基于GPU的遙感影像歸一化植被指數(shù)算法研究.pdf

1、隨著遙感傳感器獲取數(shù)據(jù)的技術(shù)漸漸成熟，方式也正在多樣化，獲取的數(shù)據(jù)分辨率越來越高，因此獲取的影像數(shù)據(jù)量呈指數(shù)級地增長，同時也造成了單幅影像的數(shù)據(jù)大小成倍增加，對處理器計算單元和存儲器存儲帶寬都有了更高的要求，最終造成計算機(jī)處理遙感影像數(shù)據(jù)的負(fù)荷急劇增大，產(chǎn)生大量的計算時間。
　　遙感影像處理系統(tǒng)往往要求具有實(shí)時或準(zhǔn)時處理大規(guī)模數(shù)據(jù)的能力，基于CPU串行架構(gòu)的植被指數(shù)提取算法已經(jīng)不能滿足這種需求。已有的加速提取遙感影像歸一化植被指數(shù)

2、研究主要集中在使用多核CPU并行處理方式上，或者部分操作過程用GPU來實(shí)現(xiàn)加速，整個計算過程沒有經(jīng)過嚴(yán)格的任務(wù)劃分，也沒有制訂合理的線程分配方案。因此，研究歸一化植被指數(shù)并行算法，提高執(zhí)行效率，就顯得尤為重要。
　　為解決以上出現(xiàn)的問題，本文提出了一種基于GPU的遙感影像歸一化植被指數(shù)研究方法。一方面，通過分析歸一化植被指數(shù)研究內(nèi)容，設(shè)計了并行算法的詳細(xì)流程，并對計算任務(wù)進(jìn)行合理的劃分，將符合GPU計算特點(diǎn)的任務(wù)并行化；另一方面，

3、結(jié)合CUDA架構(gòu)特點(diǎn)，制訂最優(yōu)的線程映射模型、研究特定的GPU優(yōu)化技術(shù)。具體來說，本文主要工作與貢獻(xiàn)有以下幾點(diǎn)：
　　1.簡單介紹了GPU的歷史及發(fā)展趨勢，詳細(xì)論述了CUDA技術(shù)基礎(chǔ)。
　　2.通過分析歸一化植被指數(shù)研究內(nèi)容，利用ERDAS IMAGINE軟件實(shí)現(xiàn)多光譜遙感圖像波段分離，得到實(shí)驗(yàn)所用的紅外波段和近紅外波段圖像數(shù)據(jù)；基于OpenCV實(shí)現(xiàn)圖像的讀取與顯示，圖像讀入內(nèi)存后以Mat類型數(shù)據(jù)結(jié)構(gòu)存儲；詳細(xì)論述算法涉及到

4、的遙感圖像處理操作，計算圖像灰度直方圖、直方圖拉伸、直方圖均衡化、圖像二值化（大津法），以便根據(jù)圖像處理的特點(diǎn)來確定是否能夠并行化。
　　3.從算法的基本思想出發(fā)，分析算法并行化的想法是否可行，在得知可行的基礎(chǔ)上設(shè)計算法提取流程；研究CPU與GPU任務(wù)劃分原則、核函數(shù)的維線程映射模型（Two-Dimension）；GPU存儲方面選擇讀取速度較快的共享存儲器，并通過threadDim.x+1的行來避免發(fā)生bankconflict；最