數(shù)字攝影測量影像數(shù)據(jù)的GPU并行處理研究.pdf

1、進入二十一世紀以來，隨著科學技術(shù)的不斷發(fā)展，傳感器技術(shù)取得了長足的進步。測量獲取被測物體影像信息的方法也更加多樣化，多傳感器測量，不同角度測量，大重疊度測量都是當前遙感技術(shù)發(fā)展的趨勢之一。航空、航天影像的高分辨率、大重疊度，致使影像數(shù)據(jù)量不斷增長，海量數(shù)據(jù)處理已經(jīng)成為一種趨勢。普通的計算機受限于其存儲和計算能力，在海量數(shù)據(jù)處理面前已經(jīng)力不從心，使用CPU串行處理的生產(chǎn)方式已經(jīng)難以滿足海量數(shù)據(jù)的高效生產(chǎn)需求。
　　而GPU的高性能并

2、行計算能力和可編程性則在不斷發(fā)展，為數(shù)字攝影測量中一些算法的并行化提供了很大空間，CUDA的推出更是為GPU在通用計算領域的發(fā)展提供了強有力的支撐。本文旨在研究基于GPU的并行計算技術(shù)進行影像預處理、影像增強與影像匹配，搭建GPU并行處理平臺，將GPU作為核心處理設備，基于CUDA4.0軟件開發(fā)環(huán)境，研究影像數(shù)據(jù)的GPU并行處理，以此來實現(xiàn)數(shù)據(jù)的高效處理。
　　本文的研究選取了PixelGrid系統(tǒng)中影像預處理算法、Wallis濾

3、波算法、影像匹配算法作為研究對象，研究以上算法的GPU并行處理設計，著重于算法在GPU中的并行實現(xiàn)方法，并基于GPU進行了性能優(yōu)化，以此來提高影像處理算法在攝影測量處理系統(tǒng)中的執(zhí)行效率。論文完成的主要工作和創(chuàng)新點如下:
　　1.簡單介紹了并行計算平臺的相關歷史和發(fā)展趨勢，對數(shù)字攝影測量影像數(shù)據(jù)并行處理的基本模式進行了歸納。系統(tǒng)的論述了GPU的硬件體系架構(gòu)，CUDA軟件編程模型，以及CUDA程序的優(yōu)化，給出了論文研究所采用的實驗平臺

4、。
　　2.提出了一種影像預處理GPU并行算法，將影像的旋轉(zhuǎn)、畸變差改正通過GPU進行并行處理，在重采樣操作中，利用GPU進行細粒度并行處理，并根據(jù)算法的特點和GPU的體系架構(gòu)，優(yōu)化了任務劃分與執(zhí)行配置方案，充分發(fā)揮GPU的并行計算優(yōu)勢。
　　3.提出GPU加速的Wallis影像增強并行算法，算法中加入基于GPU的自適應平滑濾波，利用GPU強大的并行能力，實現(xiàn)了Wallis濾波以及影像自適應平滑的GPU并行處理，在算法中運用