学位论文 > 优秀研究生学位论文题录展示
基于GPU的高光谱图像混合像元分解并行优化研究
作 者: 叶舜
导 师: 吴泽彬
学 校: 南京理工大学
专 业: 计算机应用技术
关键词: 高光谱遥感 混合像元分解 端元提取 稀疏性 GPU CUDA
分类号: TP751
类 型: 硕士论文
年 份: 2014年
下 载: 33次
引 用: 0次
阅 读: 论文下载
内容摘要
高光谱遥感由于其较高空间分辨率和光谱分辨率的特点,被广泛应用于地球科学的各个领域。在整个高光谱图像处理流程中,混合像元分解技术是其关键环节和研究热点。但现有混合像元分解算法执行效率低,无法满足大数据量遥感图像的实时处理需求,而GPU/CUDA架构能够为算法提供接近计算机集群的高计算能力,利用GPU高并行处理能力和高存储带宽的优势来提高混合像元分解算法的执行效率是一种有效的研究思路。针对上述科学问题,本文分析了高光谱遥感的成像机理与线性光谱混合模型,在研究并行计算发展现状、GPGPU异构编程模型和基于CUDA架构的并行优化模式的基础上,结合GPU/CUDA架构,针对传统高光谱混合像元分解和稀疏性高光谱混合像元分解进行了并行优化处理。首先,分析了传统高光谱端元提取算法的基本原理,结合算法中对不同像元处理的不相关性,设计了基于GPU并行计算的PPI和N-FINDR端元提取算法。将传统PPI算法中的向量投影问题转换为矩阵相乘进行并行优化,在保证精度的同时,取得了最高百倍的加速比;同时,提出了端元集并发替换方法对传统N-FINDR算法进行优化,也取得了显著的加速比。其次,对基于非负矩阵分解的高光谱混合像元分解方法进行了深入研究,针对其中代表性的约束非负矩阵分解算法,通过线程映射、存储器优化等方式设计其并行优化方法,然后分别利用模拟和实际高光谱数据进行实验测试分析,验证了其有效性。最后,研究了基于GPU的稀疏性高光谱图像混合像元分解的并行优化方法。为了满足算法实时性的要求,针对基于L1/2范数的非负矩阵分解高光谱混合像元分解算法(L1/2NMF)中正则化约束高复杂度的问题,采用合理的任务分配,设计CPU+GPU异构并行计算方法,显著提高了算法处理速度。同时针对一种新稀疏性约束的非负矩阵分解高光谱混合像元分解算法(CSNMF),利用大规模线程并行计算技术,结合算法原理进行了优化设计与实现,并在Telsa C2050平台上进行了实验测试,测试结果表明基于GPU的并行优化方法能为高复杂度高精度的稀疏性高光谱图像混合像元分解技术带来极大的效率提升,为此类算法在实时性要求较高的遥感信息处理中应用带来可能。
|
全文目录
摘要 3-4 Abstract 4-6 目录 6-8 1 绪论 8-15 1.1 研究背景及意义 8-9 1.2 研究现状 9-14 1.2.1 高光谱图像混合像元分解技术的研究现状 9-12 1.2.2 GPU在高光谱图像处理领域应用的研究现状 12-14 1.3 本文的主要工作及组织结构 14-15 2 GPGPU异构编程与CUDA架构 15-26 2.1 并行计算的发展 15-16 2.2 GPU可编程处理器 16-20 2.2.1 显卡与GPU的概述 16-18 2.2.2 GPGPU异构编程 18-20 2.3 CUDA架构 20-25 2.3.1 CUDA编程模型 20-22 2.3.2 CUDA存储器模型 22-23 2.3.3 CUDA基本并行优化策略 23-25 2.4 本文实验平台 25 2.5 本章小结 25-26 3 基于GPU的传统高光谱混合像元分解算法的并行优化 26-48 3.1 引言 26 3.2 端元提取算法GPU并行优化 26-38 3.2.1 算法原理与分析 26-30 3.2.2 基于GPU的并行化设计 30-34 3.2.3 实验结果及分析 34-38 3.3 基于约束非负矩阵分解的混合像元分解算法并行优化 38-46 3.3.1 算法基本原理 38-41 3.3.2 基于CPU的并行设计 41-44 3.3.3 实验结果及分析 44-46 3.4 本章小结 46-48 4 基于GPU的稀疏性高光谱混合像元分解算法的并行优化 48-60 4.1 引言 48 4.2 L_(1/2)-NMF算法并行优化 48-54 4.2.1 L_(1/2)-HNMF算法原理 48-50 4.2.2 并行优化方案设计 50-52 4.2.3 实验结果 52-54 4.3 CSNMF算法并行优化 54-58 4.3.1 CSNMF算法原理 54 4.3.2 并行优化方案设计 54-57 4.3.3 实验结果 57-58 4.4 本章小结 58-60 5 总结与展望 60-62 5.1 总结 60-61 5.2 展望 61-62 致谢 62-63 参考文献 63-68 附录 68
|
相似论文
- 星载高光谱传感器模拟仿真系统研究,TP391.9
- 高光谱遥感场景模型仿真研究,TP72
- 基于高光谱遥感的太湖水体藻蓝素和CDOM浓度估算模型研究,X87
- 褐飞虱和稻纵卷叶螟为害后水稻的光谱特征,S435.112
- 基于HJ卫星混合像元分解的水稻生长监测技术研究,S511
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于HJ-1高光谱数据的矿区植被污染监测,TP751
- 基于CUDA的图像数字水印技术的研究,TP309.7
- CUDA平台下数字图像认证方法的设计与实现,TP391.41
- 基于GPU并行加速的正射影像生成研究,TP391.41
- 基于GPU的水下环境的实时模拟,TP391.41
- 协同过滤推荐系统中关键问题研究与实现,TP311.52
- 基于高光谱遥感的植被生化参量反演及真实性检验研究,TP79
- 基于神经网络与GPU的手写数字识别及其试卷管理,TP391.43
- 基于GPU的BLAST程序的并行计算的研究,TP338.6
- 直接体绘制相关技术研究,TP391.41
- 基于GPU的医学图像体绘制算法的研究与实现,TP391.41
- 基于GPU的常见散列算法并行实现及优化,TP391.41
- 基于Hyperion数据的浅海地形和海洋光学参数反演方法研究,P715.7
- CUDA技术在多节点超短期负荷预测上的应用,TM715
- 基于GPU的有限元方法研究,O241.82
中图分类: > 工业技术 > 自动化技术、计算机技术 > 遥感技术 > 遥感图像的解译、识别与处理 > 图像处理方法
© 2012 www.xueweilunwen.com
|