本文關(guān)鍵詞：遙感影像的ISODATA分類算法的并行化研究

  更多相關(guān)文章： ISODATA OpenMP GPU 并行加速 遙感影像 圖像分類

【摘要】：隨著遙感技術(shù)的飛速發(fā)展,遙感影像分辨率的不斷提高,遙感影像開始廣泛應(yīng)用于生產(chǎn)、生活中的各個領(lǐng)域。高分辨率遙感影像具有分辨率高、信息量大的特點(diǎn),因此針對這類遙感影像進(jìn)行目標(biāo)特征的提取、分類可以獲取大量有用信息。作為一種常用的非監(jiān)督分類算法,ISODATA無需指定準(zhǔn)確的類別數(shù)目,而是通過對聚類結(jié)果進(jìn)行不斷地“合并”與“分裂”,來得到一個較為合理的類別數(shù)目,從而得到一種較好的分類結(jié)果。由于高分辨率遙感影像的數(shù)據(jù)量很大,在研發(fā)高分遙感應(yīng)用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)時,若采用傳統(tǒng)的遙感影像分類算法,則系統(tǒng)處理速度慢、效率低,處理一景高分影像大約需要半個小時,無法滿足應(yīng)用的實(shí)時處理的要求。因此,在使用這些高分辨率遙感影像時,如何對其進(jìn)行快速正確的處理是必須解決的首要問題。本文對遙感影像分類算法中的ISODATA分類算法進(jìn)行了研究,在算法流程可并行性分析的基礎(chǔ)上,對于可并行部分,分別采用OpenMP并行庫實(shí)現(xiàn)基于多核的并行處理以及CUDA并行庫實(shí)現(xiàn)基于GPU的多線程并行化改造。并對兩個并行平臺的處理結(jié)果進(jìn)行了對比分析,進(jìn)一步將相關(guān)算法應(yīng)用到高分遙感應(yīng)用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)等實(shí)際的遙感影像處理項(xiàng)目研發(fā)中。本文主要完成了以下工作:(1)對ISODATA算法進(jìn)行可并行性分析,對ISODATA算法中的樣本聚類和樣本中心標(biāo)準(zhǔn)差的計算進(jìn)行并行化改造,提升樣本中心標(biāo)準(zhǔn)差計算流程的處理效率。(2)提出一種基于多核CPU的并行ISODATA算法(ISODATA-Omp)。采用OpenMP技術(shù),改進(jìn)算法中的樣本點(diǎn)的聚類和聚類樣本中心標(biāo)準(zhǔn)差的計算,實(shí)現(xiàn)基于共享內(nèi)存的單機(jī)多核并行化處理。實(shí)驗(yàn)結(jié)果證明,采用多核處理的ISODATA-Omp分類算法,在保證分類精度不變的情況下,分類算法的聚類速度提高了2.5倍,標(biāo)準(zhǔn)差計算的速度也達(dá)到了原算法的2.5倍。分類過程的整體加速比也接近2倍,具有較好的實(shí)際應(yīng)用價值。(3)針對高分辨率遙感影像,提出了一種的基于GPU的并行ISODATA算法(ISODATA-Cuda)。將影像數(shù)據(jù)加載到GPU上運(yùn)算,利用GPU的多處理運(yùn)算單元的特點(diǎn),改進(jìn)樣本點(diǎn)聚類以及樣本中心標(biāo)準(zhǔn)差的計算,計算完成之后再將結(jié)果回傳給CPU,從而完成算法的并行加速。其中,在并行讀取圖像的每個像素點(diǎn)進(jìn)行計算時,采用連續(xù)尋址方式進(jìn)行讀取,提高了內(nèi)存的讀取效率。此外,每個線程在完成計算后,首先將計算結(jié)果進(jìn)行塊內(nèi)同步歸并,然后再進(jìn)行塊間的同步歸并。采用這種兩級同步歸并的方式,不僅減少了處理器與共享內(nèi)存之間數(shù)據(jù)傳輸?shù)腎/O瓶頸問題,同時也避免了大量線程同時訪問臨界區(qū)而造成設(shè)備宕機(jī)。實(shí)驗(yàn)結(jié)果證明,采用GPU并行加速后的分類算法,在處理1024×1024分辨率以上的圖像時,分類算法的聚類速度達(dá)到了原算法的2倍以上,并且隨著圖像尺度的增大,加速效果也在不斷提高。算法的標(biāo)準(zhǔn)差計算速度也提高到原來的2倍以上。(4)對兩種并行平臺下的加速效果分別進(jìn)行實(shí)驗(yàn)對比分析,找出各自最優(yōu)的加速參數(shù)。依據(jù)運(yùn)行時間、加速比等評價和分析多核和GPU兩種平臺并行效果。并將相關(guān)算法應(yīng)用到高分遙感應(yīng)用系統(tǒng)和資源三號專題產(chǎn)品生產(chǎn)子系統(tǒng)等實(shí)際的遙感影像處理系統(tǒng)中。本文研究了ISODATA算法在多核CPU和GPU這兩種平臺下的并行改進(jìn)方法,并對各自的加速效果進(jìn)行實(shí)驗(yàn)對比,結(jié)合當(dāng)前遙感影像的處理環(huán)境研究各自最優(yōu)的加速參數(shù),取得了較好的并行加速效果。在遙感業(yè)務(wù)化運(yùn)行系統(tǒng)的應(yīng)用開發(fā)的實(shí)踐表明,本文研究的相關(guān)遙感影像并行分類算法可有效提升系統(tǒng)效率,并為相關(guān)系統(tǒng)研發(fā)提供有意義的參考。
【關(guān)鍵詞】：ISODATA OpenMP GPU 并行加速 遙感影像 圖像分類
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 1 緒論11-19
• 1.1 研究背景及研究意義11-12
• 1.2 研究現(xiàn)狀及分析12-14
• 1.3 研究方案與研究內(nèi)容14-15
• 1.4 實(shí)驗(yàn)環(huán)境、數(shù)據(jù)以及性能評價指標(biāo)15-18
• 1.4.1 實(shí)驗(yàn)環(huán)境15-16
• 1.4.2 影像數(shù)據(jù)16
• 1.4.3 性能評價指標(biāo)16-18
• 1.5 本文章節(jié)安排18
• 1.6 本章小結(jié)18-19
• 2 ISODATA分類算法及并行編程模型19-33
• 2.1 ISODATA分類算法19-23
• 2.1.1 ISODATA分類算法簡介19-20
• 2.1.2 ISODATA分類算法流程20-21
• 2.1.3 ISODATA分類算法可并行性分析21-23
• 2.2 OpenMP并行庫概述23-26
• 2.2.1 OpenMP簡介23-24
• 2.2.2 OpenMP的并行編程模型24
• 2.2.3 OpenMP的循環(huán)調(diào)度策略24-26
• 2.3 CUDA并行模型概述26-32
• 2.3.1 GPU并行計算26-28
• 2.3.2 CUDA簡介28
• 2.3.3 CUDA線程協(xié)作28-30
• 2.3.4 CUDA存儲模型30-31
• 2.3.5 CUDA硬件架構(gòu)31-32
• 2.4 本章小結(jié)32-33
• 3 基于多核CPU的ISODATA的并行算法設(shè)計33-39
• 3.1 算法設(shè)計33-36
• 3.1.1 樣本聚類33-35
• 3.1.2 聚類中心標(biāo)準(zhǔn)差計算35-36
• 3.2 并行加速前后的實(shí)驗(yàn)對比36-37
• 3.3 本章小結(jié)37-39
• 4 基于GPU的ISODATA的并行算法設(shè)計39-47
• 4.1 算法設(shè)計39-44
• 4.1.1 樣本聚類39-42
• 4.1.2 聚類中心標(biāo)準(zhǔn)差計算42-44
• 4.2 并行加速前后的實(shí)驗(yàn)對比44-45
• 4.3 本章小結(jié)45-47
• 5 遙感影像ISODATA并行分類實(shí)驗(yàn)47-60
• 5.1 基于多核CPU的ISODATA并行分類實(shí)驗(yàn)47-51
• 5.1.1 Cluster-Omp算法參數(shù)設(shè)置47-49
• 5.1.2 遙感影像的ISODATA-Omp算法性能分析49-51
• 5.2 基于GPU的ISODATA并行分類實(shí)驗(yàn)51-53
• 5.2.1 Cluster-Cuda算法線程數(shù)設(shè)置51-52
• 5.2.2 遙感影像的ISODATA-Cuda算法性能分析52-53
• 5.3 與已有的GPU并行分類算法對比53-54
• 5.4 兩種并行算法的對比分析54-59
• 5.4.1 并行加速提升情況54-56
• 5.4.2 分類誤差變化情況56
• 5.4.3 實(shí)驗(yàn)結(jié)果對比分析56-59
• 5.5 本章小結(jié)59-60
• 6 結(jié)論60-62
• 7 參考文獻(xiàn)62-65
• 致謝65-66
• 攻讀學(xué)位期間參與的科研項(xiàng)目66-67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王占宏,杜道生;模糊綜合評價法在數(shù)字遙感影像產(chǎn)品質(zhì)量評價中的應(yīng)用[J];測繪科學(xué);2004年S1期

2 韓玲,吳漢寧,杜子濤,趙希剛;遙感影像地圖在鄂爾多斯盆地環(huán)形構(gòu)造識別中的應(yīng)用[J];公路交通科技;2005年S1期

3 王思遠(yuǎn),王光謙,陳志祥;基于遙感影像綜合理解模型的遙感影像分類[J];計算機(jī)工程;2005年19期

4 王賢敏;關(guān)澤群;吳沉寒;;采用影像融合的遙感影像授權(quán)使用小波域算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2006年05期

5 馬萬權(quán);王士成;劉建坡;;大幅面遙感影像分發(fā)技術(shù)研究[J];無線電工程;2006年06期

6 汪承義;趙忠明;;遙感影像流程化處理系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J];測繪科學(xué);2006年06期

7 史本偉;陳圣波;湛邵斌;;遙感影像庫中影像布局功能的開發(fā)實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2006年S1期

8 江水;洪鳴;盛業(yè)華;;實(shí)現(xiàn)遙感影像的3維漫游[J];測繪與空間地理信息;2007年01期

9 任向紅;陸宇紅;仇生泉;;4D產(chǎn)品在遙感影像糾正中的應(yīng)用[J];測繪與空間地理信息;2007年03期

10 王佐成;李永樹;薛麗霞;汪林林;;遙感影像中模糊對象表達(dá)[J];中國圖象圖形學(xué)報;2007年11期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張廣耀;汪小欽;鄔群勇;;遙感影像地圖在線服務(wù)系統(tǒng)設(shè)計與實(shí)現(xiàn)[A];第十七屆中國遙感大會摘要集[C];2010年

2 熊劍;;地形起伏地區(qū)的遙感影像預(yù)處理研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 傅曉俊;;遙感影像應(yīng)用現(xiàn)狀及其展望[A];測繪荊楚——湖北省測繪學(xué)會2005年“索佳杯”學(xué)術(shù)論文集[C];2005年

4 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

5 傅曉俊;;遙感影像應(yīng)用現(xiàn)狀及其展望[A];經(jīng)天緯地——全國測繪科技信息網(wǎng)中南分網(wǎng)第十九次學(xué)術(shù)交流會優(yōu)秀論文選編[C];2005年

6 李江濤;;遙感影像在海事測繪中的應(yīng)用[A];2007'全國測繪科技信息交流會暨信息網(wǎng)成立30周年慶典論文集[C];2007年

7 胥亞;杜為財;袁立偉;葉榮生;;遙感影像道路提取現(xiàn)狀與展望[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

8 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

9 李江濤;;遙感影像在海事測繪中的應(yīng)用[A];華東地區(qū)第十次測繪學(xué)術(shù)交流大會論文集[C];2007年

10 楊博雄;;基于北斗二代與遙感影像的定位與導(dǎo)航技術(shù)研究[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年

2 張玉惠;EV——GLOBE成功應(yīng)用于遼寧電網(wǎng)建設(shè)[N];中國測繪報;2010年

3 彭舒;遙感影像幾何和光譜高精度重建技術(shù)獲突破[N];中國測繪報;2013年

4 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年

5 李禾;我首顆環(huán)境衛(wèi)星傳回遙感影像[N];科技日報;2008年

6 侯振榮;黑龍江省制作分市縣遙感影像系列掛圖[N];中國測繪報;2009年

7 王智宇邋王春;航空航天技術(shù)助力抗震救災(zāi)[N];科技日報;2008年

8 沈占鋒;遙感影像信息提取與分析[N];計算機(jī)世界;2006年

9 張超;讓北京發(fā)展一目了然[N];科技日報;2005年

10 李沛功 胡兵 秦海林 駐站記者嚴(yán)德勇;6年送學(xué)培養(yǎng)值不值?[N];戰(zhàn)士報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 江鋮;光學(xué)遙感影像空間分辨率提升的正則化方法研究[D];武漢大學(xué);2015年

2 郭賢;基于張量的遙感影像去噪、特征提取和分類方法研究[D];武漢大學(xué);2015年

3 張麗;遙感影像協(xié)同處理體系及攝影測量應(yīng)用研究[D];解放軍信息工程大學(xué);2015年

4 高永剛;多尺度多平臺遙感影像在城市遙感中的應(yīng)用研究[D];福州大學(xué);2013年

5 王賢敏;機(jī)密空間信息隱藏與遙感影像授權(quán)使用[D];武漢大學(xué);2005年

6 劉亞嵐;遙感影像群判讀技術(shù)的試驗(yàn)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

7 程起敏;基于內(nèi)容的遙感影像庫檢索關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

8 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學(xué);2011年

9 鄧冰;遙感影像信息度量方法研究[D];武漢大學(xué);2009年

10 柳稼航;基于視覺特征的高分辨率光學(xué)遙感影像目標(biāo)識別與提取技術(shù)研究[D];上海交通大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄧董建;基于稀疏表達(dá)的遙感影像的多時相融合[D];中國地質(zhì)大學(xué)(北京);2015年

2 于曉;TM/ETM+遙感影像蝕變異常提取與篩選系統(tǒng)開發(fā)[D];中國地質(zhì)大學(xué)(北京);2015年

3 劉佳岐;基于Landsat8遙感影像的扶風(fēng)縣蘋果園地信息提取研究[D];西北農(nóng)林科技大學(xué);2015年

4 張健;基于多源數(shù)據(jù)的遙感地質(zhì)構(gòu)造解譯[D];長安大學(xué);2015年

5 呂璐凌;一種基于地面控制點(diǎn)的遙感影像幾何校正方法研究[D];浙江大學(xué);2016年

6 張曉兵;基于HBase的彈性可視化遙感影像存儲系統(tǒng)[D];浙江大學(xué);2016年

7 吳曉東;遙感影像航行方位物提取技術(shù)研究[D];解放軍信息工程大學(xué);2015年

8 李美玲;基于GF-1遙感影像的道路提取研究[D];北京林業(yè)大學(xué);2016年

9 胡茂瑩;基于高分二號遙感影像面向?qū)ο蟮某鞘蟹课菪畔⑻崛》椒ㄑ芯縖D];吉林大學(xué);2016年

10 何雅;基于無人機(jī)的低空遙感影像拼接技術(shù)的研究[D];吉林大學(xué);2016年

，

本文編號：568397