基于GPU的高光譜圖像分類與目標(biāo)檢測.pdf

1、隨著高光譜遙感技術(shù)的不斷發(fā)展，高光譜遙感已經(jīng)在許多自然地球科學(xué)領(lǐng)域發(fā)揮著重要的作用，比如圖像識(shí)別與分類、地圖繪制與修正、災(zāi)害偵查與預(yù)防等。高光譜圖像具有數(shù)據(jù)量大、波段多等特點(diǎn)，已有的處理算法盡管已經(jīng)取得了較好的結(jié)果，但是時(shí)效性不理想，難以滿足高光譜圖像在實(shí)際應(yīng)用中對于實(shí)時(shí)性的需求。近年來，GPU(GraphicsProcessing Unit)技術(shù)得到不斷的發(fā)展。在NVIDA公司的推動(dòng)下，以CUDA(ComputeUnified Dev

2、ice Architecture)統(tǒng)一構(gòu)架為基礎(chǔ)的CPU/GPU異構(gòu)平臺(tái)逐漸得到更多研究人員的重視。CUDA構(gòu)架的平臺(tái)綜合利用了GPU高并行計(jì)算能力與CPU強(qiáng)邏輯控制能力，為提升算法效率開辟了一個(gè)新的路徑。
　　本文對高光譜遙感領(lǐng)域的分類算法與目標(biāo)檢測算法設(shè)計(jì)了基于CPU/GPU異構(gòu)平臺(tái)并行優(yōu)化方法。在保證分類和檢測精度的基礎(chǔ)上，提高算法運(yùn)行效率，利用VisualStudio/MFC設(shè)計(jì)開發(fā)了基于GPU并行優(yōu)化的高光譜圖像分類與目

3、標(biāo)檢測系統(tǒng)軟件，并結(jié)合實(shí)際高光譜圖像進(jìn)行實(shí)驗(yàn)測試。主要內(nèi)容包括:
　　第一，基于GPU針對空譜加權(quán)核稀疏表示高光譜圖像分類算法(SWGSCI-KSRC)設(shè)計(jì)了其相應(yīng)的并行優(yōu)化方法。SWGSCI-KSRC方法在KSRC(Kernel Sparse RepresentationClassification，KSRC)模型的基礎(chǔ)之上，通過加入空譜加權(quán)圖(Spatial-Spectral WeightedGraph，SWG)和稀疏聚集度（

4、Sparsity Concentration Index，SCI）規(guī)則，實(shí)現(xiàn)了魯棒、高精度的高光譜圖像分類。然而處理效率較低，處理100MB左右的高光譜數(shù)據(jù)至少需要1個(gè)小時(shí)。為了提高算法時(shí)效性，論文在全面分析SWGSCI-KSRC的基礎(chǔ)上，對于任務(wù)分配進(jìn)行統(tǒng)籌規(guī)劃并結(jié)合CUDA下核函數(shù)進(jìn)行子任務(wù)的劃分，在存儲(chǔ)器方面考慮更多使用共享存儲(chǔ)器達(dá)到減少訪存延遲。在保持精度的基礎(chǔ)上明顯提升了算法效率，獲得了41倍的加速比。
　　第二，針對基

5、于低秩分解的空譜聯(lián)合高光譜圖像分類(Low-Rank DecompositionSpectral-Spatial method，LRDSS)設(shè)計(jì)了并行優(yōu)化方法。優(yōu)化后的算法是利用CPU的強(qiáng)邏輯控制能力和GPU高計(jì)算能力來實(shí)現(xiàn)。在CPU/GPU異構(gòu)混合平臺(tái)的應(yīng)用過程當(dāng)中，根據(jù)實(shí)際算法的設(shè)計(jì)，充分考慮硬件底層結(jié)構(gòu)特點(diǎn)，保證設(shè)備間的負(fù)載均衡，降低交互開銷，實(shí)現(xiàn)CPU與GPU的最大化效率，最終取得了較高的加速比。
　　第三，針對基于低秩和

6、稀疏表示的高光譜圖像目標(biāo)檢測(Low-Rank And SparseRepresentation，LRASR)設(shè)計(jì)了GPU并行優(yōu)化方法?；贚RASR算法，利用GPU的計(jì)算帶寬高、能力強(qiáng)、能耗低、性價(jià)比高的特點(diǎn)，由CPU負(fù)責(zé)GPU的任務(wù)分配，承擔(dān)管理GPU的工作。在設(shè)備端與主機(jī)端交互的時(shí)候，考慮合并訪存的策略來提高程序局部效率，進(jìn)而達(dá)到細(xì)粒度并行化的目的。同時(shí)，在底層庫函數(shù)的基礎(chǔ)上優(yōu)化，實(shí)現(xiàn)LRASR中的SVD(singular val

7、ue decomposition)分解。最終實(shí)現(xiàn)了精度不變的情況下時(shí)間開銷得到了大大減少的目的。
　　第四，在上述算法的基礎(chǔ)上，利用Visual Studio/MFC設(shè)計(jì)開發(fā)了基于GPU并行優(yōu)化的高光譜圖像分類與目標(biāo)檢測系統(tǒng)軟件HICDTS(Hyperspectral Image Classificationand Target Detection System based on GPU Parallel Computing)，給