近年來,基于GPU的新型異構(gòu)高性能計算模式的蓬勃發(fā)展為眾多領(lǐng)域應(yīng)用提供了良好的發(fā)展機遇,國內(nèi)外遙感專家開始引入高性能異構(gòu)計算來解決高光譜遙感影像高維空間特點所帶來的數(shù)據(jù)計算量大、實時處理難等問題。在此簡要介紹了高光譜遙感和CPU/GPU異構(gòu)計算模式,總結(jié)了近幾年國內(nèi)外基于CPU/GPU異構(gòu)模式的高光譜遙感數(shù)據(jù)處理研究現(xiàn)狀和問題;并面向共享存儲型小型桌面超級計算機,基于CPU/GPU異構(gòu)模式實現(xiàn)了高光譜遙感影像MNF降維的并行化,通過與串行程序和共享存儲的OpenMP同構(gòu)模式對比,驗證了異構(gòu)模式在高光譜遙感處理領(lǐng)域的發(fā)展?jié)摿Α?br>
【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 相關(guān)背景
    2.1 高光譜遙感研究現(xiàn)狀
    2.2 CPU/GPU異構(gòu)計算模式
    2.3 基于CPU/GPU異構(gòu)模式的高光譜遙感影像數(shù)據(jù)國內(nèi)外研究現(xiàn)狀
    2.4 存在的問題
3 基于CPU/GPU異構(gòu)系統(tǒng)的高光譜MNF并行降維
    3.1 高光譜遙感MNF降維算法原理
    3.2 高光譜遙感MNF降維算法加速熱點分析
    3.3 MNF算法加速熱點并行設(shè)計及優(yōu)化
    3.4 基于OpenMP的MNF并行降維算法
    3.5 基于CPU/GPU異構(gòu)模式的MNF并行降維算法
4 實驗結(jié)果與分析
    4.1 實驗平臺
    4.2 實驗數(shù)據(jù)
    4.3 實驗結(jié)果



本文編號：3912325