共查询到19条相似文献，搜索用时 343 毫秒
1.
本文系统地探讨了使用CPU/GPU协同处理理论对高分辨率卫星影像进行MTF补偿的方法。首先在GPU上对方法进行了基本实现,并通过三种性能优化策略（执行配置优化、存储访问优化和指令优化）进一步提高了方法的执行效率。在Intel Xeon E5650 CPU和NVIDIA Tesla C2050 GPU组成的CPU/GPU系统中对高分一号卫星全色影像进行MTF补偿,加速比达到42.80倍。在此基础上,为充分利用CPU的计算性能,使用CPU/GPU负载分配策略将部分负载分配给CPU进行处理,使用该策略后,方法加速比达到47.82倍,相应的处理时间压缩至1.62s,可满足对高分辨率卫星影像进行近实时MTF补偿的需求。 相似文献
2.
基于GPGPU的并行影像匹配算法 总被引：7，自引：1，他引：6
提出一种基于GPGPU的CUDA架构快速影像匹配并行算法,它能够在SIMT模式下完成高性能并行计算。并行算法根据GPU的并行结构和硬件特点,采用执行配置技术、高速存储技术和全局存储技术三种加速技术,优化数据存储结构,提高数据访问效率。实验结果表明,并行算法充分利用GPU的并行处理能力,在处理1280×1024分辨率的8位灰度图像时可达到最高多处理器warp占有率,速度是基于CPU实现的7倍。CUDA在高运算强度数据处理中呈现出的实时处理能力和计算能力,为进一步加速影像匹配性能和GPU通用计算提供了新的方法和思路。 相似文献
3.
4.
刘学林 《测绘与空间地理信息》2016,(7)
简述了影像定量评价对图像处理的重要性,针对图像预处理方法进行了讨论,提出了一种提高影像信息熵的图像预处理方法。通过卫星遥感影像、近景影像和无人机影像的试验,验证了该方法能在有效去除影像噪声影响的同时提高影像信息熵,为有效提高影像匹配成功率及目标识别概率提供了理论基础及解决途径。 相似文献
5.
《武汉大学学报(信息科学版)》2016,(10)
提出了一种基于物方半全局优化的资源三号卫星影像数字表面模型(digital surface model,DSM)提取方法,将半全局优化策略和影像金字塔结合,利用上一层金字塔的匹配结果来动态确定下一层每个像点的搜索范围,打破了半全局匹配需要建立匹配代价立方体的局限;以互信息和影像局部结构描述算子(CENSUS)距离加权和作为匹配代价函数,结合可疑区域探测技术,实现了高精度的DSM提取。通过实验对影响DSM精度的因素进行了总结分析。 相似文献
6.
7.
随着遥感影像数据量的飞速增长,传统的串行波段配准方法已无法满足大数据多光谱影像的实时配准需求。针对该问题,提出了一种CPU和GPU协同的多光谱影像快速波段配准方法。首先进行计算量和并行度分析,将同名点匹配和微分纠正映射至GPU执行,仿射变换系数拟合仍驻留在CPU执行。其次通过核函数任务映射和基本设置,使算法步骤在GPU上可执行,并设计了3种性能优化方法(访存优化、指令优化、传输计算堆叠),进一步提高了波段配准的执行效率。在NVIDIA Tesla M2050 GPU和Intel Xeon E5650 CPU组成的实验平台上,对遥感26号卫星多光谱影像的实验表明,使用该方法加速后的波段配准执行时间仅为3.25 s,与传统串行方法相比,加速比达到了32.32倍,可以满足大数据多光谱影像的近实时配准需求。 相似文献
8.
针对智能遥感卫星系统星上处理与端到端测绘应用的轻量化全球控制信息需求,本文提出了一种星载轻量化影像控制点数据制作方法。首先,在稀少/无地面控制数据条件下,通过国产高分辨率立体测绘卫星影像的区域网平差处理,生成全球影像控制点;其次,通过将影像控制点的局部影像描述至特征向量,设计星载影像控制点的轻量化表示模式,分析其存储性能和星上匹配应用策略;然后,采用哈希映射学习得到的哈希函数,将影像控制点特征向量转换至哈希码,实现星载影像控制点的深度轻量化处理;最后,采用多类型卫星影像数据,进行影像控制点提取、特征向量描述、深度轻量化处理以及匹配性能分析试验,验证了轻量化影像控制点星上匹配与应用可行性,得到了全球影像控制点轻量化处理能力分析结论。 相似文献
9.
正异源高分辨率卫星影像匹配是高分辨率卫星影像处理的技术关键,也是实现三维重建、信息提取、变化监测等应用研究工作的技术基础。研究表明在地面覆盖相同的情况下,随着空间分辨率的提高,卫星影像数据量急剧增加,并由此产生了几何噪声增大、阴影变化影响、局部形变加剧、纹理相似性降低等异源高分辨率影像特有的问题。传统同(异)源遥感影像匹配方法多数着眼于低、 相似文献
10.
基于CPU和GPU协同处理的光学卫星遥感影像正射校正方法 总被引：2，自引：0，他引：2
本文系统地探讨了基于CPU和GPU协同处理的光学卫星遥感影像正射校正方法。首先使用“层次性分块”策略设计了基于CPU和GPU协同处理的正射校正方法,然后通过配置选择优化和存储层次性访问等手段进一步提高了方法执行效率。在Tesla M2050 GPU上对资源三号卫星下视全色影像进行正射校正的实验结果表明,本文方法大幅提高了光学卫星遥感影像正射校正效率,与传统串行正射校正算法相比,加速比最高达到110倍以上,相应的处理时间压缩至5s以内,可满足对大数据量光学卫星遥感影像进行快速正射校正的要求。 相似文献
11.
提出了一种共享内存环境下的干涉合成孔径声呐（interferometric synthetic aperture sonar，InSAS）复图像配准优化方法。首先在分析复图像配准算法各处理步骤计算特点和并行性的基础上，针对粗配准和精配准计算中大量的滑动窗口计算操作，根据相邻窗口数据之间的关系进行了计算方法优化设计；然后采用OpenMP指令对粗配准、精配准、复图像插值和干涉相位提取计算步骤进行了并行化设计和计算任务分配，以充分利用多核计算资源加速复图像配准过程；最后通过InSAS复图像的并行配准试验验证了所提方法的正确性和高效性。 相似文献
12.
<正>射纠正是生成正射影像的关键步骤。随着国产卫星不断发射升空,国产卫星遥感影像的数据量急剧增加,正射纠正的处理速度越来越受到关注。传统的卫星遥感影像正射纠正多采用串行固定分块策略进行纠正,效率较低,单景处理时间长,单位时间内正射纠正的生产达不到要求,而GPU高性能加速对计算机硬件的要求较高,在实际生产中并没有很好地使用。本文在分析正射纠正算法并行性的基础上,提出了多核并行分块自适应正射纠正方法,能够在台式机和普通笔记本上高效计算,极大地提高了正射纠正的效率,获得了一定的加速比,很好地满足了实际生产要求。 相似文献
13.
遥感影像正射纠正的GPU-CPU协同处理研究 总被引：1，自引：0，他引：1
提出了一种基于CUDA的遥感影像正射纠正GPU-CPU协同处理方法,以实现重采样操作的GPU细粒度并行化。根据GPU的并行结构和硬件特点,采用执行配置优化技术提高warp占有率,利用共享存储器优化减少对效率低下的全局存储器中坐标变换系数的重复访问,通过纹理存储器代替全局存储器优化对原始影像数据的访问。实验结果表明,并行算法能够充分发挥GPU的并行处理能力,利用GeForce 9500 GT显卡,对大小为6 000像素×6 000像素的全色影像进行多项式纠正对比实验,最邻近灰度内插重采样和双线性灰度内插重采样的最终加速比分别能够达到8倍和10倍以上。 相似文献
14.
提出了一种基于多图形处理器(graphic processing unit,GPU)设计思想的Harris角点检测并行算法,使用众多线程将计算中耗时的影像高斯卷积平滑滤波部分改造成单指令多线程(single instruction multi-ple thread,SIMT)模式,并采用GPU中共享存储器、常数存储器和锁页内存机制在统一计算设备架构(com-pute unified device archetecture,CUDA)上完成影像角点检测的全过程。实验结果表明,基于多GPU的Har-ris角点检测并行算法比CPU上的串行算法可获得最高达60倍的加速比,其执行效率明显提高,对于大规模数据处理呈现出良好的实时处理能力。 相似文献
15.
三维多视角立体视觉算法（patch-based multi-view stereo，PMVS）以其良好的三维重建效果广泛应用于数字城市等领域，但用于大规模计算时算法的执行效率低下。针对此，提出了一种细粒度并行优化方法，从任务划分和负载均衡、主系统存储和GPU存储、通信开销等3方面加以优化；同时，设计了基于面片的PMVS算法特征提取的GPU和多线程并行改造方法，实现了CPUs_GPUs多粒度协同并行。实验结果表明，基于CPU多线程策略能实现4倍加速比，基于统一计算设备架构（compute unified device architecture，CUDA）并行策略能实现最高34倍加速比，而提出的策略在CUDA并行策略的基础上实现了30%的性能提升，可以用于其他领域大数据处理中快速调度计算资源。 相似文献
16.
17.
18.
高光谱图像经过辐射校正后,消除了探测元的响应差异,能更好地满足专题信息提取的数据要求.利用探测元的列均值、列标准差等统计信息对天宫一号高光谱短波红外数据进行辐射校正检验,并基于GPU CUDA计算模型对均值归一化、矩匹配、相邻列均衡等3种相对辐射校正算法进行了并行计算优化.通过辐射校正计算流程拆分,CPU控制流程逻辑,GPU执行数据级并行计算,并建立CUDA的计算单元与数据单元的映射关系,获得5—7倍的计算加速比,这些辐射校正算法依据图像自身统计信息,且易于进行并行计算优化,满足实时校正的处理时效要求,为未来高光谱数据在轨实时辐射校正提供了新思路. 相似文献
19.
利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割 总被引：2，自引：1，他引：1
为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。 相似文献