论文部分内容阅读
随着传感器、遥感平台、数据通信等相关技术的发展,现代遥感技术已进入到能够动态、快速、准确、多手段地提供多种对地观测数据的新时期。通过遥感手段获得的数据量随之急剧增长,空间分辨率、辐射分辨率、光谱分辨率、时间分辨率也不断提高。遥感技术的快速进步,采集的数据量、信息量急剧膨胀,这些都将导致遥感影像处理的应用范围会更加广泛。遥感领域的需求逐渐扩大,但是遥感影像处理的速度问题一直是困扰遥感技术应用发展的巨大阻力,而并行处理是解决这一问题的关键所在。因此,对于遥感影像处理并行算法的研究以及开发面向并行遥感影像处理的软件都是十分迫切的。
本文主要针对遥感影像处理的一般流程(正射校正、融合、镶嵌),选取常用算法进行改进并在GPU上实现并行计算,解决GPU应用在遥感影像处理中的关键技术问题,提高遥感影像处理速度。主要工作和研究成果如下:
1.论述了遥感影像并行化处理的迫切性、可能性和研究现状,总结了并行化处理的模式和主要的遥感影像并行化处理系统。对GPU的发展历史、体系结构、编程模型及其通用计算的主要应用领域进行了总结分析。
2、将遥感影像多项式几何纠正算法在GPU上实现,每个线程处理一个像元,利用大小不同的遥感影像进行测试,结果表明并行计算可以大大提高计算效率。当计算量较大时,计算效率可提高至CPU的5倍左右。
3、分析了Brovey融合、高通滤波融合、HIS融合和ISVR融合四种常用融合算法在GPU中的处理效果。最后通过实验表明,当数据量较大时,GPU实现比CPU实现都有速度优势;并使用常量内存存储灰度值转辐射值结构体数组Tmp_L,来提高ISVR融合方法的处理效率。
4、使用CUDA和OpenCV实现了拉普拉斯金字塔变换镶嵌算法,实验证明该算法的GPU实现加快了遥感影像镶嵌的执行速度。
5、建立了基于GPU遥感图像并行处理流程的原型系统。