本文關(guān)鍵詞：基于改進(jìn)atrous小波分解的遙感影像快速融合方法的研究

  更多相關(guān)文章： atrous小波分解 遙感影像融合 并行計(jì)算 CUDA

【摘要】：從20世紀(jì)70年代開(kāi)始,我國(guó)在航空航天、空間信息化以及遙感技術(shù)等領(lǐng)域呈現(xiàn)出蓬勃發(fā)展的趨勢(shì)。衛(wèi)星遙感作為遙感領(lǐng)域的分支,在軍事領(lǐng)域和經(jīng)濟(jì)建設(shè)中發(fā)揮了重要的作用。自“十二五”以來(lái),我國(guó)的民用航天業(yè)提出了新的發(fā)展目標(biāo)和方向,衛(wèi)星遙感技術(shù)的發(fā)展達(dá)到了新的高度。隨著越來(lái)越多的遙感衛(wèi)星發(fā)射成功,多種多樣的傳感器被投入使用,由于從單一傳感器獲得的影像在光譜信息和空間分辨率方面存在一定的局限性,因此需要將來(lái)自不同傳感器的遙感數(shù)據(jù)融合在一起。另一方面由于從衛(wèi)星上傳回的遙感數(shù)據(jù)的數(shù)據(jù)量成倍的增長(zhǎng),通過(guò)提升硬件性能來(lái)提高處理速度的方式已經(jīng)遇到瓶頸,從傳統(tǒng)的計(jì)算模式得到的融合圖像在時(shí)效性上已遠(yuǎn)遠(yuǎn)無(wú)法滿(mǎn)足日益增長(zhǎng)的遙感數(shù)據(jù)的處理需求。針對(duì)這些問(wèn)題,本文主要做了以下研究:1.介紹了各種常用融合算法的區(qū)別與優(yōu)缺點(diǎn),分析了基于atrous小波分解的融合算法相對(duì)于其他融合算法在并行計(jì)算中的優(yōu)勢(shì)。針對(duì)atrous小波分解過(guò)程中存在細(xì)節(jié)丟失和融合結(jié)果模糊的問(wèn)題,提出了一種基于高提升濾波和atrous小波分解的遙感圖像融合算法。通過(guò)利用高提升濾波強(qiáng)化atrous小波分解過(guò)程中得到的小波面來(lái)達(dá)到強(qiáng)化融合結(jié)果中細(xì)節(jié)分量的作用。然后通過(guò)實(shí)驗(yàn)驗(yàn)證,證明了改進(jìn)后的算法在信息密度比較大,地貌比較復(fù)雜的地區(qū)可以更好的還原數(shù)據(jù)的真實(shí)性。2.深入分析了CUDA并行架構(gòu)的結(jié)構(gòu)特點(diǎn)、功能特性和設(shè)計(jì)原理。在此基礎(chǔ)上,提出了基于GPU的并行優(yōu)化策略,根據(jù)并行優(yōu)化策略建立了并行的遙感影像融合方法。具體描述了如何利用CUDA并行架構(gòu)對(duì)改進(jìn)后的atrous小波融合進(jìn)行加速,并展示了核心部分的代碼實(shí)現(xiàn)。最后通過(guò)實(shí)驗(yàn)對(duì)比了串行執(zhí)行方式和并行執(zhí)行方式在執(zhí)行效率上的差異以及改進(jìn)后的atrous小波變換相對(duì)于傳統(tǒng)的atrous小波變換在效率上的優(yōu)勢(shì)。
【關(guān)鍵詞】：atrous小波分解 遙感影像融合 并行計(jì)算 CUDA
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP751
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 1 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.2.1 遙感圖像融合的發(fā)展及研究現(xiàn)狀10
• 1.2.2 數(shù)字圖像并行計(jì)算研究現(xiàn)狀10-12
• 1.3 主要研究?jī)?nèi)容和論文結(jié)構(gòu)12-13
• 2 相關(guān)技術(shù)介紹13-21
• 2.1 基于CUDA的并行計(jì)算簡(jiǎn)介13-16
• 2.1.1 GPU13-14
• 2.1.2 CUDA并行架構(gòu)14-16
• 2.2 圖像融合算法簡(jiǎn)介16-19
• 2.2.1 像素級(jí)圖像融合16-18
• 2.2.2 特征級(jí)圖像融合18-19
• 2.2.3 決策級(jí)圖像融合19
• 2.3 本章小節(jié)19-21
• 3 基于改進(jìn)atrous小波分解的融合算法21-29
• 3.1 高提升濾波21-22
• 3.2 基于atrous小波分解的圖像融合22-23
• 3.3 基于高提升濾波和atrous小波分解的融合算法23-25
• 3.4 試驗(yàn)結(jié)果分析25-28
• 3.5 本章小結(jié)28-29
• 4 基于CUDA的遙感影像融合方法29-41
• 4.1 CUDA并行處理設(shè)計(jì)29-33
• 4.1.1 并行優(yōu)化策略29-31
• 4.1.2 并行處理流程31-33
• 4.2 改進(jìn)atrous小波融合算法的CUDA實(shí)現(xiàn)33-37
• 4.2.1 語(yǔ)法介紹33-34
• 4.2.2 核心代碼介紹34-37
• 4.3 實(shí)驗(yàn)與結(jié)果分析37-39
• 4.3.1 計(jì)算運(yùn)行時(shí)間37
• 4.3.2 實(shí)驗(yàn)環(huán)境37-38
• 4.3.3 實(shí)驗(yàn)結(jié)果分析38-39
• 4.4 本章小節(jié)39-41
• 5 結(jié)論與展望41-43
• 5.1 本文總結(jié)41-42
• 5.2 展望42-43
• 參考文獻(xiàn)43-46
• 致謝46-47
• 攻讀碩士期間發(fā)表的論文及科研成果情況47-48

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 肖新耀;許寧;尤紅建;;一種基于à trous小波和聯(lián)合稀疏表示的遙感圖像融合方法[J];遙感技術(shù)與應(yīng)用;2015年05期

2 張濤;劉軍;楊可明;羅文杉;張育育;;結(jié)合Gram-Schmidt變換的高光譜影像諧波分析融合算法[J];測(cè)繪學(xué)報(bào);2015年09期

3 李曉敏;張杰;馬毅;任廣波;;基于主成分分析和決策級(jí)融合的高光譜圖像分類(lèi)方法研究[J];海洋科學(xué);2015年02期

4 樊華;趙國(guó)春;韓艷杰;劉明軍;李曉琴;孫永軍;;改進(jìn)的ISH變換和小波變換相結(jié)合的圖像融合[J];CT理論與應(yīng)用研究;2014年05期

5 劉立坤;;多源圖像融合綜述[J];河南科技;2013年07期

6 熊超;程翥;王壯;;利用CUDA加速連續(xù)波雷達(dá)測(cè)速算法[J];現(xiàn)代電子技術(shù);2011年23期

7 徐鵬杰;鄧?yán)?;遙感技術(shù)在減災(zāi)救災(zāi)中的應(yīng)用[J];遙感技術(shù)與應(yīng)用;2011年04期

8 盧風(fēng)順;宋君強(qiáng);銀福康;張理論;;CPU/GPU協(xié)同并行計(jì)算研究綜述[J];計(jì)算機(jī)科學(xué);2011年03期

9 王建明;張樹(shù)斌;;淺談GPU在遙感影像融合中的應(yīng)用[J];太原科技;2010年01期

10 后斌;喬偉峰;孫在宏;;基于HIS變換與àtrous小波分解的遙感影像融合[J];南京師大學(xué)報(bào)(自然科學(xué)版);2006年01期

，

本文編號(hào)：956831