论文部分内容阅读
近年来,随着图形处理器(Graphics Processing Unit,GPU)软硬件架构的不断完善,GPU强大的浮点计算和并行处理能力在高性能通用计算领域崭露头角。作为GPU全新的并行编程模型和软件开发环境——CUDA,为GPU实现通用计算和图像并行处理计算提供了条件,如何使它在非图形领域得到广泛的应用,成为业界致力于研究的对象。无人机遥感具有高分辨率、高灵活性、高效率和低成本的优势,因此无人机被广泛的应用在灾害评估预测、战场侦察、国土资源规划等方面。无人机遥感的高分辨率特性能够获得大量数据,如何快速处理这些数据成为了制约其发挥作用的瓶颈。本文把GPU通用计算引入到遥感图像处理中。利用GPU强大的浮点计算和并行处理能力,实现基于GPU的图像快速配准、融合,最后实现无人机遥感图像快速拼接。通过实验验证了NVIDIA公司推出新架构的GPU能够加快无人机遥感图像拼接处理速度。在本文中,主要研究内容如下:首先,分析了GPU的特点以及NVIDIA公司推出的统一计算架构(Computer Unified Device Architecture,CUDA)的软硬件模式,研究了主要的图像配准、图像融合算法原理。其次,为了更好验证GPU浮点计算能力和计算结果的精确度问题,分别在GPU和CPU上实现正弦计算、一维和二维FFT变换,并以正弦计算结果为例,分析了GPU上浮点计算的误差。在GPU上实现了一些基本的图像处理算法(图像最近邻、双线性和三次卷积插值以及图像FFT变换)。再次,根据无人机成像特点,分析了几种图像配准算法,从结果的准确性以及GPU是否易于并行化实现等方面考虑,选择遍历搜索的相位相关法分别在GPU和CPU上实现了无人机遥感图像的快速配准。GPU的图像配准比CPU快10倍。最后,针对图像配准后出现的拼接缝,用拉普拉斯金字塔分解的多分辨率融合法在GPU上处理配准后的图像,这样加快融合处理速度同时提高融合质量。