遙感圖像幾何校正GPU陣列并行算法研究
發(fā)布時間:2023-05-05 19:43
隨著信息技術(shù)和傳感器技術(shù)的快速發(fā)展,衛(wèi)星遙感圖像需要處理的數(shù)據(jù)量急劇增大,同時實際應用的精度要求和實時性需求也在不斷提高,傳統(tǒng)的基于多核CPU或CPU集群的遙感圖像并行處理,其大規(guī)模集群上加速效果較好但成本更高,功耗更大而且也不適合載荷有限的衛(wèi)星應用環(huán)境,其小規(guī)模集群由于處理器數(shù)目較少并行加速效果有限,而GPU(Graphic Processingg Unit,圖形處理器)因其眾核并行特性帶來強大的數(shù)據(jù)處理能力,同時兼具低功耗和低成本的優(yōu)點,因此利用GPU陣列加速遙感圖像處理對于構(gòu)建高性能、低功耗、低成本的星上實時計算系統(tǒng)具有重要意義。本文利用OpenCL(Open Computing Language,開放計算語言)的跨平臺特性實現(xiàn)不同平臺下GPU的調(diào)用,以盡可能地利用所有的計算資源,同時引入了傳統(tǒng)多核CPU或CPU集群并行所使用的OpenMP和MPI技術(shù)實現(xiàn)GPU陣列的調(diào)用,形成不同層次的并行計算架構(gòu):基于單節(jié)點單GPU的眾核并行架構(gòu)、基于單節(jié)點多GPU系統(tǒng)的并行多線程+眾核并行架構(gòu)、基于多節(jié)點單GPU系統(tǒng)的多進程+眾核并行架構(gòu)、基于多節(jié)點多GPU系統(tǒng)的多進程+多線程+眾核并行架構(gòu)...
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 GPU/OpenCL面向通用計算的研究現(xiàn)狀
1.2.2 遙感圖像并行處理的現(xiàn)狀
1.3 課題主要工作與創(chuàng)新
1.4 論文的結(jié)構(gòu)安排
第二章 異構(gòu)并行計算與OpenCL概述
2.1 異構(gòu)并行計算概述
2.2 并行編程模型
2.2.1 MPI
2.2.2 OpenMP
2.2.3 CUDA
2.3 通用并行編程模型—OpenCL
2.3.1 OpenCL概述
2.3.2 OpenCL與 CUDA的差異
2.4 本章小結(jié)
第三章 GPU陣列并行計算架構(gòu)設(shè)計和性能優(yōu)化研究
3.1 GPU陣列并行計算架構(gòu)設(shè)計
3.1.1 總體架構(gòu)概述
3.1.2 并行計算架構(gòu)設(shè)計
3.2 GPU陣列任務劃分策略研究
3.2.1 多GPU負載不均衡問題
3.2.2 負載均衡與任務劃分
3.3 GPU性能優(yōu)化研究
3.3.1 全局存儲器訪存優(yōu)化
3.3.2 局部存儲器訪存優(yōu)化
3.4 本章小結(jié)
第四章 遙感圖像幾何校正算法并行策略研究
4.1 遙感圖像處理概述
4.1.1 遙感圖像處理一般流程
4.1.2 遙感圖像處理算法分類
4.1.3 遙感圖像幾何校正分級
4.2 幾何校正原理
4.2.1 算法步驟
4.2.2 重采樣
4.3 幾何校正并行性分析
4.3.1 定性分析—時間復雜度
4.3.2 定量分析—串行算法各階段執(zhí)行時間
4.4 幾何校正并行化策略
4.4.1 GPU眾核并行
4.4.2 圖像分塊并行
4.5 本章小結(jié)
第五章 并行算法實現(xiàn)與實驗結(jié)果分析
5.1 實驗環(huán)境說明
5.2 并行算法性能度量標準
5.2.1 執(zhí)行時間
5.2.2 加速比與Amdahl定律
5.3 基于OpenCL的跨平臺實現(xiàn)及性能分析
5.3.1 不同重采樣方法的OpenCL實現(xiàn)
5.3.2 跨平臺實驗結(jié)果分析
5.3.3 高分辨率圖像的分塊優(yōu)化
5.4 基于GPU陣列的多級并行實現(xiàn)
5.4.1 OpenMP+OpenCL實現(xiàn)
5.4.2 MPI+OpenCL實現(xiàn)
5.4.3 MPI+OpenMP+OpenCL實現(xiàn)
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻
本文編號:3808290
【文章頁數(shù)】:86 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 GPU/OpenCL面向通用計算的研究現(xiàn)狀
1.2.2 遙感圖像并行處理的現(xiàn)狀
1.3 課題主要工作與創(chuàng)新
1.4 論文的結(jié)構(gòu)安排
第二章 異構(gòu)并行計算與OpenCL概述
2.1 異構(gòu)并行計算概述
2.2 并行編程模型
2.2.1 MPI
2.2.2 OpenMP
2.2.3 CUDA
2.3 通用并行編程模型—OpenCL
2.3.1 OpenCL概述
2.3.2 OpenCL與 CUDA的差異
2.4 本章小結(jié)
第三章 GPU陣列并行計算架構(gòu)設(shè)計和性能優(yōu)化研究
3.1 GPU陣列并行計算架構(gòu)設(shè)計
3.1.1 總體架構(gòu)概述
3.1.2 并行計算架構(gòu)設(shè)計
3.2 GPU陣列任務劃分策略研究
3.2.1 多GPU負載不均衡問題
3.2.2 負載均衡與任務劃分
3.3 GPU性能優(yōu)化研究
3.3.1 全局存儲器訪存優(yōu)化
3.3.2 局部存儲器訪存優(yōu)化
3.4 本章小結(jié)
第四章 遙感圖像幾何校正算法并行策略研究
4.1 遙感圖像處理概述
4.1.1 遙感圖像處理一般流程
4.1.2 遙感圖像處理算法分類
4.1.3 遙感圖像幾何校正分級
4.2 幾何校正原理
4.2.1 算法步驟
4.2.2 重采樣
4.3 幾何校正并行性分析
4.3.1 定性分析—時間復雜度
4.3.2 定量分析—串行算法各階段執(zhí)行時間
4.4 幾何校正并行化策略
4.4.1 GPU眾核并行
4.4.2 圖像分塊并行
4.5 本章小結(jié)
第五章 并行算法實現(xiàn)與實驗結(jié)果分析
5.1 實驗環(huán)境說明
5.2 并行算法性能度量標準
5.2.1 執(zhí)行時間
5.2.2 加速比與Amdahl定律
5.3 基于OpenCL的跨平臺實現(xiàn)及性能分析
5.3.1 不同重采樣方法的OpenCL實現(xiàn)
5.3.2 跨平臺實驗結(jié)果分析
5.3.3 高分辨率圖像的分塊優(yōu)化
5.4 基于GPU陣列的多級并行實現(xiàn)
5.4.1 OpenMP+OpenCL實現(xiàn)
5.4.2 MPI+OpenCL實現(xiàn)
5.4.3 MPI+OpenMP+OpenCL實現(xiàn)
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻
本文編號:3808290
本文鏈接:http://sikaile.net/guanlilunwen/gongchengguanli/3808290.html
最近更新
教材專著