效率,减少了影像数据的损失,并且随着影像分块数目的增多,金字塔的数据完整性也越来越好。(2)为解决传统影像数据存储方法的效率低下和查询速度不高的问题,本文通过HBase数据库对影像数据进行存储和查询,重新设计了 HBase的表结构,把地物标识码、四叉树索引ID两种信息相结合作为行键,影像数据的经纬度坐标等信息作为列族,该索引结构的设计有效地提高了影像数据的查询速度。同时提出了影像数据并行入库和并行查询的方法,减少了存储和查询过程中的时间。在并行入库中,引入预分区的方法避免HBase的热点问题;在并行查询中,引入过滤器方法解决查询除行键以外的数据要进行全表扫描的问题。实验表明,改进的行键不仅达到了筛选数据的目的而且提高了读取效率,具有很好的可行性和可扩展性。本文通过并行计算技术对分类后的影像数据采用猫群算法构建金字塔,并利用地物标识码和四叉树索引编码相结合来改进数据库行键的方法解决影像数据存储和查询速度低下的问题,提高了影像的管理和使用效率。