基于GPU的高光谱遥感影像数据处理

高光谱图像在以超多波段、光谱分辨率高、信息量丰富等优点给人们提供便利的同时,也带来了实时处理难、计算量大等难题。近年来,基于GPU的通用计算以其强劲计算能力、高性价比和低能耗等优势席卷了高性能计算领域,国内外学者纷纷针对GPU展开高光谱数据的并行处理研究。文章对高光谱遥感和GPU研究现状进行了简要介绍,总结了近几年国内外基于GPU的高光谱数据研究现状,指出存在问题和进一步研究的方向,力求为领域科学家进行高光谱图像并行处理研究提供一定参考。     

基于GPU的空谱联合核稀疏表示高光谱分类并行优化

高光谱图像分类是遥感信息处理领域的热点问题,在核稀疏表示分类框架下,联合光谱信息和像元空间信息,空谱联合核稀疏表示高光谱图像分类能够取得较好的分类效果,但较高的计算复杂度及高光谱图像较大的数据量限制了其在实时性要求较高情况下的应用。基于GPU/CUDA架构,提出了一种空谱联合核稀疏表示高光谱分类的并行优化方法,设计访存优化策略对主机和设备端数据交互进行优化;充分利用GPU并行计算能力,加速分类过程中核矩阵的计算;采用依据GPU并行特性实现的矩阵运算,优化基于交替方向乘子法的分类模型求解过程。利用实际高光谱图像数据进行的实验,验证了该方法的有效性和高效性。     

高光谱遥感分类方法研究

高光谱遥感是近二十年发展起来的遥感前沿技术。本文探讨了高光谱遥感分类方法,比较分析各种方法与传统方法的优缺点。     

CPU与GPU的技术比较

CPU与GPU各有所长。CPU的资源多用于缓存,而GPU的资源多用于数据计算。将CPU技术就进行比较,希望创造具有高性能处理器与独立显卡的处理性能,从而提高了电脑的运行效率,提高更好的性价比,使其为我们带来更好的选择。     

基于加窗光谱积分的高光谱遥感图像特征提取

提出了一种基于加窗光谱积分的高光谱遥感图像特征提取算法.该算法借用子波变换多分辨率分析的思想,设计了一组波段相互重叠的窗函数来提取光谱曲线特征,然后进行有监督RBF神经网络分类实验,在实验过程中确定了相关参数的取值范围.实验结果表明,加窗光谱积分特征可以有效地描述光谱曲线,获得了比较好的正确分类率.     

基于决策树的高光谱遥感影像分类方法研究

为了验证将决策树算法用于高光谱遥感影像分类的可行性,提出了一种二叉决策树自动构建算法用于高光谱遥感影像分类.通过对高光谱遥感影像进行现场采样、对样本进行统计和训练,生成了一棵二叉决策树,从决策树中提取出分类规则,并对高光谱遥感影像进行分类.生成的决策树简单明了,分类规则易于理解,分类效率和精度都比较高,实现了高光谱遥感影像从数据降维、样本选择、样本训练、决策树生成、影像分类的“一体化”和“自动化”.     

基于监督等距映射高光谱遥感影像降维

在面向分类的高光谱遥感数据降维过程中,考虑到高光谱遥感数据内在的非线性结构和传统流形学习非监督的特点,提出一种新的监督等距映射方法(S-Isomap)。方法基于类间距离大于类内距离的思想,首先利用KMEANS算法对原始数据进行聚类得到样本的初始类别标签,采用新距离搜寻数据点的K近邻,进而实施等距映射降维。实验证明了该方法优于传统Isomap。     

CPU/GPU异构计算应用于核电模拟机的可行性

根据ANSI/ANS-3.5-1998规定以及核电厂建模精度的提高,对核电模拟机仿真速度提出了更高的要求。但是目前已难以通过提升中央处理器（ CPU）频率的方式来提升现有模拟机的运算速度。与此同时,CPU/GPU异构计算融合了串行/并行计算,利用显卡（ GPU）的并行计算能力可极大提升现有桌面电脑的运算能力,目前已经广泛应用于科学研究。英伟达公司的CUDA平台被用于开发CPU/GPU异构计算应用程序,来提升核电厂全范围模拟机的仿真计算。通过核电厂全范围模拟机运行测试对比,证实使用CPU/GPU异构计算程序,能有效提升模拟机运行速度。     

高光谱遥感影像纹理特征提取的对比分析

地物的"同物异谱"或"异物同谱"问题,使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度.纹理特征是地物空间分布的重要结构信息,能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足.纹理特征提取在高光谱遥感影像分类中得到了诸多发展,然而当前的纹理特征方法缺乏较为全面的对比分析.因此,选取旋转不变局部二值模式、简单...     

基于EXCEL的高光谱影像光谱响应分析

高光谱遥感侧重于从光谱维角度对影像信息进行分析与处理。由于目前高光谱数据的处理技术跟不上数据获取技术,而已有的成熟的多光谱影像处理技术并不适合于处理高光谱数据,因此利用EXCEL软件展开了高光谱影像的地物光谱重建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量和信息提取等研究,并基于PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量进行了光谱响应分析,实现信息监测和识别。     

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.     

利用高光谱数据估测植物叶片碳氮比的可行性研究

植物碳氮比作为一个在农业、生态、全球变化等领域广泛使用的因子,如果能够利用遥感获得的高光谱数据进行估测,可以突破传统测量方法的种种弊端,具有重要的实践意义,同时对于定量遥感反演领域的拓宽也具有启示作用。利用统计分析的方法,对碳氮比遥感定量估测的可行性进行深入探讨,认为利用高光谱数据估测植物叶片碳氮比是可行的。另外还通过与氮的遥感定量研究相比较,找到一个较好的研究碳氮比遥感定量反演的切入点,并将两者分别作为因变量进行逐步回归分析,得到比较理想的结果。
     

一种基于物理机理的高光谱遥感图像真彩色校正模型

针对高光谱遥感影像由于各波段光谱范围窄,难以获得符合人们视觉效果的真彩色合成影像问题,提出一种基于物理机理的高光谱遥感图像真彩色校正模型。该模型充分利用高光谱影像在红、绿、蓝反射区的所有谱段信息,通过插补波段并进行波段加权积分重建真彩色合成图像,进而结合实测地物反射率光谱,利用辐射传输模拟的方式,构建具备普适性的真彩色校正模型。利用航空高光谱遥感影像进行色彩校正实验的结果表明,所构建的真彩色校正模型能够很好地应用于高光谱遥感影像真彩色校正。     

遥感超谱（Hyperspectral）图象处理技术

由于遥感超谱图象谱分辨高的提高,如今已可以获得比多光谱图象更丰富的信息,并使得许多原先用多光谱信息不能解决的问题现在可以得到解决,它的问世是遥感技术应用的一个重大飞跃。另外,分类和压缩是目前国际上对超谱图象研究非常活跃的两个相对彼此独立、又相互联系的专题,因为压缩可以看作是给不同的子块分配不同的码字而实现的一种分类;反过来,分类也可以看作是一种提取感兴趣的地物信息的压缩。两者的差别主要在于评价最后处理结果的出发点不同,压缩一般侧重于恢复图象的平均误差,而分类则侧重于分类结果的错分概率。由于两者具有内在的相互联系,因此在实现算法上有许多相似之处,为了使人们对其发展的现状有所了解,因此对目前超谱图象分类和压缩广泛应用的方法进行了全面的综述,并对二者在应用中的相同之处和不同点作了比较分析,在此基础上,结合具体实例分别介绍了进行超谱图象分类和压缩的过程,并进行了计算机模拟仿真,最后给出了相应的结论和进一步研究的建议。     

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.     

CPU-GPU协同计算加速ASIFT算法

ASIFT(Affine-SIFT)是一种具有仿射不变性、尺度不变性的特征提取算法,其被用于图像匹配中,具有较好的匹配效果,但因计算复杂度高而难以运用到实时处理中。在分析ASIFT算法运行耗时分布的基础上,先对SIFT算法进行了GPU优化,通过使用共享内存、合并访存,提高了数据访问效率。之后对ASIFT计算中的其它部分进行GPU优化,形成GASIFT。整个GASIFT计算过程中使用显存池来减少对显存的申请和释放。最后分别在CPU/GPU协同工作的两种方式上进行了尝试。实验表明,CPU负责逻辑计算、GPU负责并行计算的模式最适合于GASIFT计算,在该模式下GASIFT有很好的加速效果,尤其针对大、中图片。对于2048*1536的大图片,GASIFT与标准ASIFT相比加速比可达16倍,与OpenMP优化过的ASIFT相比加速比可达7倍,极大地提高了ASIFT在实时计算中应用的可能性。     

航空高光谱遥感的发展与应用

概述了成像光谱遥感技术的内涵、高光谱数据的特点、成像光谱仪的主要类型、数据处理软件以及光谱数据库建设等内容。在此基础上,综述了航空成像光谱技术在海洋、环境资源勘探以及植被与生态遥感等方面的应用现状。最后对高光谱遥感技术的发展方向提出了几点建议。     

基于二阶矩稀疏编码的高光谱遥感图像分类

高光谱遥感技术是当前遥感领域的前沿技术,将稀疏编码应用于高光谱遥感图像处理是近年来高光谱信息处理的一个热点研究方向。以提升高光谱遥感图像分类准确度为目标,提出一种基于二阶矩空谱联合稀疏编码的遥感图像分类方法。首先从各地物参考数据中选取训练样本,通过学习构造得到字典,然后在训练得到的字典的基础上通过稀疏编码获得每个像元的稀疏系数,之后将稀疏系数作为分类器的输入,通过分类器的分类判决得到最终的分类结果。利用北京市朝阳地区的天宫一号可见近红外高光谱遥感图像数据和KSC高光谱数据,将该方法与支持向量机(SVM)、基于光谱维信息的稀疏编码以及一阶矩空谱联合稀疏编码等方法进行了比较。实验结果表明,提出的分类方法较其他几种方法可以取得更好的分类效果,在天宫一号和KSC数据上的总体分类精度分别可达到95.74%和96.84%,Kappa系数分别可达到0.9476和0.9646。     

高光谱遥感油气勘探进展

遥感方法用于油气勘探已有多年的历史。随着高光谱遥感技术的发展,高光谱遥感油气勘探近年来取得了很大的进展。简要介绍了高光谱油气勘探的基本原理和流程,重点讨论了烃渗漏引起地表烃异常、岩石矿物蚀变异常以及植被异常的高光谱响应机制,以及目前研究中存在的问题。归纳总结了目前用于油气勘探的高光谱影像数据类型及特点。高光谱遥感方法用于油气勘探,在高光谱异常响应机制、数据来源以及数据处理和分析方面还有许多问题有待解决,针对这些问题,提出了相应的解决思路。     

基于CPU和GPU异构的蛋白质分子半柔性对接算法优化

分子对接是预测蛋白质复合物的有效手段。对于分子对接算法的优化旨在加速分子对接效率,降低计算成本,以及充分发挥计算资源的利用率。本文主要采用3个方案对半柔性对接算法进行优化：（1）方案一在CPU端进行优化;（2）方案二在方案一的基础上,利用CUFFT的移植工具CUFFTW为方案一提供部分GPU并行接口;（3）方案三利用GPU并行架构,通过CPU和GPU的协同处理,利用纯并行计算接口进行优化。3种方案对PDB code分别为1PEE,1B6C,4HX3和2SNI的测试蛋白进行结合态和自由态的对接,求得的最小均方根偏差L_RMSD小于5 Å,满足了复合物结构预测竞赛要求的中等精度结构标准,验证了对接结果的正确性。最后在保证结果正确性的前提下,测试了不同蛋白在不同方案下的运行速率;在保证不同蛋白对接效率相同的前提下,以1PPE为例,比较了不同方案下的对接速率。实验结果表明在同等旋转步长并保证程序运行结果正确性的前提下,最终的优化效果可提速近10倍,有效改进了半柔性对接算法的运行速率。