基于GPU的遥感图像IHS小波融合并行算法设计与实现

遥感图像融合是遥感图像应用的一个重要处理步骤。随着遥感图像数据规模与融合算法计算复杂度的增大,遥感图像融合面临着处理速度的挑战。最近几年,GPU计算能力得到极大提升,面向通用计算的应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了遥感图像融合的并行加速算法,提出了适合融合执行流的并行映射模型。本文选取计算量大、计算精度高的IHS增强小波融合算法进行GPU并行设计,并针对主流的GPU平台在数据传输、循环优化、线程设计等方面进行了优化,最后在nVIDIA GTX 460 GPU上进行了实验。实验结果表明,本文设计的并行映射模型及优化策略能够很好地适用于遥感图像融合应用,最大加速比达到了114倍。研究表明,GPU通用计算技术在遥感图像处理领域具有广阔的应用前景。     

基于GPU的遥感图像配准并行程序设计与存储优化

遥感图像配准是遥感图像应用的一个重要处理步骤.随着遥感图像数据规模与遥感图像配准算法计算复杂度的增大,遥感图像配准面临着处理速度的挑战.最近几年,GPU计算能力得到极大提升,面向通用计算领域得到了快速发展.结合GPU面向通用计算领域的优势与遥感图像配准面临的处理速度问题,研究了GPU加速处理遥感图像配准的算法.选取计算量大计算精度高的基于互信息小波分解配准算法进行GPU并行设计,提出了GPU并行设计模型;同时选取GPU程序常用面向存储级的优化策略应用于遥感图像配准GPU程序,并利用CUDA(compute unified device architecture)编程语言在nVIDIA Tesla M2050GPU上进行了实验.实验结果表明,提出的并行设计模型与面向存储级的优化策略能够很好地适用于遥感图像配准领域,最大加速比达到了19.9倍.研究表明GPU通用计算技术在遥感图像处理领域具有广阔的应用前景.     

GPU在遥感图像处理中的应用综述

遥感图像处理具有数据量大、运算密集、算法复杂等特点,如何快速、高效地处理遥感图像成为遥感图像处理技术研究的目标之一。随着通用GPU计算技术的飞速发展,GPU的运算性能不断提高,具有浮点运算能力强、运算密集度高、体积小、性能功耗比和性价比高等特点,为加速遥感图像处理提供了新的途径。本文在简要介绍与分析GPU体系结构和编程模型的基础上,对国内外遥感图像GPU处理研究的现状进行了概括性综述,并对这些研究工作的特点进行了简要分析,最后总结了研究中存在的问题并给出了一些未来的展望。     

基于GPU的遥感影像数据融合IHS变换算法

提出基于图形处理单元（GPU）的遥感影像IHS融合算法,利用图形硬件的可编程渲染器和其处理数据的并行性,把IHS的正反变换映射到GPU中进行计算。应用RTT和MRT技术实现IHS正反变换中3个分量的并行渲染输出,加速计算过程。实验结果表明,在数据量较大时,该算法的处理速度比基于CPU的算法速度更快。     

Contourlet四叉树系数方向相关性的遥感图像融合算法

近年来,遥感图像融合技术作为遥感图像处理的重要分支,在资源调查、环境监测和区域分析等领域受到广泛关注.遥感图像融合技术可以融合不同传感器获得的不同图像,获得一幅信息完整、表达准确的融合图像.Contourlet变换以其优越的非线性逼近特性和良好的多分辨率、各向异性、冗余性等特点成为处理二维及多维信号奇异性的有利工具,并广泛应用到图像融合领域.结合Contourlet变换的特征,深入分析了Contourlet系数的关联特征,提出了一种基于Contourlet四叉树系数方向相关性的遥感图像融合方法.首先对不同传感器所采集的遥感图像进行Contourlet变换,获得不同尺度下的系数分布;然后根据各尺度之间的系数满足四叉树结构关系、树中各结点的方向相关性表现出一致的特征,提出了一种新的系数相关性融合规则,能够自适应地计算融合加权系数,进而获取融合系数;最后对融合系数进行Contourlet逆变换,得到遥感融合图像.相比于传统遥感图像融合方法,新算法获得的图像信息量更加丰富,纹理更加清晰,具有较强的实用性.     

CPU/GPU 异构环境下图像协同并行处理模型

随着GPU通用计算能力的不断发展,一些新的更高效的处理技术应用到图像处理领域.目前已有一些图像处理算法移植到GPU中且取得了不错的加速效果,但这些算法没有充分利用CPU/GPU组成的异构系统中各处理单元的计算能力.文章在研究GPU编程模型和并行算法设计的基础上,提出了CPU/GPU异构环境下图像协同并行处理模型.该模型充分考虑异构系统中各处理单元的计算能力,通过图像中值滤波算法,验证了CPU/GPU环境下协同并行处理模型在高分辨率灰度图像处理中的有效性.实验结果表明,该模型在CPU/GPU异构环境下通用性较好,容易扩展到其他图像处理算法.     

一种基于Dual-GPU的三次卷积插值并行算法研究

针对传统三次卷积插值算法实现遥感图像放大在运算规模、计算速度等方面的不足,结合GPU的高性能计算优势,提出一种基于Dual-GPU(Graphic Processing Unit)的三次卷积插值并行算法(CCPA),即应用GPU的高性能计算技术将传统的三次卷积插值算法进行并行化处理,将图像的像素点个数平均分配给每个线程块,每个线程针对一个像素,线程在GPU中同时执行,以提高其插值效率。实验结果表明,该算法在保持放大后图像质量的同时,速度得到提升,随着图像分辨率的增大,该算法的优势更明显,在分辨率10240*10240的情况下,用GPU处理的速度比CPU提升了97.7%,用双GPU处理的速度是单GPU的2倍,并且在对放大遥感图像的质量和实时性均要求较高如地震、洪水等灾害的情况下,该算法具有实用价值。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

基于复小波变换的遥感图像并行融合算法

随着遥感技术的快速发展,多源遥感图像的快速融合成为很多遥感任务的关键处理步骤。为了加速遥感图像的融合处理过程,本文首先提出了一种新的基于双树复小波变换的并行融合算法（PACWT）。算法中综合运用了数据分布、并行数据处理和负载均衡技术,以克服单机处理在计算能力和存储器空间上的限制;针对基于CWT的图像融合处理的计
计算特点,设计了一种可有效避免计算过程中数据通信的冗余划分方法。然后,从理论上分析了算法在时间和空间两方面的性能。最后,通过实验分析了算法在32-CPU的Cluster系统上的实际性能。结果表明,本文提出的算法具有良好的可扩展性,在数据量较大时可获得良好的加速比和并行效率。     

GPGPU性能模型及应用实例分析

现代图形处理器(GPU)的高性能吸引了大量非图形应用,为了有效地进行性能预测和优化,提出一种GPU处理通用计算问题的性能模型.通过分析现代GPU并行架构和工作原理,将GPU的通用计算过程划分为数据获取、计算、输出和传输4个并列的阶段,结合程序特点和硬件规格对各阶段进行量化分析,完成性能预测.通过实验分析得出两大性能影响要素:计算强度和访问密度,并将其作为性能优化的基本准则.该模型被用于分析几种常见的图像和视频处理算法在GPU上的实现,包括高斯卷积、离散余弦变换和运动估计.实验结果表明,通过增大计算强度和访问密度,文中优化方案显著地降低了GPU上的执行时间,使得计算效率提升了4～10倍,充分说明了该模型在性能预测和优化方面的有效性.