本文選題：圖像處理單元　切入點(diǎn)：GPU性能優(yōu)化　出處：《湖南大學(xué)學(xué)報(自然科學(xué)版)》2017年04期 　論文類型：期刊論文

【摘要】：為實(shí)現(xiàn)高光譜影像數(shù)據(jù)快速降維,基于nVidia的圖像處理單元(graphic processing unit,GPU)研究最大噪聲分?jǐn)?shù)變換(Maximum Noise Fraction Rotation,MNF Rotation)降維算法的并行設(shè)計(jì)與優(yōu)化,通過對加速熱點(diǎn)并行優(yōu)化,擇優(yōu)整合,設(shè)計(jì)并實(shí)現(xiàn)基于CUBLAS(CUDA Basic Linear Algebra Subprograms)庫的MNF-L(MNF-on-Library)算法和基于CPU/GPU異構(gòu)系統(tǒng)的MNF-C(MNF-on-CUDA)算法.實(shí)驗(yàn)結(jié)果顯示MNF-L算法加速11.5~60.6倍不等,MNF-C算法加速效果最好,加速46.5~92.9倍不等.研究結(jié)果表明了GPU在高光譜影像線性降維領(lǐng)域的巨大優(yōu)勢.
[Abstract]:In order to realize fast dimensionality reduction of hyperspectral image data, the parallel design and optimization of maximum Noise Fraction rotation (MNF) reduction algorithm based on nVidia (graphic processing Unit GPU) is studied. The MNF-LU MNF-on-Library-based algorithm based on CUBLAS(CUDA Basic Linear Algebra subprograms and the MNF-Cnon-CUDA-based MNF-CU MNF-on-CUDA-based algorithm based on CPU/GPU heterogeneous systems are designed and implemented. The experimental results show that the MNF-L algorithm accelerates the MNF-C algorithm with an acceleration rate of 11.5 times or 60.6 times higher than that of the MNF-C algorithm. The results show that GPU has great advantages in the field of linear dimensionality reduction of hyperspectral images.
【作者單位】： 國防科學(xué)技術(shù)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61272146) 國防科學(xué)技術(shù)大學(xué)優(yōu)秀研究生創(chuàng)新資助項(xiàng)目(B151101)~~
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘甫平;王潤生;;高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J];國土資源遙感;2007年04期

2 余旭初;楊國鵬;馮伍法;周欣;;基于簡約集支持向量機(jī)的高光譜影像分類[J];計(jì)算機(jī)科學(xué);2010年11期

3 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年03期

4 楊可明;陳云浩;郭達(dá)志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學(xué)報;2008年01期

5 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

6 楊可明;李慧;郭達(dá)志;;基于最佳小波包基的高光譜影像特征制圖[J];測繪學(xué)報;2008年01期

7 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機(jī)的高光譜影像分類研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

8 董超;趙慧潔;;關(guān)聯(lián)向量機(jī)在高光譜影像分類中的應(yīng)用[J];遙感學(xué)報;2010年06期

9 馮海亮;潘競文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年S1期

10 杜輝強(qiáng);舒寧;;高光譜影像能量邊緣提取[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年02期

相關(guān)會議論文 前4條

1 于美嬌;董廣軍;張永生;紀(jì)松;楊靖宇;;一種基于極大后驗(yàn)估計(jì)的高光譜影像分辨率增強(qiáng)方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)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 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標(biāo)提取[A];中國地震學(xué)會空間對地觀測專業(yè)委員會2013年學(xué)術(shù)研討會論文摘要集[C];2013年

4 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學(xué)院博士后學(xué)術(shù)年會暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會議程序冊[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 楊國鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 張風(fēng);基于子空間學(xué)習(xí)的高光譜影像地物分類[D];西安電子科技大學(xué);2015年

2 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

3 楊國鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學(xué);2007年

4 潘競文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[D];重慶大學(xué);2014年

5 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 聞兵工;地物光譜特征分析技術(shù)研究[D];解放軍信息工程大學(xué);2009年

7 陳偉;高光譜影像混合像元分解技術(shù)研究[D];解放軍信息工程大學(xué);2009年

，

本文編號：1628170