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。     

基于多GPU的Harris角点检测并行算法

提出了一种基于多图形处理器(graphic processing unit,GPU)设计思想的Harris角点检测并行算法,使用众多线程将计算中耗时的影像高斯卷积平滑滤波部分改造成单指令多线程(single instruction multi-ple thread,SIMT)模式,并采用GPU中共享存储器、常数存储器和锁页内存机制在统一计算设备架构(com-pute unified device archetecture,CUDA)上完成影像角点检测的全过程。实验结果表明,基于多GPU的Har-ris角点检测并行算法比CPU上的串行算法可获得最高达60倍的加速比,其执行效率明显提高,对于大规模数据处理呈现出良好的实时处理能力。     

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CUDA的核线影像并行生成技术

在现场直播式地理空间信息服务体系要求的背景下,提出一种快速的核线影像并行生成技术,该技术采用基于CUDA的GPU—CPU协同处理方法,并充分考虑到GPU的并行结构和硬件特点。基于NVIDIA Quadro Fx580显卡对1500像素×2300像素大小的灰度图像进行试验,试验结果表明,相对于串行方法本文方法获得了优于10倍的加速比。     

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...     

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。     

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。     

多视匹配方法的计算任务分析及其GPU并行实现

构建了多视匹配过程的总计算量模型,根据模拟参数赋值结果,分析得到了其中的密集计算任务,探讨了其GPU并行加速的必要性;针对单立体影像匹配技术细粒度GPU并行计算方案的不足,研究并设计了一种多视匹配密集计算任务的GPU粗粒度并行计算方案;利用专业级的GPU并行计算平台,对GPU粗粒度并行计算方案进行了实验验证,结果表明,该方案对于多视匹配过程中密集计算任务的并行加速效果十分显著。     

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。     

三维地形数据塔式结构模型与可视化方法研究

针对在地形绘制中三维地形数据量巨大和绘制速度慢等问题,提出了一种基于GPU加速的大区域三维地形数据的塔式结构模型及实时可视化新方法。首先构建细节层次模型来减少大区域地形实时绘制的地形数据量,然后建立DEM数据和DOM数据的金字塔式数据模型来实现大容量三维数据的实时装载和动态卸载,并采用CUDA编程实现了大区域三维地形可视化的GPU加速。     

多模态遥感图像匹配方法综述EI北大核心CSCD

遥感图像匹配是遥感图像处理的关键基础,一直是国内外学者研究的热点。由于多模态图像具有辐射差异、几何差异、尺度差异、视角差异、维度差异等特性,目前尚未出现一种普适性强的通用匹配方法。随着遥感、人工智能、大数据等技术的不断发展和应用领域的持续拓展,图像匹配技术体系也在不断地发展和演化。本文在系统梳理图像匹配技术发展历程的基础上,对多模态遥感图像匹配分类体系进行了归纳总结,从特征驱动和数据驱动两方面论述了多模态图像匹配技术研究的最新进展,并指出其面临的核心困难及未来发展趋势,以期推动多模态图像匹配研究更加深入发展。     

Parallelizing maximum likelihood classification on computer cluster and graphics processing unit for supervised image classification

ABSTRACT

Supervised image classification has been widely utilized in a variety of remote sensing applications. When large volume of satellite imagery data and aerial photos are increasingly available, high-performance image processing solutions are required to handle large scale of data. This paper introduces how maximum likelihood classification approach is parallelized for implementation on a computer cluster and a graphics processing unit to achieve high performance when processing big imagery data. The solution is scalable and satisfies the need of change detection, object identification, and exploratory analysis on large-scale high-resolution imagery data in remote sensing applications.     

一种基于小波分析的旋转不变图像快速匹配方法

提出了一种基于小波分解的具有旋转不变特性的三级特征图像快速匹配方法,利用小波分解的高频分量得到图像边缘,进而提取具有旋转不变特性的边缘特征;小波分解的低频分量则用于提取同样具有旋转不变性的图像尺度共生矩阵特征.前一个特征反映了图像边缘间的空间关系,后者则体现了图像灰度间的空间关系,利用这两类特征构成一个三级决策树对图像进行搜索,以查找搜索图中是否包含样本图,对满足匹配条件的若干候选子图,给出具有最大相似特性的一个,实验结果表明,较之于传统的模板匹配方法,该方法具有快速,高精度,抗干扰能力强等优点.     

Geometric-constrained multi-view image matching method based on semi-global optimization

Targeting at a reliable image matching of multiple remote sensing images for the generation of digital surface models, this paper presents a geometric-constrained multi-view image matching method, based on an energy minimization framework. By employing a geometrical constraint, the cost value of the energy function was calculated from multiple images, and the cost value was aggregated in an image space using a semi-global optimization approach. A homography transform parameter calculation method is proposed for fast calculation of projection pixel on each image when calculating cost values. It is based on the known interior orientation parameters, exterior orientation parameters, and a given elevation value. For an efficient and reliable processing of multiple remote sensing images, the proposed matching method was performed via a coarse-to-fine strategy through image pyramid. Three sets of airborne remote sensing images were used to evaluate the performance of the proposed method. Results reveal that the multi-view image matching can improve matching reliability. Moreover, the experimental results show that the proposed method performs better than traditional methods.     

顾及形变的影像边缘ICP匹配技术

匹配技术是遥感影像处理中的重要基础技术，影像在辐射、几何信息方面的差异，将会严重干扰影像间的相似特征匹配。本文提出了针对大差异影像的最邻近点迭代匹配算法（ICPDI）。首先改进Canny算子的参数设置方式，以便选择影像的长边缘作为影像匹配的显著特征；然后以线特征之间的距离作为影像相似性的评估标准，达到利用全局相似特征抑制局部差异的目的；最后给影像边缘附加形变函数，从而扩展ICPDI匹配技术的适用范围。通过不同差异类型遥感影像间的匹配试验，验证了本文方法的精度和适应性。     

Photoshop软件在处理遥感影像中的一些应用

影像处理专业软件Photoshop在遥感影像处理中应用越来越广泛,本文主要通过Photoshop软件对遥感影像的批处理、色彩处理以及引进插件扩展技术,阐述Photoshop软件在遥感影像处理中的应用。     

地理国情普查中卫星遥感影像处理方法研究

在山西省地理国情普查实验区朔州市资源3号卫星遥感影像数据的处理中,需要使用多种软件处理遥感影像数据。本研究结合多种处理流程和技术方法,通过对处理后的影像数据分析比较,找到了卫星遥感影像数据处理的最佳途径,重点分析了卫星遥感影像的纠正方法,为在地理国情普查工作中提高多源卫星遥感影像数据处理效率和质量进行了有益探索。     

基于多源遥感影像融合的影像匹配技术

多源遥感影像数据配准,常用的方法是多项式纠正法。此方法简单,但不能有效实现图像之间的相互配准。本文介绍了一种基于影像匹配的图像对图像局部纠正技术,包括影像直方图匹配、特征点提取、影像匹配处理技术,以及图像对图像局部纠正等技术,用于多源数据的配准。实验证明这种流程适合不同时相、不同传感器遥感数据(TM数据、SPOT数据与航空影像数据)的精确配准,配准误差可达到子像元级别。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,遥感技术在各个领域的应用越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。该文基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。