遙感影像的ISODATA分類算法的并行化研究.pdf

1、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、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據量很大，在研發(fā)高分遙感應用系統(tǒng)和

2、資源三號專題產品生產子系統(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

3、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)和資源三號專題產品生產子系統(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-Om

4、p）。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。
　?。?）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（ISODA

5、TA-Cuda）。將影像數據加載到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存之間數據傳輸的I/O瓶頸問題

6、，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。依據運行時間、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