隨著衛(wèi)星遙感技術(shù)的飛速發(fā)展,遙感技術(shù)在國民經(jīng)濟(jì)和軍事領(lǐng)域都發(fā)揮了巨大的作用。其中遙感圖像的像素級(jí)融合(又稱全色銳化),一直是遙感技術(shù)研究中的熱點(diǎn)問題,它是一種將空間信息豐富的高分辨率全色圖像與低分辨率多光譜圖像進(jìn)行融合,生成高分辨率多光譜圖像的技術(shù)。傳統(tǒng)的遙感圖像融合算法無法兼顧光譜信息與空間信息的保留。近年來,基于變分法的遙感圖像融合算法由于其優(yōu)秀的融合效果以及具有高度的靈活性逐漸發(fā)展成為遙感圖像融合領(lǐng)域一個(gè)新興的重要分支。但同時(shí)變分圖像融合算法的計(jì)算復(fù)雜度高,運(yùn)算效率低,無法應(yīng)對(duì)目前日益膨脹的遙感圖像數(shù)據(jù)量。同時(shí),隨著高性能GPU和CUDA并行運(yùn)算架構(gòu)的出現(xiàn),利用GPU進(jìn)行并行運(yùn)算已經(jīng)成為遙感圖像處理中日益普及的手段。本文針對(duì)基于變分法的遙感圖像融合算法運(yùn)算效率低的問題,在深入研究非局部關(guān)系變分模型的基礎(chǔ)上,使用CUDA并行運(yùn)算架構(gòu)在GPU上并行處理遙感圖像融合算法。在本文設(shè)計(jì)的并行算法中,先對(duì)多光譜圖像進(jìn)行了插值放大的預(yù)處理;然后使用IHS算法對(duì)多光譜圖像與全色圖像進(jìn)行一個(gè)初步融合,作為非局部變分圖像融合算法的初始化圖像;在非局部變分圖像融合模塊,分別對(duì)非局部變分模型的三個(gè)約束項(xiàng)以...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1遙感圖像處理系統(tǒng)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文第1章緒論題背景及研究意義技術(shù)是二十世紀(jì)六十年代興起的一種探測(cè)技術(shù)，它能夠?qū)h(yuǎn)標(biāo)自身輻射的可見光、紅外線、電磁波等信息進(jìn)行感知并收據(jù)的處理形成遙感圖像，從而對(duì)地球的資源與環(huán)境進(jìn)行探測(cè)處理是遙感技術(shù)的核心，它包括對(duì)傳感器采集到的遙感圖像配準(zhǔn)、圖....

圖1-2遙感圖像融合具體過程

圖1-2遙感圖像融合具體過程目前，隨著遙感技術(shù)不斷發(fā)展，遙感衛(wèi)星所獲取的遙感圖像的光譜分辨率和空間分辨率越來越高，遙感圖像融合技術(shù)需要適應(yīng)更高分辨率以及更多光譜的遙感圖像數(shù)據(jù)[3]。2013年和2014年，高分一號(hào)（GF-1）和高分二號(hào)（GF-2）衛(wèi)星相繼發(fā)射并投入使用....

圖1-3CUDA線程結(jié)構(gòu)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文算任務(wù)。開發(fā)人員能夠通過CUDA編寫可以在G函數(shù)，從而在C語言的基礎(chǔ)上拓展GPU編程。的形式組織，每個(gè)grid又由若干大小均等的blok內(nèi)又包含若干thread（線程）[6]，如圖1-3所示

圖1-4GPU處理器結(jié)構(gòu)

圖1-3CUDA線程結(jié)構(gòu)在GPU上執(zhí)行的，GPU的處理器結(jié)構(gòu)主要分兩eamMultiprocessor，SM），在每個(gè)SM里面又（StreamProcessor，SP），又稱CUDA核心數(shù)，其結(jié)構(gòu)如圖1-4所示。

本文編號(hào)：4033645