遥感大数据条件下多星一体化处理与分析

中国对地观测数据获取量持续增加,已步入遥感大数据时代,开展多星一体化数据处理与应用已成为发展趋势。文章从成像处理与信息提取两个方面系统回顾了技术发展过程,剖析了现有前沿方法的优势和特点,指出成像处理领域建立统一处理模型、信息提取领域建立高效学习模型面临的主要挑战。在此基础上,结合实际应用需求,提出了遥感大数据条件下多星一体化处理与分析的新思路,重点阐述了多星一体化处理与分析的基本概念、科学问题与解决方案,通过构建基于生成对抗网络的多星一体化成像处理模型与记忆保持的多任务特征共享与小样本增量学习模型,综合利用不同卫星和载荷间、不同任务和目标间信息,实现高质量图像产品的生成与高精度标注结果的提取。文末给出了技术途径和初步试验验证,并展望后续技术攻关方向。     

基于Julia加速的射频大地电磁法正演模拟与位移电流作用研究

射频大地电磁法(Radio-magnetotelluric, RMT)是浅地表电磁勘探的重要手段之一。由于勘探频段为10～300 kHz,其电磁场传播受地下介质介电常数的影响较大。传统准静态条件下的电磁响应严重制约RMT正演模拟精度,并进一步影响反演成像分辨率。针对这一问题,提出了一种基于Julia并行加速的全电流RMT电磁响应数值模拟方法,利用Julia的分布式计算将各频点的计算发送到不同进程进行求解,从而达到加速计算的目的,同时在计算中考虑位移电流的影响,提升正演的模拟精度。通过计算几种典型高阻/高介电模型的RMT响应,分析并总结了位移电流对射频段电磁场视电阻率及相位响应的影响规律。数值模拟结果表明：当浅部存在高阻覆盖层时,基于准静态假设条件计算的RMT视电阻率和相位响应偏高,且频率越高、覆盖层电阻率越大,响应偏差越大;对于煤炭采空区模型,RMT法能有效反映异常体位置,但忽略位移电流会在采空区及其附近引起较大计算误差;起伏地形的算例表明地形会覆盖地下异常体的RMT数值响应,尤其是地形拐角处;2种不同规模的并行算例对比证明了并行算法的高效性,且随着求解问题规模增大,并行算法效率也随之...     

基于数据分治与双层索引的并行点面叠加分析方法研究

地图叠加分析是一种计算密集型算法,并行化计算是加快算法执行速度的一种有效方法。该文研究分布式环境下的点面图层并行化叠加分析方法与实现。首先根据点面叠加的特点设置并行数据分解的方式,基于分治法分解空间数据,在并行系统下将地理要素分而治之。然后引入双层索引的并行叠加机制,一是对面图层根据Hilbert空间索引的排序方式分发数据,二是对点图层建立四叉树索引,对每一个进行相交运算的多边形进行快速过滤和求交。最后在Linux集群系统下实现该并行算法,其一利用MPI分布式计算环境实现在整体计算框架下的消息通讯模式的并行,其二在每个子节点中实现基于多核OpenMP工具的本地并行化。结果表明,利用双层空间索引分治的方法可实现并行数据分块,各子节点实现独立计算,减少并行系统中的I/O冲突,并行加速比明显。该方法对矢量地图运算的并行化进行了有益的尝试,为大数据时代的空间数据分析提供一种有效的途径。     

基于MPI的高效半全局约束密集匹配方法

灾害现场的地形地物高效三维重建是快速获取灾情信息的关键技术之一,也是正射影像纠正的先决条件。无人机等低空轻型遥感系统能快速获取高分辨率和高重叠度影像,因此在灾害应急响应中被广泛关注。利用大范围低空影像进行灾害现场快速三维重建依赖于高效的密集匹配方法。文中提出一种基于MPI(Message Passing Interface)的高效半全局约束密集匹配方法,既克服传统的影像匹配方法难以充分利用影像重叠度高的困难,也能在短时间内快速处理大量影像获取灾害现场的三维信息,适应面向灾害应急响应的效率要求。     

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。     

ArcIMS的性能优化及高可用性配置研究

基于ArcIMS可以在Web上建立稳定的、高性能的GIS服务,着重阐述了如何最大程度地利用ArcIMS的技术优势,通过Web传送地图及其数据,如何配置ArcIMS系统以减少因为故障停机的概率,以及如何调整空间数据和地图服务来提高地图服务的性能.最后进行了网络评估和多任务机制分析,为不同的应用提供了不同的解决方案.     

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。     

1679年三河-平谷8级地震近断层强地震动的有限元模拟

文中通过收集整理三河-平谷8级地震的历史记录、野外地质调查和区域地震等资料,建立了该地震的震源模型;以穿过研究区的12条测线和区域第四纪、新近纪、古近纪沉积等厚度图等资料为基础,建立了北京地区的传播介质模型;利用哈尔滨工程力学研究所的近断层强地震动有限元程序和40节点的高性能并行计算机计算了北京地区震后60s内地表各点的地震动速度时程和峰值速度。为检验模拟结果的质量,我们取2排测点的速度时程和水平向峰值速度等值线图进行了分析,发现计算结果与历史地震记录及实际地震观测资料吻合良好,说明了我们的模拟结果的可信性和模拟方法的客观性     

水声传播建模研究现状综述

声波是目前唯一能够在海水介质中进行远距离传播的有效载体,因此水下声传播建模理论成为水下作战环境研究的重点和难点之一,对现代声纳的设计和使用以及水面、水下作战部署具有重要意义。从水声传播建模理论的七个主要方面综述了声传播建模理论的发展研究现状,总结了国内外近几十年来并行计算在水声传播建模理论方面的应用现状,指出建立快速准确并与实际海洋环境条件相吻合的三维声场模型,并研究基于硬件平台的并行算法是未来水声传播建模理论的发展方向。     

改进的多任务道路特征提取网络及权重优化

为应对自动驾驶在复杂道路环境下的挑战,提出了多项任务合作的需求。在自然语言处理及推荐算法领域,利用多任务学习网络已被证明可以减少多种任务耦合情况下的时间、算力及存储使用。由于多任务学习网络的这种特点,近年来也开始应用于基于视觉的道路特征提取方面。本文提出了一种结合FPN网络的解码器头结构,并将其应用于基于YOLOv4网络的多任务学习道路特征提取网络;通过研究多任务权重设置的影响对多任务网络算法进行优化,并在同类算法中验证了权重设置的有效性。在BDD-100K数据集上进行的试验结果表明,本文结构在保证实时性的同时精度也优于同类方法,本文方法为基于视觉的自动驾驶过程中车辆的自主道路感知及高精地图的生成提供了新思路与新方法。