大序列无人机影像畸变差快速修正方法

分析了数字影像畸变差修正模型与GPU并行计算技术,提出一种大序列无人机影像畸变差快速修正方法。通过GPU线程格网选择配置与多层次性存储等优化措施,本方法较传统CPU串行算法效率提升了6.25倍,节约了大序列无人机影像的畸变差修正的时间。     

基于畸变矩阵的影像畸变差改正

针对已有的影像畸变差改正程序中存在每张影像分别进行迭代计算的问题,提出了基于畸变矩阵的影像畸变差改正方法.新方法首先利用影像行列数、相机内方位元素与畸变参数,计算影像畸变矩阵;然后,利用该畸变矩阵对多张航空影像进行畸变差改正.新方法克服了间接法影像畸变差改正算法的逐像素迭代计算的缺点,大大降低了影像畸变差改正的平均计算量.基于CPU/GPU的影像畸变差改正试验,证明本文提出的方法降低了影像畸变差改正的计算复杂度,提高了影像畸变差改速度,在无人机影像快速处理中具有一定的实用价值.     

几何约束条件下的SIFT倾斜影像匹配

针对倾斜摄影包含多个视角的影像因而使不同视角之间的影像具有较大的仿射畸变的问题,提出了一种基于几何约束和SIFT的倾斜影像匹配算法。首先根据POS值对所有的倾斜影像进行畸变校正,然后利用SIFT GPU对所有影像进行匹配。对于整个测区的影像,首先根据POS值获取影像间的拓扑关系,其次是影像之间的两两匹配,最终完成特征点追踪,生成光束法平差所需的同名点对。试验结果表明,该算法在效率、精度及匹配点数量上都可以很好地满足后续的光束法平差。     

GPU并行区域网平差

为了进一步解决大数据量带来的平差效率低下的问题,引入GPU并行计算技术,同时使用预条件共轭梯度法以及不精确牛顿解法求解区域网平差过程中的法方程,构建了适用于GPU并行计算的全新的区域网平差技术流程。本文方法避免了存储法方程系数矩阵,而是在需要的时候实时的计算该矩阵,使得本文算法相较于传统的算法所需的计算机内存空间大幅减少(仅需要存储平差原始数据即可),平差计算速度明显提升,同时计算精度与传统方法相当。初步试验证明,本文的方法在普通电脑上仅需要约1.5min即可完成对4500张影像、近900万像点数据的平差计算,且计算精度达到子像素级。     

实验室检定航摄相机内方位元素和畸变差计算方法的比较

航摄相机内方位元素和物镜畸变差检定过程中的计算方法有很多种,本文对平均值算法、谢尔兴算法、畸变均方和最小算法、威特厂计算方法等五种主要的计算方法进行比较,评价优劣,以期找到科学的与实际相配套的计算方法。     

一种基于GPU的DEM并行插值算法

采用Open CL框架下的CPU/GPU平台,借助GPU在并行浮点运算方面的巨大优势,提出了DEM并行插值算法;同时以反距离加权插值算法为例,分析了传统插值算法和并行插值算法之间的优缺点与适应性。最后,通过对比实验对两类算法进行了比较。实验表明,当插值点数较少时,GPU并行插值算法效率低于传统算法;然而,当插值点数很高时,并行插值算法的计算效率较传统插值算法有了显著提高,加速的效果甚至高达137倍。实验证明GPU并行插值算法具有很强的可行性。     

海量遥感数据的GPU通用加速计算技术

通过研究GPU通用运算环境下栅格数据的空间域滤波及相关性算法,详细介绍了GPU通用运算技术;通过比较,分析了GPU通用加速计算的优势所在。     

基于GPU的遥感影像加速处理算法

随着图形处理器(GPU)计算功能的日益强大,人们不再满足仅仅用它来做图形处理,而是越来越多地将其应用在通用计算方面。在遥感影像融合的很多算法中,影像数据都可以被并行的处理。本文针对融合处理中的遥感影像数据源为GPU设计了具有数据级并行性的输入流,介绍了利用OpenGL着色语言在GPU中实现融合算法的过程,实验结果表明基于GPU的IHS融合算法的处理速度在数据量较大时较之基于CPU的算法有明显的优势,而且这种优势随图像数据量的增加而越来越明显。     

EGNOS数据处理模型与实例

主要分析研究了EGNOS系统测试采用的误差修正模型和定位保护精度算法,并通过比较一次实测静态数据单点解算和差分解算的不同效果来说明误差模型的修正效果和保护精度算法的有效性。事实证明EGNOS系统数据处理采用的误差修正模型效果是明显的,采用的定位保护精度算法是有效的。     

半全局匹配算法的多基线扩展及GPU并行处理方法

文章分析了半全局匹配算法基本原理,将其扩展应用于遥感影像的多基线匹配,在进一步提高匹配可靠性的同时,保留了算法的规则结构;并研究其图形图像处理器(GPU)细粒度并行处理技术,重点探讨匹配代价立方体生成与聚合过程的核函数优化策略与线程组织方案,最后利用Tesla C2050 GPU并行加速卡对3幅UCD航空影像进行MVLL多基线匹配半全局优化GPU并行处理实验证明了该算法的有效性和高效性.     

基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

CPU和GPU协同的多光谱影像快速波段配准方法

随着遥感影像数据量的飞速增长,传统的串行波段配准方法已无法满足大数据多光谱影像的实时配准需求。针对该问题,提出了一种CPU和GPU协同的多光谱影像快速波段配准方法。首先进行计算量和并行度分析,将同名点匹配和微分纠正映射至GPU执行,仿射变换系数拟合仍驻留在CPU执行。其次通过核函数任务映射和基本设置,使算法步骤在GPU上可执行,并设计了3种性能优化方法(访存优化、指令优化、传输计算堆叠),进一步提高了波段配准的执行效率。在NVIDIA Tesla M2050 GPU和Intel Xeon E5650 CPU组成的实验平台上,对遥感26号卫星多光谱影像的实验表明,使用该方法加速后的波段配准执行时间仅为3.25 s,与传统串行方法相比,加速比达到了32.32倍,可以满足大数据多光谱影像的近实时配准需求。     

一种基于GPU的实时水波模拟方法

大范围动态水面场景的实时三维仿真是虚拟海洋环境以及三维游戏中研究的难点和热点。由于水的动态性以及各种复杂的光照等效果,传统基于CPU的模拟很难达到实时交互的能力。近年来图形处理器(GPU)性能得到大幅度提高,尤其引人注意的是出现可编程特性,这使得人们可以充分利用GPU上提供的运算器来设计算法完成一定的任务。基于此,针对目前实时水波模拟的瓶颈及提倡的"解放CPU"(Offload CPU)的思想,本文对水波模拟的模型进行了研究,提出了一种基于GPU的水波模拟方法,充分利用GPU的并行运算及浮点运算能力.加快水面模拟的速度。文章给出了一定网格大小下,数量不同的点波源模拟水面的效果,并给出了单纯利用CPU和基于GPU两种方法的对比情况。     

动态边界条件下实时流体模拟的研究

对流体的可视化仿真已经成为计算机图形领域中最令人感兴趣和最具有挑战性的课题之一。文章首先介绍了利用GPU实现基于物理的流体模拟的基本原理。而边界条件是流体模拟的重要内容,文章对基于GPU处理边界条件进行了归纳总结,并根据DirectX 10的新特性提出一种可以实时处理动态边界的流体模拟方法。     

一种利用GPU加速的轨迹线热力图生成显示方法

为解决大数据量带来的热力图生成效率低的问题,引入基于图形处理器(graphic processing unit,GPU)的并行计算方法,并结合轨迹线模型,提出了一种利用GPU加速的轨迹线热力图生成显示方法。首先,针对轨迹点分布不均、邻域半径设置不合理等条件下产生的热力值不连续、不均等问题,采用轨迹线模型提升了热力图的效果。其次,针对大规模数据计算产生的热力图生成效率低的问题,通过GPU并行计算并配合内核函数参数调优、循环展开、像素缓冲对象显示等策略大幅提升算法计算效率。实验结果表明,所提方法较传统的基于中央处理器（central processing unit, CPU）的方法计算效率提升了5~30倍,且随着图像分辨率和轨迹数据的增加,算法加速比有逐步上升的趋势。     

基于GPGPU技术快速提取数字表面模型

介绍一种基于通用计算图形处理单元（GPGPU）技术快速提取数字表面模型（DSM）的方法,探讨了使用LiDAR和摄影测量方法获取数字表面模型的不同特点,并通过分别使用CPU和GPU技术获取一个大面积山区数字表面模型的案例对比,证明了基于CUDA架构的数字表面模型提取方法是有效和可行的。     

Implementation of the parallel mean shift-based image segmentation algorithm on a GPU cluster

The mean shift image segmentation algorithm is very computation-intensive. To address the need to deal with a large number of remote sensing (RS) image segmentations in real-world applications, this study has investigated the parallelization of the mean shift algorithm on a single graphics processing unit (GPU) and a task-scheduling method with message passing interface (MPI)+OpenCL programming model on a GPU cluster platform. This paper presents the test results of the parallel mean shift image segmentation algorithm on Shelob, a GPU cluster platform at Louisiana State University, with different datasets and parameters. The experimental results show that the proposed parallel algorithm can achieve good speedups with different configurations and RS data and can provide an effective solution for RS image processing on a GPU cluster.     

Parallel algorithm for viewshed analysis on a modern GPU

Spatial analysis, including viewshed analysis, is an important aspect of the Digital Earth system. Viewshed analysis is usually performed on a large scale, so efficiency is important in any Digital Earth application making these calculations. In this paper, a real-time algorithm for viewshed analysis in 3D scenes is presented by using the parallel computing capabilities of a graphics processing unit (GPU). In contrast to traditional algorithms based on line-of-sight, this algorithm runs completely within the programmable 3D visualization pipeline to render 3D terrains with viewshed analysis. The most important difference is its integration of the viewshed calculation with the rendering module. Invisible areas are rendered as shadows in the 3D scene. The algorithm process is paralleled by rasterizer units in the graphics card and by vertex and pixel shaders executed on the GPU. We have implemented this method in our 3D Digital Earth system with the DirectX 9.0c API and tested on some consumer-level PC platforms with interactive frame-rates and high image quality. Our algorithm has been widely used in related systems based on Digital Earth.     

A high accuracy surface modeling method based on GPU accelerated multi‐grid method

A high accuracy surface modeling method (HASM) has been developed to provide a solution to many surface modeling problems such as DEM construction, surface estimation and spatial prediction. Although HASM is able to model surfaces with a higher accuracy, its low computing speed limits its popularity in constructing large scale surfaces. Hence, the research described in this article aims to improve the computing efficiency of HASM with a graphic processor unit (GPU) accelerated multi‐grid method (HASM‐GMG). HASM‐GMG was tested with two types of surfaces: a Gauss synthetic surface and a real‐world example. Results indicate that HASM‐GMG can gain significant speedups compared with CPU‐based HASM without acceleration on GPU. Moreover, both the accuracy and speed of HASM‐GMG are superior to the classical interpolation methods including Kriging, Spline and IDW.