本文關(guān)鍵詞：基于GPU的SAR圖像處理并行算法及實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：遙感影像處理在軍民用領(lǐng)域都有重要的現(xiàn)實(shí)意義。由于所處理數(shù)據(jù)量大,采用中央處理器對遙感影像進(jìn)行處理往往不能滿足實(shí)時(shí)性要求。圖形處理器由于其與生俱來的多核特性能夠大大提高遙感影像處理的速度,提高實(shí)時(shí)性。然而,多線程編程的復(fù)雜性很大程度上限制了圖形處理器在遙感影像處理方面的應(yīng)用。因此,關(guān)于多線程編程技術(shù)以及基于圖形處理器的遙感影像處理算法并行化的研究具有重要意義。本文主要針對遙感影像處理中比較常用的圖像配準(zhǔn)、變化檢測以及圖像融合算法的并行化進(jìn)行研究,開發(fā)了CPU+GPU異構(gòu)實(shí)現(xiàn)的遙感影像處理算法,實(shí)現(xiàn)中CPU發(fā)揮其良好的邏輯控制性主要負(fù)責(zé)算法邏輯控制部分,而GPU充分發(fā)揮其多核特性主要負(fù)責(zé)算法數(shù)據(jù)處理部分。對于圖像配準(zhǔn)算法的GPU并行實(shí)現(xiàn),通過實(shí)驗(yàn)并結(jié)合實(shí)測數(shù)據(jù),分析了圖形處理器應(yīng)用于圖像配準(zhǔn)時(shí)在速度、價(jià)格、功耗以及便攜性等方面的優(yōu)勢,解決了金字塔互信息圖像配準(zhǔn)中求圖像直方圖時(shí)數(shù)據(jù)訪存沖突的問題。對于基于馬爾可夫場的變化檢測和基于小波變換的變化檢測兩種算法的并行化,重點(diǎn)解決了并行規(guī)約以及圖像卷積的并行實(shí)現(xiàn)問題,設(shè)計(jì)并實(shí)現(xiàn)了馬爾可夫場算法以及小波變換算法的并行方案,對比實(shí)驗(yàn)結(jié)果表明,在保證檢測精度的前提下,大大提高了變化檢測的實(shí)時(shí)性。對于遙感影像融合算法的并行實(shí)現(xiàn),利用已實(shí)現(xiàn)的小波變換算法的并行架構(gòu),結(jié)合圖像配準(zhǔn)中金字塔的構(gòu)建,設(shè)計(jì)并實(shí)現(xiàn)了基于小波變換的圖像融合算法的并行化,對實(shí)現(xiàn)的并行方案以及CPU平臺(tái)實(shí)現(xiàn)方案分別進(jìn)行測時(shí)并比較運(yùn)行時(shí)間,實(shí)驗(yàn)結(jié)果表明,論文中設(shè)計(jì)并實(shí)現(xiàn)的并行方案適用于多種圖像的融合,相比于CPU平臺(tái)實(shí)現(xiàn)方案速度提升達(dá)30倍。最后,論文對研究成果的具體應(yīng)用平臺(tái)進(jìn)行了簡要介紹,并提出了進(jìn)一步提升算法實(shí)時(shí)性的方案。
【關(guān)鍵詞】：計(jì)算統(tǒng)一設(shè)備架構(gòu) 遙感影像處理 圖像配準(zhǔn) 變化檢測 圖像融合
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號對照表11-12
• 縮略語對照表12-15
• 第一章 緒論15-19
• 1.1 論文研究的背景及意義15-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-17
• 1.3 本文的主要工作及論文安排17-19
• 第二章 SAR圖像處理相關(guān)算法原理19-35
• 2.1 金字塔互信息圖像配準(zhǔn)原理19-22
• 2.1.1 金字塔互信息圖像配準(zhǔn)原理19-20
• 2.1.2 金字塔互信息圖像配準(zhǔn)流程20-22
• 2.2 基于馬爾可夫場的SAR圖像變化檢測算法22-25
• 2.2.1 馬爾可夫隨機(jī)場基本原理22
• 2.2.2 吉布斯隨機(jī)場基本原理22-23
• 2.2.3 馬爾可夫隨機(jī)場與吉布斯隨機(jī)場的等效條件23
• 2.2.4 基于馬爾可夫隨機(jī)場的SAR圖像變化檢測算法流程23-25
• 2.3 基于小波變換的SAR圖像變化檢測算法25-32
• 2.3.1 小波變換基本原理25-30
• 2.3.2 基于小波變換的SAR圖像變化檢測算法流程30-32
• 2.4 基于小波變換的SAR圖像融合算法32-34
• 2.4.1 基于小波變換的SAR圖像融合算法原理32-33
• 2.4.2 基于小波變換的SAR圖像融合的算法流程33
• 2.4.3 圖像小波分解的最高分解層數(shù)33-34
• 2.5 本章小結(jié)34-35
• 第三章 SAR圖像處理基本模塊的CUDA并行實(shí)現(xiàn)35-47
• 3.1 GPU應(yīng)用于通用計(jì)算的基本技術(shù)35-39
• 3.1.1 CUDA并行編程模型35-37
• 3.1.2 CUDA存儲(chǔ)器模型37-38
• 3.1.3 NVIDIA板卡型號對編程的限制38-39
• 3.2 基本算法模塊的CUDA并行實(shí)現(xiàn)39-45
• 3.2.1 卷積模塊的CUDA并行實(shí)現(xiàn)39-43
• 3.2.2 圖像統(tǒng)計(jì)直方圖的CUDA并行實(shí)現(xiàn)43-45
• 3.3 本章小結(jié)45-47
• 第四章 基于GPU的SAR圖像處理結(jié)果及性能分析47-71
• 4.1 CUDA架構(gòu)下金字塔互信息圖像配準(zhǔn)方案及性能比較47-53
• 4.1.1 CUDA架構(gòu)下金字塔互信息圖像配準(zhǔn)方案47-50
• 4.1.2 CUDA架構(gòu)下金字塔互信息圖像配準(zhǔn)性能比較50-53
• 4.2 CUDA架構(gòu)下基于馬爾可夫場的圖像變化檢測方案及性能比較53-58
• 4.2.1 CUDA架構(gòu)下基于馬爾可夫場的圖像變化檢測方案53-55
• 4.2.2 CUDA架構(gòu)下基于馬爾可夫場的SAR圖像變化檢測性能比較55-58
• 4.3 CUDA架構(gòu)下小波變換變化檢測實(shí)現(xiàn)方案及性能比較58-62
• 4.3.1 CUDA架構(gòu)下小波變換變化檢測方案58-60
• 4.3.2 CUDA架構(gòu)下小波變換變化檢測性能比較60-62
• 4.4 CUDA架構(gòu)下基于小波變換圖像融合方案及性能比較62-66
• 4.4.1 CUDA架構(gòu)下小波變換圖像融合方案62-63
• 4.4.2 CUDA架構(gòu)下小波變換圖像融合性能比較63-66
• 4.5 多源多時(shí)相大幅遙感影像融合與變化檢測軟件演示平臺(tái)66-69
• 4.6 本章小結(jié)69-71
• 第五章 總結(jié)與展望71-73
• 參考文獻(xiàn)73-75
• 致謝75-77
• 作者簡介77-78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 武勇;王俊;張培川;曹運(yùn)合;;CUDA架構(gòu)下外輻射源雷達(dá)雜波抑制并行算法[J];西安電子科技大學(xué)學(xué)報(bào);2015年01期

2 孟大地;胡玉新;丁赤飚;;一種基于GPU的SAR高效成像處理算法[J];雷達(dá)學(xué)報(bào);2013年02期

3 陳帥;李剛;張顥;孟華東;王希勤;;SAR圖像壓縮采樣恢復(fù)的GPU并行實(shí)現(xiàn)[J];電子與信息學(xué)報(bào);2011年03期

4 黃世奇;劉代志;胡明星;王仕成;;基于小波變換的多時(shí)相SAR圖像變化檢測技術(shù)[J];測繪學(xué)報(bào);2010年02期

5 陳華根,吳健生,王家林,陳冰;模擬退火算法機(jī)理研究[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

  本文關(guān)鍵詞：基于GPU的SAR圖像處理并行算法及實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：432423