本文關(guān)鍵詞：面向桌面系統(tǒng)的高光譜遙感影像線性降維異構(gòu)并行算法研究與實(shí)現(xiàn)

  更多相關(guān)文章： 高光譜線性降維 桌面超級(jí)計(jì)算系統(tǒng) 異構(gòu)模式 CPU/GPU CPU/MIC OpenMP MNF LDA

【摘要】：高光譜遙感影像降維處理是高光譜遙感處理中至關(guān)重要的前提步驟。降維處理涉及大量的矩陣(向量)運(yùn)算、多次迭代和大規(guī)模循環(huán),屬于典型的計(jì)算密集型和訪存密集型任務(wù)。對(duì)遙感處理的實(shí)時(shí)性要求和高光譜數(shù)據(jù)的高維特征使降維處理的并行化成為遙感領(lǐng)域的研究熱點(diǎn)。隨著計(jì)算機(jī)硬件的發(fā)展,近年來崛起的異構(gòu)高性能計(jì)算系統(tǒng)以其強(qiáng)勁性能等特點(diǎn)成為主流計(jì)算機(jī)體系結(jié)構(gòu),為眾多領(lǐng)域大規(guī)模計(jì)算的發(fā)展提供了良好的加速平臺(tái)。而CPU/GPU和CPU/MIC異構(gòu)系統(tǒng)更是以高性價(jià)比和低能耗比引領(lǐng)了當(dāng)今綠色高性能計(jì)算時(shí)代的潮流。本文結(jié)合高光譜遙感影像的處理熱點(diǎn)——高光譜遙感影像線性降維,以及異構(gòu)高性能計(jì)算系統(tǒng)的兩種主流架構(gòu)模式——CPU/GPU和CPU/MIC異構(gòu)模式,研究如何充分發(fā)揮異構(gòu)系統(tǒng)的計(jì)算能力從而達(dá)到有效的并行降維。本文面向當(dāng)前高性能領(lǐng)域較普及的共享存儲(chǔ)型小型桌面超級(jí)計(jì)算機(jī),在實(shí)現(xiàn)傳統(tǒng)的共享存儲(chǔ)OpenMP并行程序的基礎(chǔ)上,通過實(shí)驗(yàn)結(jié)果的對(duì)比,重點(diǎn)研究、驗(yàn)證和分析了兩種異構(gòu)系統(tǒng)應(yīng)用與高光譜降維的優(yōu)勢(shì)和適用范圍,以期為高光譜遙感工程實(shí)際應(yīng)用提供借鑒。本文針對(duì)高光譜遙感影像線性降維中經(jīng)典的MNF和LDA降維算法,在Windows和Linux環(huán)境下分別分析了研究?jī)煞N算法的加速熱點(diǎn)及相應(yīng)的并行優(yōu)化策略,并實(shí)現(xiàn)基于OpenMP、CPU/GPU和CPU/MIC的并行算法。論文的主要工作和創(chuàng)新點(diǎn)如下:(1)全面綜述了高光譜遙感影像降維、CPU/GPU和CPU/MIC異構(gòu)模式及OpenMP的相關(guān)內(nèi)容,包括:相關(guān)概念、背景和研究現(xiàn)狀等。深入研究了兩種異構(gòu)模式,包括各自的體系結(jié)構(gòu)、工作方式和各種相關(guān)模型。研究了本文實(shí)驗(yàn)使用的并行編程模型(OpenMP、CUDA)。針對(duì)本文實(shí)驗(yàn)平臺(tái)的并行優(yōu)化策略和技術(shù)進(jìn)行了詳細(xì)分析。(2)分別在Windows和Linux環(huán)境下,基于OpenMP、CPU/GPU和CPU/MIC異構(gòu)模式研究并提出了一系列高光譜遙感影像MNF并行降維算法。在深入分析高光譜遙感影像線性降維MNF算法的原理和加速熱點(diǎn)的基礎(chǔ)上,設(shè)計(jì)了基于濾波、協(xié)方差矩陣計(jì)算、MNF變換這3個(gè)并行熱點(diǎn)的并行及優(yōu)化策略;提出并實(shí)現(xiàn)兩種環(huán)境下的OpenMP、Windows下的CPU/GPU和Linux下的CPU/MIC四組并行降維算法,最后分析對(duì)比兩種異構(gòu)系統(tǒng)在MNF算法應(yīng)用上的特點(diǎn),總結(jié)各自的適用范圍。實(shí)驗(yàn)結(jié)果驗(yàn)證了四組并行降維算法均取得了良好的加速效果,異構(gòu)模式的性能尤其突出。其中基于CPU/MIC異構(gòu)模式的并行MNF降維算法獲得了最高121倍的計(jì)算加速比(不含I/O)和最高48.86倍的總加速比(不含I/O)。(3)分別在Windows和Linux環(huán)境下,基于OpenMP、CPU/GPU和CPU/MIC異構(gòu)模式研究并提出了一系列高光譜遙感影像LDA并行降維算法。在詳細(xì)研究LDA線性降維算法原理和并行熱點(diǎn)的基礎(chǔ)上,針對(duì)LDA變換這一加速熱點(diǎn),設(shè)計(jì)了基于OpenMP、CPU/GPU和CPU/MIC的并行及優(yōu)化策略,提出并實(shí)現(xiàn)兩種環(huán)境下的OpenMP、Windows下的CPU/GPU和Linux下的CPU/MIC四組并行降維算法。通過分析實(shí)驗(yàn)結(jié)果,對(duì)比兩類異構(gòu)模式在LDA算法應(yīng)用上的特點(diǎn)。實(shí)驗(yàn)結(jié)果表明,四組并行算法均取得了較好的性能提升,也驗(yàn)證了異構(gòu)模式具有強(qiáng)大的計(jì)算性能。其中Windows環(huán)境下的基于CPU/GPU的并行算法獲得了最高63.96倍的計(jì)算加速比和最高49.77倍的總加速比;Linux環(huán)境下的OpenMP并行算法獲得了最高62.01倍的計(jì)算加速比和最高43.45倍的總加速比;Linux環(huán)境下基于CPU/MIC的并行算法獲得了最高59.49倍的計(jì)算加速比和最高26.56倍的總加速比。最后針對(duì)MIC總加速比最低的現(xiàn)象進(jìn)行了分析,研究問題規(guī)模和轉(zhuǎn)置開銷對(duì)該并行方案的影響,并探討了兩種協(xié)處理器的適用范圍。
【關(guān)鍵詞】：高光譜線性降維 桌面超級(jí)計(jì)算系統(tǒng) 異構(gòu)模式 CPU/GPU CPU/MIC OpenMP MNF LDA
【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 摘要10-12
• ABSTRACT12-14
• 第一章 緒論14-26
• 1.1 課題研究背景14-18
• 1.2 課題研究?jī)?nèi)容18-19
• 1.3 課題相關(guān)研究工作19-23
• 1.3.1 高光譜降維處理方法及研究現(xiàn)狀19-20
• 1.3.2 OpenMP及研究現(xiàn)狀20-21
• 1.3.3 CPU/GPU異構(gòu)系統(tǒng)及研究現(xiàn)狀21-22
• 1.3.4 CPU/MIC異構(gòu)系統(tǒng)及研究現(xiàn)狀22-23
• 1.4 本文實(shí)驗(yàn)平臺(tái)23
• 1.5 本文實(shí)驗(yàn)數(shù)據(jù)23-24
• 1.6 本文結(jié)構(gòu)24-26
• 第二章 異構(gòu)模式及其優(yōu)化研究26-38
• 2.1 主流異構(gòu)模式26-28
• 2.1.1 CPU/GPU異構(gòu)模式26-27
• 2.1.2 CPU/MIC異構(gòu)模式27-28
• 2.2 GPU協(xié)處理器28-32
• 2.2.1 GPU概述28-29
• 2.2.2 GPU硬件架構(gòu)29
• 2.2.3 CUDA編程模型29-30
• 2.2.4 GPU存儲(chǔ)模型30-31
• 2.2.5 GPU執(zhí)行模型31-32
• 2.3 MIC協(xié)處理器32-36
• 2.3.1 MIC概述32
• 2.3.2 MIC硬件架構(gòu)32-34
• 2.3.3 MIC軟件架構(gòu)34
• 2.3.4 MIC編程模型34-35
• 2.3.5 OpenMP編程模型35-36
• 2.4 相關(guān)并行優(yōu)化技術(shù)研究36-37
• 2.4.1 OpenMP優(yōu)化技術(shù)研究36
• 2.4.2 CPU/GPU異構(gòu)優(yōu)化技術(shù)研究36
• 2.4.3 CPU/MIC異構(gòu)優(yōu)化技術(shù)研究36-37
• 2.5 本章小結(jié)37-38
• 第三章 MNF降維算法在異構(gòu)系統(tǒng)上的協(xié)同計(jì)算38-60
• 3.1 高光譜影像MNF降維算法與加速熱點(diǎn)分析38-41
• 3.1.1 MNF降維算法原理38
• 3.1.2 基于高光譜遙感影像降維的MNF算法流程38-39
• 3.1.3 MNF算法加速熱點(diǎn)分析39-41
• 3.2 MNF算法并行設(shè)計(jì)及優(yōu)化41-49
• 3.2.1 基于OpenMP的MNF并行降維算法41-44
• 3.2.2 基于CPU/GPU的MNF并行降維算法44-47
• 3.2.3 基于CPU/MIC的MNF并行降維算法47-49
• 3.3 實(shí)驗(yàn)結(jié)果與性能分析49-59
• 3.3.1 MNF串行降維算法49
• 3.3.2 基于OpenMP的MNF并行降維算法49-51
• 3.3.3 基于CPU/GPU的MNF并行降維算法51-54
• 3.3.4 基于CPU/MIC的MNF并行降維算法54-59
• 3.4 本章小結(jié)59-60
• 第四章 LDA降維算法的并行計(jì)算60-78
• 4.1 高光譜影像LDA降維算法與加速熱點(diǎn)分析60-63
• 4.1.1 LDA降維算法60-61
• 4.1.2 基于高光譜遙感影像降維的LDA算法流程61-62
• 4.1.3 LDA算法加速熱點(diǎn)分析62-63
• 4.2 LDA降維算法并行設(shè)計(jì)及優(yōu)化63-68
• 4.2.1 基于OpenMP的LDA并行降維算法63-64
• 4.2.2 基于CPU/GPU異構(gòu)系統(tǒng)的LDA并行降維算法64-66
• 4.2.3 基于CPU/MIC異構(gòu)系統(tǒng)的LDA并行降維算法66-68
• 4.3 LDA算法實(shí)驗(yàn)結(jié)果及分析68-77
• 4.3.1 LDA串行降維算法68-69
• 4.3.2 基于OpenMP的LDA并行降維算法69-71
• 4.3.3 基于CPU/GPU異構(gòu)系統(tǒng)的LDA并行降維算法71-73
• 4.3.4 基于CPU/MIC異構(gòu)系統(tǒng)的LDA并行降維算法73-77
• 4.4 本章小結(jié)77-78
• 第五章 結(jié)束語(yǔ)與工作展望78-80
• 5.1 工作總結(jié)78-79
• 5.2 工作展望79-80
• 致謝80-82
• 參考文獻(xiàn)82-86
• 作者在學(xué)期間取得的學(xué)術(shù)成果86

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫釗;高光譜遙感的應(yīng)用[J];貴州教育學(xué)院學(xué)報(bào)(自然科學(xué));2004年04期

2 杜培軍;陳云浩;;高光譜遙感信息智能處理的若干理論與技術(shù)問題[J];科技導(dǎo)報(bào);2006年01期

3 孫琦;鄭小賢;劉東蘭;;高光譜遙感獲取伐區(qū)調(diào)查數(shù)據(jù)的應(yīng)用綜述[J];林業(yè)資源管理;2006年05期

4 潘偉;夏麗麗;;高光譜遙感分類方法研究[J];福建電腦;2007年01期

5 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測(cè)繪科學(xué);2008年S3期

6 張利;戚浩平;;高光譜遙感及其在青藏高原的應(yīng)用潛力分析[J];測(cè)繪科學(xué);2008年S1期

7 岳躍民;王克林;張兵;陳正超;;高光譜遙感在生態(tài)系統(tǒng)研究中的應(yīng)用進(jìn)展[J];遙感技術(shù)與應(yīng)用;2008年04期

8 周磊;辛?xí)云?李剛;楊桂霞;張宏斌;;高光譜遙感在草原監(jiān)測(cè)中的應(yīng)用[J];草業(yè)科學(xué);2009年04期

9 方紅亮,田慶久;高光譜遙感在植被監(jiān)測(cè)中的研究綜述[J];遙感技術(shù)與應(yīng)用;1998年01期

10 王建宇;高光譜遙感──給人類配上一副神眼[J];世界科學(xué);1999年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張霞;劉良云;趙春江;張兵;;利用高光譜遙感圖像估算小麥氮含量研究[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2002年

2 杜培軍;陳云浩;;高光譜遙感信息智能處理的基礎(chǔ)研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 徐元進(jìn);胡光道;;取締閥值的高光譜遙感光譜匹配分類信息制圖[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

4 張永強(qiáng);文麗萍;王振營(yíng);;高光譜遙感在監(jiān)測(cè)作物受病蟲肥脅迫中的應(yīng)用[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 王藝婷;黃世奇;王紅霞;;從信息的角度看高光譜遙感技術(shù)[A];國(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

6 李京;蔣衛(wèi)國(guó);;高光譜遙感在濕地監(jiān)測(cè)與分類中的應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

7 房華樂;任潤(rùn)東;蘇飛;梁勇;;高光譜遙感在農(nóng)業(yè)中的應(yīng)用[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

8 黃娟;郭明克;張永梅;閆濤;王寧;;利用高光譜遙感資料提取赤潮信息方法研究[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2002年

9 杜培軍;方濤;林卉;;高光譜遙感影像降維方法研究[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

10 王新鴻;唐伶俐;馬靈玲;;高光譜遙感在內(nèi)陸水質(zhì)監(jiān)測(cè)中的應(yīng)用[A];現(xiàn)代測(cè)量技術(shù)與地理信息系統(tǒng)科技創(chuàng)新及產(chǎn)業(yè)發(fā)展研討會(huì)論文集[C];2009年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 張學(xué)君;高光譜遙感技術(shù)助力覆蓋區(qū)找礦[N];中國(guó)國(guó)土資源報(bào);2011年

2 記者 金小平;中國(guó)地調(diào)局舉辦高光譜遙感找礦培訓(xùn)班[N];中國(guó)礦業(yè)報(bào);2007年

3 中國(guó)科學(xué)院院士、國(guó)際歐亞科學(xué)院院士 童慶禧;我國(guó)高光譜遙感的發(fā)展[N];中國(guó)測(cè)繪報(bào);2008年

4 文龍 胡軍;張立福：用光譜觀測(cè)大地的人[N];科技日?qǐng)?bào);2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張海濤;基于興趣體保護(hù)的高光譜遙感圖像壓縮技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2014年

2 王霄鵬;黃河三角洲濕地典型植被高光譜遙感研究[D];大連海事大學(xué);2014年

3 孫蕾;小波構(gòu)造理論及其在高光譜遙感圖像去噪與壓縮中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

4 譚炳香;高光譜遙感森林類型識(shí)別及其郁閉度定量估測(cè)研究[D];中國(guó)林業(yè)科學(xué)研究院;2006年

5 田豐;全波段（0.35～25μm）高光譜遙感礦物識(shí)別和定量化反演技術(shù)研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2010年

6 劉康;基于主動(dòng)學(xué)習(xí)的高光譜圖像分類技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

7 劉偉東;高光譜遙感土壤信息提取與挖掘研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

8 沈照慶;基于支持向量機(jī)（SVM）的高光譜影像智能化分析關(guān)鍵問題研究[D];武漢大學(xué);2010年

9 馮燕;高光譜圖像壓縮技術(shù)研究[D];西北工業(yè)大學(xué);2006年

10 葉成名;基于高光譜遙感的青藏高原巖礦信息提取方法與應(yīng)用研究[D];成都理工大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 柳家福;基于GPU的礦產(chǎn)資源高光譜遙感探測(cè)數(shù)據(jù)快速處理[D];南京理工大學(xué);2015年

2 張小東;基于光譜解混的高光譜遙感烴弱信息提取[D];成都理工大學(xué);2015年

3 劉淼;不同營(yíng)養(yǎng)水平冬小麥長(zhǎng)勢(shì)高光譜遙感監(jiān)測(cè)[D];西北農(nóng)林科技大學(xué);2016年

4 牛璐璐;航空高光譜遙感影像自動(dòng)拼接技術(shù)研究[D];吉林大學(xué);2016年

5 丁小輝;基于蟻群算法的高光譜遙感影像地物分類研究[D];中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2016年

6 顏丙囤;基于“星—地”遙感數(shù)據(jù)的植被參數(shù)反演模型研究與應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2016年

7 湯媛媛;面向桌面系統(tǒng)的高光譜遙感影像線性降維異構(gòu)并行算法研究與實(shí)現(xiàn)[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

8 陳東來;高光譜遙感場(chǎng)景成像模型研究[D];哈爾濱工業(yè)大學(xué);2009年

9 楊文韜;一種結(jié)合萬有引力的高光譜遙感影像無監(jiān)督分類算法[D];成都理工大學(xué);2011年

10 顧桂華;高光譜遙感場(chǎng)景模型仿真研究[D];哈爾濱工業(yè)大學(xué);2008年

，

本文編號(hào)：714055