【摘要】：高光譜遙感技術(shù)在地球科學(xué)領(lǐng)域應(yīng)用廣泛,并取得了巨大的成功,礦產(chǎn)資源探測(cè)是其在地質(zhì)勘測(cè)領(lǐng)域重要的應(yīng)用之一。但高光譜遙感數(shù)據(jù)規(guī)模大、計(jì)算復(fù)雜度高,實(shí)際應(yīng)用中的數(shù)據(jù)處理效率是一個(gè)很大的挑戰(zhàn)。近年來GPU(graphics processing unit)通用計(jì)算技術(shù)快速發(fā)展,GPU具有處理核心多、處理能力強(qiáng)以及存儲(chǔ)器帶寬高的特點(diǎn),能有效提高海量數(shù)據(jù)處理的效率。同時(shí),GPU硬件體積小、重量輕、花費(fèi)少,具有較大的應(yīng)用潛力。本文在分析CPU+GPU異構(gòu)編程模型的基礎(chǔ)上,研究了高光譜遙感巖礦信息提取原理,基于特征提取、端元提取、光譜匹配等提出了基于GPU/CUDA的礦產(chǎn)資源高光譜遙感探測(cè)數(shù)據(jù)快速處理方法,給出了具體的并行優(yōu)化算法,并利用實(shí)際高光譜遙感探測(cè)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了方法的有效性和快速處理能力。論文工作主要包括：首先,在研究遙感探測(cè)數(shù)據(jù)巖礦信息提取理論的基礎(chǔ)上,提出了一套基于GPU的高光譜遙感數(shù)據(jù)巖礦信息快速提取方法。詳細(xì)分析了地物的光譜特性以及礦物光譜反射和吸收機(jī)理,結(jié)合高光譜數(shù)據(jù)的特點(diǎn),基于GPU/CUDA設(shè)計(jì)了以特征提取、端元提取、包絡(luò)線去除以及光譜匹配為關(guān)鍵步驟的高光譜巖礦信息提取快速處理流程與算法。其次,針對(duì)巖礦信息快速提取流程中的關(guān)鍵步驟分別進(jìn)行了GPU的并行優(yōu)化設(shè)計(jì)與實(shí)現(xiàn),提出了相應(yīng)的性能優(yōu)化策略,包括優(yōu)化算法流程、提高訪存效率和減少數(shù)據(jù)訪問沖突等。(1)采用PCA(principal component analysis,主成分分析)算法進(jìn)行特征提取,對(duì)PCA中協(xié)方差矩陣計(jì)算方法進(jìn)行改進(jìn),優(yōu)化了像元去均值計(jì)算流程,并合理分配GPU/CPU計(jì)算任務(wù)；(2)采用PPI(pixel purity index,純凈像元指數(shù))算法進(jìn)行端元提取,對(duì)該算法計(jì)算流程進(jìn)行優(yōu)化,并在該算法中將傳統(tǒng)向量投影問題轉(zhuǎn)換為矩陣相乘進(jìn)行并行優(yōu)化；(3)采用包絡(luò)線去除與SAM(spectral angle match,光譜角匹配)相結(jié)合的算法進(jìn)行地物光譜匹配,利用像元間計(jì)算獨(dú)立性強(qiáng)、并行程度高的特點(diǎn),將像元集并發(fā)計(jì)算,并通過線程映射、存儲(chǔ)優(yōu)化等方式進(jìn)行并行優(yōu)化。然后在GPU/CUDA平臺(tái)上利用實(shí)際的高光譜數(shù)據(jù)進(jìn)行了巖礦信息提取填圖實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明提出的并行設(shè)計(jì)模型與優(yōu)化方法,能夠快速有效地利用高光譜遙感數(shù)據(jù)進(jìn)行巖礦信息提取,在保證提取精度的基礎(chǔ)上最大加速比達(dá)到81倍。最后,基于CPU+GPU異構(gòu)平臺(tái)研究了基于組合核的支撐向量機(jī)高光譜遙感圖像并行快速分類方法。礦物識(shí)別分類是礦產(chǎn)資源探測(cè)中重要環(huán)節(jié),傳統(tǒng)分類方法對(duì)樣本依賴大、分類精度低,基于組合核的支撐向量機(jī)分類方法(SVMCK)聯(lián)合像元的光譜信息以及空間信息作為SVM的核函數(shù),能夠取得較好的分類精度,但是串行算法計(jì)算耗時(shí)長(zhǎng),不能滿足實(shí)時(shí)性要求較高的遙感應(yīng)用。本文深入分析了SVMCK串行算法運(yùn)算過程和性能瓶頸,基于GPU平臺(tái)針對(duì)耗時(shí)最多的預(yù)計(jì)算核部分設(shè)計(jì)了并行優(yōu)化策略,包括將譜域中核函數(shù)的計(jì)算在設(shè)備端運(yùn)行、合理分配空域核函數(shù)計(jì)算任務(wù)、優(yōu)化算法流程提高訪存效率等。通過實(shí)際高光譜數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了優(yōu)化算法的有效性和快速分類處理能力。
[Abstract]:......
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P627

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 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

3 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

4 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

5 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

6 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

7 譚昌偉,王紀(jì)華,黃文江,劉良云,黃義德,嚴(yán)偉才;高光譜遙感在植被理化信息提取中的應(yīng)用動(dòng)態(tài)[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年05期

8 陶秋香;;植被高光譜遙感分類方法研究[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

9 龔紹琦;黃家柱;李云梅;陸皖寧;王海君;王國(guó)祥;;水體氮磷高光譜遙感實(shí)驗(yàn)研究初探[J];光譜學(xué)與光譜分析;2008年04期

10 孫蕾;羅建書;;高光譜遙感圖像微分域三維混合去噪方法[J];光譜學(xué)與光譜分析;2009年10期

相關(guān)會(huì)議論文 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

相關(guān)重要報(bào)紙文章 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

相關(guān)博士學(xué)位論文 前9條

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

相關(guān)碩士學(xué)位論文 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 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

3 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

4 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

5 畢曉佳;高光譜遙感巖礦填圖應(yīng)用研究[D];成都理工大學(xué);2009年

6 李靜;地下煤火高光譜遙感信息定量提取研究[D];首都師范大學(xué);2009年

7 況軍;高光譜遙感圖像無損壓縮的研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

8 張凌雁;高光譜遙感圖像的壓縮算法研究[D];哈爾濱工程大學(xué);2005年

9 林婷;水稻鋅污染高光譜遙感監(jiān)測(cè)模型研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2011年

10 孫蕾;高光譜遙感圖像壓縮算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

，

本文編號(hào)：2416910