基于GPU的礦產(chǎn)資源高光譜遙感探測數(shù)據(jù)快速處理.pdf

1、高光譜遙感技術在地球科學領域應用廣泛，并取得了巨大的成功，礦產(chǎn)資源探測是其在地質(zhì)勘測領域重要的應用之一。但高光譜遙感數(shù)據(jù)規(guī)模大、計算復雜度高，實際應用中的數(shù)據(jù)處理效率是一個很大的挑戰(zhàn)。近年來GPU(graphics processing unit)通用計算技術快速發(fā)展，GPU具有處理核心多、處理能力強以及存儲器帶寬高的特點，能有效提高海量數(shù)據(jù)處理的效率。同時，GPU硬件體積小、重量輕、花費少，具有較大的應用潛力。
　　本文在分析C

2、PU+GPU異構編程模型的基礎上，研究了高光譜遙感巖礦信息提取原理，基于特征提取、端元提取、光譜匹配等提出了基于GPU/CUDA的礦產(chǎn)資源高光譜遙感探測數(shù)據(jù)快速處理方法，給出了具體的并行優(yōu)化算法，并利用實際高光譜遙感探測數(shù)據(jù)實驗驗證了方法的有效性和快速處理能力。論文工作主要包括:
　　首先，在研究遙感探測數(shù)據(jù)巖礦信息提取理論的基礎上，提出了一套基于GPU的高光譜遙感數(shù)據(jù)巖礦信息快速提取方法。詳細分析了地物的光譜特性以及礦物光譜反射

3、和吸收機理，結(jié)合高光譜數(shù)據(jù)的特點，基于GPU/CUDA設計了以特征提取、端元提取、包絡線去除以及光譜匹配為關鍵步驟的高光譜巖礦信息提取快速處理流程與算法。
　　其次，針對巖礦信息快速提取流程中的關鍵步驟分別進行了GPU的并行優(yōu)化設計與實現(xiàn)，提出了相應的性能優(yōu)化策略，包括優(yōu)化算法流程、提高訪存效率和減少數(shù)據(jù)訪問沖突等。(1)采用PCA(principal component analysis，主成分分析)算法進行特征提取，對PCA中

4、協(xié)方差矩陣計算方法進行改進，優(yōu)化了像元去均值計算流程，并合理分配GPU/CPU計算任務;(2)采用PPI(pixel purity index，純凈像元指數(shù))算法進行端元提取，對該算法計算流程進行優(yōu)化，并在該算法中將傳統(tǒng)向量投影問題轉(zhuǎn)換為矩陣相乘進行并行優(yōu)化;(3)采用包絡線去除與SAM(spectral angle match，光譜角匹配)相結(jié)合的算法進行地物光譜匹配，利用像元間計算獨立性強、并行程度高的特點，將像元集并發(fā)計算，并通過

5、線程映射、存儲優(yōu)化等方式進行并行優(yōu)化。然后在GPU/CUDA平臺上利用實際的高光譜數(shù)據(jù)進行了巖礦信息提取填圖實驗，實驗結(jié)果表明提出的并行設計模型與優(yōu)化方法，能夠快速有效地利用高光譜遙感數(shù)據(jù)進行巖礦信息提取，在保證提取精度的基礎上最大加速比達到81倍。
　　最后，基于CPU+GPU異構平臺研究了基于組合核的支撐向量機高光譜遙感圖像并行快速分類方法。礦物識別分類是礦產(chǎn)資源探測中重要環(huán)節(jié)，傳統(tǒng)分類方法對樣本依賴大、分類精度低，基于組合核