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...     

遥感多光谱影像数据与航片数字化影像融合方法的研究

本文探讨利用ＨＩＳ变换对航片化影像分析与遥感多光谱影像ＳＰＯＴ ＸＳ、Ｌａｎｄｓａｔ ＴＭ和ＭＳＳ进行融合的方法，并提出了一种改进的方法。试验结果表明：本文提出的方法行之有效。融合后的影像在很大程度上保留了原多光谱影像的光谱特征，空间分解力较我光谱影像提高到近３倍，清晰度也提高了。因而具有更强的解译和量测能力，能进一步提高分类精度、制作专题图的精度，多时相监测能力等。     

集群式遥感影像处理的关键技术

海量遥感影像快速处理是当前遥感影像处理与分析的重要任务之一。以高性能集群并行处理技术和大规模分布式处理技术为代表的遥感影像处理方法,因其能够满足遥感影像大规模快速处理任务的需求而备受关注。从计算机硬件技术、多任务处理技术、集群调度等多个方面对集群式遥感影像处理中的关键技术进行了分析与说明。     

基于GPU的无人机遥感影像快速拼接

近年来,无人机遥感技术得到较快的发展,无人机遥感技术有着实时性强、灵活性强、低成本以及获取影像分辨率高的特点,在处理应急响应任务时,运用无人机遥感技术,优势极为明显。在无人机进行对地航拍时,所获取的是单张影像,由于像幅的限制,影像并不能覆盖完整的目标区域,相邻的多张影像都有着一定的重叠度,利用重叠区域来将多幅影像依次拼接,获得目标区域的一幅完整影像。随着各种传感器技术的提升,无人机上的相机所获取到的影像的分辨率越来越高,这对影像拼接的速度提出了新的要求。基于无人机遥感影像的特点,采用SIFT算子对无人机遥感影像进行拼接工作,并在CUDA平台下对配准算法进行加速处理,从而提高影像拼接的速度。     

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。     

遥感影像数据模型及影像数据库的建立

在总结图像数据模型研究的基础上,分析了遥感影像的种类、一般存储方式、影像与具体应用的关系,指出遥感图像管理的特殊性,提出了遥感影像在关系数据库中的逻辑表达模型,讨论了该模型支持下的基于图像内容的查询问题,最后介绍一个遥感影像数据库的设计原型。     

遥感影像网络发布的若干关键技术

就遥感影像网络发布的几种关键技术进行了分析，指出目前影像发布存在的几个主要问题，并提出了相应的解决方案。     

利用流水线技术的遥感影像并行处理

针对现有的OpenMP和直接的线程并行法难以对遥感影像处理链进行加速的问题,引入流水线概念对复杂的功能链进行并行加速,提出了基于流水线技术的遥感影像并行处理方法。影像处理实验验证了流水线在遥感影像多级连续处理方面的优势。     

基于RBF神经网络的遥感影像分类算法研究

提出了运用径向基函数神经网络和K均值法进行遥感影像分类的算法，以实际的遥感影像分类为例，通过与传统的最小距离法进行比较，对RBF神经网络分类器的优点进行了归纳，并就算法实施中的一些问题进行了探讨。分析结果表明，RBF神经网络是一种有效的图像分类器。     

遥感影像融合技术方法研究

分析多种遥感影像融合方法的特点、存在的问题及其应用.应用Brovey变换、乘积变换、主成分变换、HIS变换、小波变换等五种方法对SPOT和TM图像进行影像融合实例验证.最后,对试验结果进行目视效果分析及定量分析评价.     

基于GPU的遥感影像SAM分类算法并行化研究

本文简要介绍了并行图像处理的基本模式;对GPU的并行性和流式编程模型进行了分析,提出了GPU并行图像处理的基本流程,并对数据加载、计算结果反馈保存等关键技术问题进行了论述;实现了光谱角匹配(SAM)算法的GPU并行化,最后通过实验验证了该技术方法的有效性。     

遥感影像并行处理的数据划分及其路径优化算法

研究了一种基于数据划分的遥感影像并行处理的路径优化算法,用于解决将并行技术应用于海量遥感影像分布式存储和处理领域时其处理模型所具有的多路可达性所引起的路径动态、最优选择问题。在栅格数据可分解性分析及并行模型数据态、元素、相对信息量和映射等8个基本定义和6个性质的基础上,给出并行处理一般数学模型。以该模型为基础获得在一般并行处理情况下,以平均计算代价变量的比值作为控制横向并行与纵向并行选择方式的标志,并进一步给出四叉树索引并行生成、基于四叉树的目标检测并行处理等具体示例。最后,通过试验验证了算法的有效性,分析了算法的特点及影响因素。     

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.     

GDI+在遥感数据处理中的应用

本文利用GDI+在图像处理方面的新特点,举例说明了GDI+在遥感图像的基本操作、空间滤波增强、图像的灰度化及伪彩色处理和图像的编码解码和多格式转化等方面的优势,从而为GDI+在遥感图像处理系统中的应用提供了新思路。     

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。     

海量遥感数据的高可靠并行处理方法

云计算技术不断发展,为对地观测的遥感数据的应用提供快速的解决方法。然而在调度过程中,云计算集群的不可靠性会严重影响数据处理效率。为此,研究一种基于主副版本的调度方法,将遥感数据抽象为DAG任务,在满足系统可调度性前提下,以云计算虚拟节点及通信链路的可靠性代价为目标,分析主版本任务的开始时间条件,以此限定副版本任务的开始时间,避免节点调度过程中由于发生故障而导致任务无法正常执行的问题。仿真实验表明,文中方法在保证遥感任务可靠调度的前提下,任务的执行周期(Makespan)能达到最佳。     

多源控制遥感影像快速处理技术及应用

丰富的高精度基础地理信息的积累,为遥感影像快速正射纠正提供了控制源,本文从常用的正射影像、数字高程模型及立体基准网数据出发,设计了基于多源控制的遥感影像快速处理技术路线,并进行了试验验证,为遥感影像快速处理提供了思路。