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GPU的GeoEye-1影像正射纠正

在介绍和分析GPU并行编程方法的基础上,给出了在GPU上进行Geo Eye-1影像正射纠正的算法过程。利用NVIDIA Quadro 600显卡对31 985像素×15 251像素的3波段Geo Eye-1影像进行正射纠正,其总体速度比没有加速的算法提升40%以上。试验结果表明,采用GPU并行处理技术可以提升遥感影像处理效率。     

基于GPU的DEM并行克里格插值算法

本文借助GPU在并行浮点运算方面的巨大优势,通过对串行克里格插值算法可并行性的分析,基于并行LU分解法、并行邻域搜索方法和直接邻域比较搜索方法,提出了基于GPU的DEM并行克里格插值算法。通过对比实验可知,当插值点数较少时,并行克里格插值算法效率低于串行算法,然而,当插值点数很高时,并行克里格插值算法的效率较串行算法有了显著提高,加速的效果甚至高达102倍。     

基于GPGPU的数学形态学LiDAR点云快速滤波方法

对机载激光雷达获取点云数据进行滤波时,因其数据量大,往往会耗费很多时间。在传统数学形态学LiDAR点云滤波方法基础上,提出利用基于GPU的并行技术,将大量密集运算分配到众多计算单元上并行执行,达到快速滤波的目的。通过相应的实验,验证了利用GPU并行计算技术实现的LiDAR点云快速滤波的正确性与可行性。     

基于 VisIt与地球系统格网的并行可视化实验

利用集群架构和分布式并行可视化工具 VisIt,编写了自定义插件,实现了基于大规模地球系统格网组织下的全球科学数据并行可视化,并设计实验对其并行可视化性能进行了对比分析.实验发现: VisIt完成一次渲染的加速比及并行效率随着核数的增加逐渐降低;采用 GPU 渲染,可以很好地提高并行渲染的效率.但在核数和 GPU 个数同步增加的情况下,由于核间通信、 GPU 间通信以及核- GPU 间通信等,VisIt一次渲染的并行运行时间并无明显降低.随着数据量增加,VisIt对单位数据量的运行时间却逐渐减低.实验表明,VisIt可较高效地完成大数据量的并行渲染.该方法和结论可供地学领域大规模海量数据可视化研究参考.     

基于可编程图形硬件的遥感影像并行处理研究

通过对遥感影像处理算法中并行特性的分析,利用可编程图形处理器GPU的并行流处理特性和灵活的可编程性,实现基于GPU的遥感影像并行处理,在保证影像处理质量的前提下,大大提高了处理速度,能够满足一定情况下影像实时处理的要求。     

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。     

基于PMVS算法的大规模数据细粒度并行优化方法

三维多视角立体视觉算法（patch-based multi-view stereo,PMVS）以其良好的三维重建效果广泛应用于数字城市等领域,但用于大规模计算时算法的执行效率低下。针对此,提出了一种细粒度并行优化方法,从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化;同时,设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法,实现了CPUs_GPUs多粒度协同并行。实验结果表明,基于CPU多线程策略能实现4倍加速比,基于统一计算设备架构（compute unified device architecture,CUDA）并行策略能实现最高34倍加速比,而提出的策略在CUDA并行策略的基础上实现了30%的性能提升,可以用于其他领域大数据处理中快速调度计算资源。     

GPS信号FFT捕获的GPU实现

缩短GPS接收机冷启动时间一直是GPS领域的热点问题,而决定冷启动时间的关键是捕获速度。针对快速付里叶变换（FFT）捕获算法的并行运算特点和图形处理单元（GPU）适合于进行并行的优势,简单介绍了FFT捕获算法原理和对比了GPU与FPGA的特点,重点设计了各通道和各频点均进行并行计算的FFT捕获算法的GPU实现方案。利用实测的GPS中频数据初步验证了本文捕获方案的正确性和运行时间。试验结果表明：与基于CPU的捕获方案相比,本文的捕获方案对卫星PRN和CA码相位的捕获结果完全正确,而捕获时间大幅度缩短了。     

并行蚁群算法及其在区位选址中的应用

提出基于多叉树并行蚁群算法的区位选址优化方法.算法依据蚁群算法具有的并行特性,采用GPU(graphic processing unit,图形处理器)并行运算技术,对地理空间进行多又树划分,收集蚂蚁在多又树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路.实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时问内求得较为理想的解,适合计算大区域的空间资源配置问题.