遥感影像正射纠正的GPU-CPU协同处理研究

提出了一种基于CUDA的遥感影像正射纠正GPU-CPU协同处理方法,以实现重采样操作的GPU细粒度并行化。根据GPU的并行结构和硬件特点,采用执行配置优化技术提高warp占有率,利用共享存储器优化减少对效率低下的全局存储器中坐标变换系数的重复访问,通过纹理存储器代替全局存储器优化对原始影像数据的访问。实验结果表明,并行算法能够充分发挥GPU的并行处理能力,利用GeForce 9500 GT显卡,对大小为6 000像素×6 000像素的全色影像进行多项式纠正对比实验,最邻近灰度内插重采样和双线性灰度内插重采样的最终加速比分别能够达到8倍和10倍以上。     

利用CUDA实现矢量地图栅格化的并行处理

为了解决矢量地图栅格化的计算效率问题,提出了基于CUDA（Compute Unified Device Architecture,计算统一设备架构）实现矢量地图栅格化的并行处理方案。根据矢量地图中多边形的数目和GPU（Graphic Processing Unit,图形处理器）的硬件性能,定义并行执行的线程数目,每一个线程对相应的多边形进行边填充栅格化。实验结果表明加速比达到了10倍以上。相比CPU（Central Processing Unit,中央处理器）栅格化的处理方法,运算效率有显著提升。     

遥感影像不同校正模型对反射率的影响分析

采用飞马D200四旋翼无人机携带多光谱相机,获取了可见光波段的数据,地面同步测量了地表反射率和大气参数.结合实验数据,采用基于POS数据的严格成像模型和多项式模型对图像进行了几何校正,对比了2种模型的校正精度和不同重采样方式产生的差异.在几何校正的基础上进行了大气校正,获得地表反射率,选取典型地物水体、植被、裸土的实测结果进行验证.结果表明低空无人机遥感可以得到精度较高的地表反射率结果,但不同的几何校正模型对地表反射率影响较小,可以忽略.通过开展该实验证明了利用无人机开展定量化遥感研究的可行性.     

结合多种分解策略的遥感影像去相关拉伸并行处理方法

提出了一种结合多种分解策略的遥感影像去相关拉伸并行处理方法,该方法根据不同步骤的特点采用不同任务分解策略:计算波段统计信息采用按波段进行任务分解,计算协方差矩阵采用按波段对进行任务分解,进行线性变换采用按数据块进行任务分解,实现了全过程的并行处理。在两台分别安装Windows 7和Linux操作系统的多核计算机下进行了OMIS机载高光谱影像和ASTER卫星影像的去相关拉伸并行处理实验,通过合理配置CPU核数和磁盘系统等,常用的12~16核计算机可取得最高约8倍的整体加速比。同时分析了影响整体加速性能的因素,给出了多核计算机用于遥感影像去相关拉伸并行处理的使用建议。     

基于GPGPU的并行影像匹配算法

提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。     

遥感图像数据重采样的一种快速算法

从原始遥感图像几何畸变特征出发，建立了SeaStarStarSeaWiFS和NOAA AVHRR遥感图像数据重采样的一种快速算法，并提出了邻点权重重采样方式。该种快速长法能有效地提高遥感图像几何校正的速度，并适用于连续对地观测系统遥感数据的重采样过程。邻点权重重采样方式可用以替代通常的最近邻点和双线性插值采样方式。     

天宫一号高光谱数据辐射校正的CUDA并行优化

高光谱图像经过辐射校正后,消除了探测元的响应差异,能更好地满足专题信息提取的数据要求.利用探测元的列均值、列标准差等统计信息对天宫一号高光谱短波红外数据进行辐射校正检验,并基于GPU CUDA计算模型对均值归一化、矩匹配、相邻列均衡等3种相对辐射校正算法进行了并行计算优化.通过辐射校正计算流程拆分,CPU控制流程逻辑,GPU执行数据级并行计算,并建立CUDA的计算单元与数据单元的映射关系,获得5—7倍的计算加速比,这些辐射校正算法依据图像自身统计信息,且易于进行并行计算优化,满足实时校正的处理时效要求,为未来高光谱数据在轨实时辐射校正提供了新思路.     

基于GPU的快速影像匹配

随着图形处理器(GPU)的飞速发展和计算同一设备架构(CUDA)的推出,GPU的并行性和可编程性不断增强,本文提出了一种基于CUDA的Harris算子影像匹配并行处理方法,在GPU中完成对影像的灰度化、Harris角点提取、重采样、灰度相关匹配,并从线程分配、内存使用、共享存储器等方面进行优化。实验结果表明,该方法与CPU串行处理方法相比,其速度得到了明显提升。     

基于可编程GPU的遥感影像快速处理研究

自然灾害发生后,由于救灾的紧迫性,应急测绘保障要求我们第一时间提供处理后的灾区影像,但是现阶段我们仅能做到原始影像的快速获取,无法有效地快速处理遥感影像。本文研究了图形处理器(GPU)的并行可编程性和CUDA编程模型特征,通过对遥感影像正射纠正,快速傅里叶变换(FFT)和高斯差分算法的CUDA编程设计,在GPU上实现这三种算法的快速并行处理,并与CPU结果对比,证明GPU能够在数据精度和CPU保持一致的基础上大幅缩短遥感影像处理时间,加速比可以达到一个数量级。     

CUDA环境下地形因子的并行计算

为了满足栅格数据空间分析的高性能计算需求,本文以坡度计算为例,提出在CUDA环境下将串行地形因子算法进行并行优化的方法:根据地形因子计算过程中无数据相关性,适合进行数据并行计算的特点,将CPU上可以并行执行的计算任务通过CUDA并行处理机制映射到GPU线程块上,从而提高计算效率。试验测试了不同栅格规模下串行算法和并行算法的执行时间差异,测试结果表明,并行地形因子算法的性能明显优于串行算法,在网格规模为12800×11200时,获得最高串-并加速比24.39。     

琯溪蜜柚叶片氮浓度高光谱遥感监测初探

以福建省平和县琯溪蜜柚为研究对象，利用星载Hyperion高光谱遥感数据对蜜柚叶片进行氮浓度估测。在分析Hyperion数据特征的基础上进行大气校正、几何纠正等预处理，从而得到图像反射率；结合地面光谱测量和蜜柚叶片采样分析，通过逐步回归分析法研究叶片氮浓度与高光谱图像反射率及其衍生量的关系，最终建立其遥感定量监测模型。结果表明，图像反射率的对数变换更有利于氮浓度的定量反演，入选的波段是983 nm、1 245 nm、1 316 nm和1 457 nm，其中1 245 nm波段对氮浓度影响最大，1 457 nm波段最小。利用该模型对氮浓度进行估算的值域与地面调查结果一致，说明利用高光谱进行氮浓度定量反演具有一定的可行性。     

基于B/S架构的海量国产高分辨率遥感影像的批量快速处理方法

针对海量高分辨率国产遥感卫星数据(主要应用高分一号数据、资源三号数据),以整个广西壮族自治区的国产遥感卫星影像为例,主要利用ENVI/IDL语言开发了对基准影像单波段提取的批处理、原始国产影像压缩包的批量解压、国产影像快速自动几何纠正的批处理、影像融合批处理、影像匀色批处理以及植被增强批处理,并利用ENVI SERVICEENGINE,最终将整套流程以B/S架构模式开发成系统平台.     

大气辐射校正方法分析

阐述遥感影像的大气辐射校正的原因及目的,并以徐州地区的CBERS-02星影像数据为基础,应用软件MATLAB7.0,分析大气辐射校正的三种方法,即利用辐射传输方程求解的方法、基于地面场地数据或辅助数据进行辐射校正方法及利用波段特性进行大气辐射校正方法。其中,重点剖析利用波段特性进行大气辐射校正的方法。     

基于IDL的ETM＋大气校正与反射率反演

卫星遥感数据的大气辐射校正是定量遥感的基础。目前大气辐射校正方法的局限性已经严重影响了定量遥感科学的发展。本文详细阐述了黑暗像元原理及其算法、模型参数的确定及处理流程,利用IDL语言完成成都地区ETM＋卫星遥感数据大气辐射纠正,同时实现了地表反射率反演。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

CUDA和OpenCV图像并行处理方法研究

CUDA架构与传统GPU通用计算相比,编程更简单、应用领域更广泛,将CUDA架构引入到图像处理中可以提高图像的处理效率。本文提出了一种基于CUDA和OpenCV的图像并行处理方法,实现了图像二值化以及融合,经实验结果表明基于该方法可以提高图像处理效率;将该方法集成到MFC框架,能够应用到实际工程开发领域。     

INS／DGPS支持的机载线阵推扫影像几何校正

论述了利用INS／DGPS系统的导航输出计算外方位元素的原理，介绍了行方位数据支持下机载线阵CCD影像直接和间接法几何校正的基本方法，重点分析并解决了直接法纠正中的目标定位、灰度重采样及间接法校正中最佳扫描行的确定问题。PHI高光谱影像的实验结果表明，文中的校正算法可达到优于1．5m的绝对定位精度及0．7m的相对精度。     

遥感影像CVA变化检测的CUDA并行算法设计

随着遥感影像数据量以及复杂程度的日益增加,遥感图像的快速处理成为实际应用过程中亟需解决的问题。为了实现遥感影像的实时变化检测,针对基于变化矢量分析CVA的变化检测算法,设计了一种基于统一计算设备构架CUDA的并行处理模型。首先利用地理空间数据提取库GDAL实现大数据量遥感影像的分块读取、操作和保存;其次将基于变化矢量分析的变化检测过程分为变化强度检测、映射表构建和变化方向检测,并借助CUDA C将变化矢量分析算法的3个步骤嵌入到CPU和GPU组成的异构平台上进行实验;最后利用该模型对不同数据量的遥感影像进行CVA变化检测并作对比分析。实验结果表明:与CPU串行相比,基于GPU/CUDA的遥感影像CVA的变化检测速度提高了10倍左右;在一定程度上,达到了实时变化检测的效果。     

吉林一号卫星影像几何校正方法试验

针对吉林一号01A星卫星影像数据的几何校正方法从模型选择、重采样方法、不同分辨率DEM数据的影响3个方面进行研究讨论。在校正模型方面,使用多项式模型、RST仿射变换模型以及RPC有理函数模型3种模型;在重采样方法上,选择了双线性内插法、最邻近像元重采样法以及双三次卷积重采样法;最后使用两种不同的DEM数据对遥感影像进行几何校正。针对这3个方面分别进行精度评定,表明RPC有理函数模型、最邻近像元重采样法、ASTER GDEM的组合是一个较好的选择。     

高光谱遥感影像的FLAASH模块大气校正与评价

传感器在获取地面信息的过程中,由于大气辐射及散射等原因,传感器得到的测量值与地物的真实值之间存在误差。大气校正是消除辐射畸变,获取地面真实信息,实现遥感数据定量化的基础。研究运用FLAASH大气校正模块,对AVIRIS高光谱遥感影像进行大气校正,选取典型地物,通过光谱曲线变化,植被指数进行校正结果评价,表明大气校正效果明显。且邻近像元纠正功能对其结果有进一步的提高。