發(fā)布時間：2017-07-20 14:11

  本文關鍵詞：遙感影像的ISODATA分類算法的并行化研究

  更多相關文章： ISODATA OpenMP GPU 并行加速 遙感影像 圖像分類

【摘要】：隨著遙感技術的飛速發(fā)展,遙感影像分辨率的不斷提高,遙感影像開始廣泛應用于生產(chǎn)、生活中的各個領域。高分辨率遙感影像具有分辨率高、信息量大的特點,因此針對這類遙感影像進行目標特征的提取、分類可以獲取大量有用信息。作為一種常用的非監(jiān)督分類算法,ISODATA無需指定準確的類別數(shù)目,而是通過對聚類結果進行不斷地“合并”與“分裂”,來得到一個較為合理的類別數(shù)目,從而得到一種較好的分類結果。由于高分辨率遙感影像的數(shù)據(jù)量很大,在研發(fā)高分遙感應用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)時,若采用傳統(tǒng)的遙感影像分類算法,則系統(tǒng)處理速度慢、效率低,處理一景高分影像大約需要半個小時,無法滿足應用的實時處理的要求。因此,在使用這些高分辨率遙感影像時,如何對其進行快速正確的處理是必須解決的首要問題。本文對遙感影像分類算法中的ISODATA分類算法進行了研究,在算法流程可并行性分析的基礎上,對于可并行部分,分別采用OpenMP并行庫實現(xiàn)基于多核的并行處理以及CUDA并行庫實現(xiàn)基于GPU的多線程并行化改造。并對兩個并行平臺的處理結果進行了對比分析,進一步將相關算法應用到高分遙感應用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)等實際的遙感影像處理項目研發(fā)中。本文主要完成了以下工作:(1)對ISODATA算法進行可并行性分析,對ISODATA算法中的樣本聚類和樣本中心標準差的計算進行并行化改造,提升樣本中心標準差計算流程的處理效率。(2)提出一種基于多核CPU的并行ISODATA算法(ISODATA-Omp)。采用OpenMP技術,改進算法中的樣本點的聚類和聚類樣本中心標準差的計算,實現(xiàn)基于共享內(nèi)存的單機多核并行化處理。實驗結果證明,采用多核處理的ISODATA-Omp分類算法,在保證分類精度不變的情況下,分類算法的聚類速度提高了2.5倍,標準差計算的速度也達到了原算法的2.5倍。分類過程的整體加速比也接近2倍,具有較好的實際應用價值。(3)針對高分辨率遙感影像,提出了一種的基于GPU的并行ISODATA算法(ISODATA-Cuda)。將影像數(shù)據(jù)加載到GPU上運算,利用GPU的多處理運算單元的特點,改進樣本點聚類以及樣本中心標準差的計算,計算完成之后再將結果回傳給CPU,從而完成算法的并行加速。其中,在并行讀取圖像的每個像素點進行計算時,采用連續(xù)尋址方式進行讀取,提高了內(nèi)存的讀取效率。此外,每個線程在完成計算后,首先將計算結果進行塊內(nèi)同步歸并,然后再進行塊間的同步歸并。采用這種兩級同步歸并的方式,不僅減少了處理器與共享內(nèi)存之間數(shù)據(jù)傳輸?shù)腎/O瓶頸問題,同時也避免了大量線程同時訪問臨界區(qū)而造成設備宕機。實驗結果證明,采用GPU并行加速后的分類算法,在處理1024×1024分辨率以上的圖像時,分類算法的聚類速度達到了原算法的2倍以上,并且隨著圖像尺度的增大,加速效果也在不斷提高。算法的標準差計算速度也提高到原來的2倍以上。(4)對兩種并行平臺下的加速效果分別進行實驗對比分析,找出各自最優(yōu)的加速參數(shù)。依據(jù)運行時間、加速比等評價和分析多核和GPU兩種平臺并行效果。并將相關算法應用到高分遙感應用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)等實際的遙感影像處理系統(tǒng)中。本文研究了ISODATA算法在多核CPU和GPU這兩種平臺下的并行改進方法,并對各自的加速效果進行實驗對比,結合當前遙感影像的處理環(huán)境研究各自最優(yōu)的加速參數(shù),取得了較好的并行加速效果。在遙感業(yè)務化運行系統(tǒng)的應用開發(fā)的實踐表明,本文研究的相關遙感影像并行分類算法可有效提升系統(tǒng)效率,并為相關系統(tǒng)研發(fā)提供有意義的參考。
【關鍵詞】：ISODATA OpenMP GPU 并行加速 遙感影像 圖像分類
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 1 緒論11-19
• 1.1 研究背景及研究意義11-12
• 1.2 研究現(xiàn)狀及分析12-14
• 1.3 研究方案與研究內(nèi)容14-15
• 1.4 實驗環(huán)境、數(shù)據(jù)以及性能評價指標15-18
• 1.4.1 實驗環(huán)境15-16
• 1.4.2 影像數(shù)據(jù)16
• 1.4.3 性能評價指標16-18
• 1.5 本文章節(jié)安排18
• 1.6 本章小結18-19
• 2 ISODATA分類算法及并行編程模型19-33
• 2.1 ISODATA分類算法19-23
• 2.1.1 ISODATA分類算法簡介19-20
• 2.1.2 ISODATA分類算法流程20-21
• 2.1.3 ISODATA分類算法可并行性分析21-23
• 2.2 OpenMP并行庫概述23-26
• 2.2.1 OpenMP簡介23-24
• 2.2.2 OpenMP的并行編程模型24
• 2.2.3 OpenMP的循環(huán)調度策略24-26
• 2.3 CUDA并行模型概述26-32
• 2.3.1 GPU并行計算26-28
• 2.3.2 CUDA簡介28
• 2.3.3 CUDA線程協(xié)作28-30
• 2.3.4 CUDA存儲模型30-31
• 2.3.5 CUDA硬件架構31-32
• 2.4 本章小結32-33
• 3 基于多核CPU的ISODATA的并行算法設計33-39
• 3.1 算法設計33-36
• 3.1.1 樣本聚類33-35
• 3.1.2 聚類中心標準差計算35-36
• 3.2 并行加速前后的實驗對比36-37
• 3.3 本章小結37-39
• 4 基于GPU的ISODATA的并行算法設計39-47
• 4.1 算法設計39-44
• 4.1.1 樣本聚類39-42
• 4.1.2 聚類中心標準差計算42-44
• 4.2 并行加速前后的實驗對比44-45
• 4.3 本章小結45-47
• 5 遙感影像ISODATA并行分類實驗47-60
• 5.1 基于多核CPU的ISODATA并行分類實驗47-51
• 5.1.1 Cluster-Omp算法參數(shù)設置47-49
• 5.1.2 遙感影像的ISODATA-Omp算法性能分析49-51
• 5.2 基于GPU的ISODATA并行分類實驗51-53
• 5.2.1 Cluster-Cuda算法線程數(shù)設置51-52
• 5.2.2 遙感影像的ISODATA-Cuda算法性能分析52-53
• 5.3 與已有的GPU并行分類算法對比53-54
• 5.4 兩種并行算法的對比分析54-59
• 5.4.1 并行加速提升情況54-56
• 5.4.2 分類誤差變化情況56
• 5.4.3 實驗結果對比分析56-59
• 5.5 本章小結59-60
• 6 結論60-62
• 7 參考文獻62-65
• 致謝65-66
• 攻讀學位期間參與的科研項目66-67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王占宏,杜道生;模糊綜合評價法在數(shù)字遙感影像產(chǎn)品質量評價中的應用[J];測繪科學;2004年S1期

2 韓玲,吳漢寧,杜子濤,趙希剛;遙感影像地圖在鄂爾多斯盆地環(huán)形構造識別中的應用[J];公路交通科技;2005年S1期

3 王思遠,王光謙,陳志祥;基于遙感影像綜合理解模型的遙感影像分類[J];計算機工程;2005年19期

4 王賢敏;關澤群;吳沉寒;;采用影像融合的遙感影像授權使用小波域算法[J];計算機輔助設計與圖形學學報;2006年05期

5 馬萬權;王士成;劉建坡;;大幅面遙感影像分發(fā)技術研究[J];無線電工程;2006年06期

6 汪承義;趙忠明;;遙感影像流程化處理系統(tǒng)的設計與實現(xiàn)[J];測繪科學;2006年06期

7 史本偉;陳圣波;湛邵斌;;遙感影像庫中影像布局功能的開發(fā)實現(xiàn)[J];吉林大學學報(地球科學版);2006年S1期

8 江水;洪鳴;盛業(yè)華;;實現(xiàn)遙感影像的3維漫游[J];測繪與空間地理信息;2007年01期

9 任向紅;陸宇紅;仇生泉;;4D產(chǎn)品在遙感影像糾正中的應用[J];測繪與空間地理信息;2007年03期

10 王佐成;李永樹;薛麗霞;汪林林;;遙感影像中模糊對象表達[J];中國圖象圖形學報;2007年11期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張廣耀;汪小欽;鄔群勇;;遙感影像地圖在線服務系統(tǒng)設計與實現(xiàn)[A];第十七屆中國遙感大會摘要集[C];2010年

2 熊劍;;地形起伏地區(qū)的遙感影像預處理研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 傅曉俊;;遙感影像應用現(xiàn)狀及其展望[A];測繪荊楚——湖北省測繪學會2005年“索佳杯”學術論文集[C];2005年

4 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應用技術聯(lián)合學術會議論文集[C];2006年

5 傅曉俊;;遙感影像應用現(xiàn)狀及其展望[A];經(jīng)天緯地——全國測繪科技信息網(wǎng)中南分網(wǎng)第十九次學術交流會優(yōu)秀論文選編[C];2005年

6 李江濤;;遙感影像在海事測繪中的應用[A];2007'全國測繪科技信息交流會暨信息網(wǎng)成立30周年慶典論文集[C];2007年

7 胥亞;杜為財;袁立偉;葉榮生;;遙感影像道路提取現(xiàn)狀與展望[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

8 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學會學術年會論文集[C];2006年

9 李江濤;;遙感影像在海事測繪中的應用[A];華東地區(qū)第十次測繪學術交流大會論文集[C];2007年

10 楊博雄;;基于北斗二代與遙感影像的定位與導航技術研究[A];2009年全國測繪儀器綜合學術年會論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年

2 張玉惠;EV——GLOBE成功應用于遼寧電網(wǎng)建設[N];中國測繪報;2010年

3 彭舒;遙感影像幾何和光譜高精度重建技術獲突破[N];中國測繪報;2013年

4 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年

5 李禾;我首顆環(huán)境衛(wèi)星傳回遙感影像[N];科技日報;2008年

6 侯振榮;黑龍江省制作分市縣遙感影像系列掛圖[N];中國測繪報;2009年

7 王智宇邋王春;航空航天技術助力抗震救災[N];科技日報;2008年

8 沈占鋒;遙感影像信息提取與分析[N];計算機世界;2006年

9 張超;讓北京發(fā)展一目了然[N];科技日報;2005年

10 李沛功 胡兵 秦海林 駐站記者嚴德勇;6年送學培養(yǎng)值不值?[N];戰(zhàn)士報;2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 江鋮;光學遙感影像空間分辨率提升的正則化方法研究[D];武漢大學;2015年

2 郭賢;基于張量的遙感影像去噪、特征提取和分類方法研究[D];武漢大學;2015年

3 張麗;遙感影像協(xié)同處理體系及攝影測量應用研究[D];解放軍信息工程大學;2015年

4 高永剛;多尺度多平臺遙感影像在城市遙感中的應用研究[D];福州大學;2013年

5 王賢敏;機密空間信息隱藏與遙感影像授權使用[D];武漢大學;2005年

6 劉亞嵐;遙感影像群判讀技術的試驗研究[D];中國科學院研究生院（遙感應用研究所）;2004年

7 程起敏;基于內(nèi)容的遙感影像庫檢索關鍵技術研究[D];中國科學院研究生院（遙感應用研究所）;2004年

8 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學;2011年

9 鄧冰;遙感影像信息度量方法研究[D];武漢大學;2009年

10 柳稼航;基于視覺特征的高分辨率光學遙感影像目標識別與提取技術研究[D];上海交通大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 鄧董建;基于稀疏表達的遙感影像的多時相融合[D];中國地質大學(北京);2015年

2 于曉;TM/ETM+遙感影像蝕變異常提取與篩選系統(tǒng)開發(fā)[D];中國地質大學(北京);2015年

3 劉佳岐;基于Landsat8遙感影像的扶風縣蘋果園地信息提取研究[D];西北農(nóng)林科技大學;2015年

4 張健;基于多源數(shù)據(jù)的遙感地質構造解譯[D];長安大學;2015年

5 呂璐凌;一種基于地面控制點的遙感影像幾何校正方法研究[D];浙江大學;2016年

6 張曉兵;基于HBase的彈性可視化遙感影像存儲系統(tǒng)[D];浙江大學;2016年

7 吳曉東;遙感影像航行方位物提取技術研究[D];解放軍信息工程大學;2015年

8 李美玲;基于GF-1遙感影像的道路提取研究[D];北京林業(yè)大學;2016年

9 胡茂瑩;基于高分二號遙感影像面向對象的城市房屋信息提取方法研究[D];吉林大學;2016年

10 何雅;基于無人機的低空遙感影像拼接技術的研究[D];吉林大學;2016年

，

本文編號：568397