本文關(guān)鍵詞：基于GPU集群的Mean Shift遙感圖像分割算法并行化研究

  更多相關(guān)文章： Mean Shift算法 異構(gòu)GPU集群 圖像分割算法 OpenCL 變化檢測

【摘要】：多年來雖然涌現(xiàn)出了多種遙感圖像分割算法,但是遙感圖像分割仍然存在分割精度低、適應性差的問題。作為圖像分割領(lǐng)域比較經(jīng)典的算法,Mean Shift算法是一種基于特征向量的聚類算法,被廣泛應用在目標追蹤、圖像噪聲平滑、圖像分割等領(lǐng)域。雖然Mean Shift圖像分割算法適應性強,具有較好的分割精度,但是它是一種計算密集型算法,隨著圖像像素數(shù)據(jù)量的增大,Mean Shift算法計算量呈現(xiàn)出指數(shù)級的增長趨勢。當前,為了提升Mean Shift算法效率,解決Mean Shift算法性能瓶頸問題的主要方式是采用基于CUDA的單節(jié)點GPU加速來提升算法運算速度。然而,當前在這類研究中卻存在以下兩個問題:(1)使用CUDA編程模型實現(xiàn)的算法局限于特定的NVIDIA平臺,不能在AMD或Intel等廠商的GPU上運行,并行算法的可移植性和通用性較差;(2)單GPU平臺不能滿足多幅遙感圖像同時處理的需求。為解決Mean Shift圖像分割算法的性能問題,本文有針對性的在異構(gòu)計算系統(tǒng)GPU集群平臺上對該算法進行并行化設(shè)計與應用研究,在該異構(gòu)平臺上CPU和GPU相互協(xié)作可以最大程度提升算法效率。具體的研究內(nèi)容分為以下幾點:(1)設(shè)計并實現(xiàn)Mean Shift圖像分割并行算法,在單GPU節(jié)點上探索性能優(yōu)化方法。首先,實現(xiàn)可以在Linux環(huán)境下運行的串行算法;其次,使用Intel VTune性能分析工具分析串行算法性能問題,定位串行算法熱點;再次,分析串行算法的性能瓶頸,設(shè)計相應的算法并行化策略;然后,概括并行框架和并行流程,使用異構(gòu)計算編程模型OpenCL實現(xiàn)相應的并行算法;最后,從數(shù)據(jù)傳輸和數(shù)據(jù)分配兩個方面出發(fā),對已完成的并行算法進行優(yōu)化,進一步提升并行算法的效率。(2)將并行算法移植到異構(gòu)GPU集群平臺,提出一個合適的任務調(diào)度和負載均衡策略應用到大規(guī)模遙感圖像處理應用程序中。調(diào)度策略的實現(xiàn)依賴于MPI和OpenCL兩種編程模型,MPI用于不同節(jié)點間的粗粒度的任務劃分,OpenCL用于GPU節(jié)點工作項細粒度的負載均衡,以及計算單元中計算的實現(xiàn)。(3)將我們提出的方法與特定應用相結(jié)合,本文通過研究多時相遙感圖像變化檢測應用問題來驗證所提方法的正確性和有效性。對上述研究內(nèi)容進行測試分析,實驗結(jié)果數(shù)據(jù)表明:在單GPU平臺上,我們設(shè)計的并行算法獲得了良好的加速比;在并行算法優(yōu)化時,針對工作項的負載不均衡問題,重新設(shè)計工作項的數(shù)據(jù)分配策略,解決了算法加速比與OpenCL工作項數(shù)目的相關(guān)性問題,使得工作項數(shù)目變化時算法加速比可以穩(wěn)定在某個區(qū)間;在GPU集群上實現(xiàn)了并行算法,算法的加速比基本與GPU節(jié)點數(shù)目成線性關(guān)系,基本解決了GPU集群的負載調(diào)度問題;此外,在多時相遙感圖像變化檢測領(lǐng)域的實驗示例中,通過Mean Shift圖像分割算法與圖像差值法的結(jié)合研究,獲得了良好的檢測精度,驗證了Mean Shift圖像分割算法在多時相遙感圖像變化檢測領(lǐng)域應用的可行性。
【關(guān)鍵詞】：Mean Shift算法 異構(gòu)GPU集群 圖像分割算法 OpenCL 變化檢測
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.3 研究內(nèi)容與技術(shù)路線16-18
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 技術(shù)路線17-18
• 1.4 本文組織結(jié)構(gòu)18-19
• 第二章 圖像分割知識概述19-26
• 2.1 圖像分割的概念19-20
• 2.2 圖像分割算法分類20-22
• 2.2.1 基于邊緣的圖像分割方法20
• 2.2.2 基于區(qū)域的圖像分割方法20-21
• 2.2.3 基于閾值的圖像分割方法21
• 2.2.4 與特定理論相結(jié)合的圖像分割方法21-22
• 2.3 Mean Shift圖像分割算法理論22-25
• 2.3.1 Mean Shift算法原理22-24
• 2.3.2 Mean Shift算法處理流程24-25
• 2.4 本章小結(jié)25-26
• 第三章 異構(gòu)計算相關(guān)基礎(chǔ)26-38
• 3.1 異構(gòu)計算簡介26-29
• 3.1.1 異構(gòu)計算概述26-27
• 3.1.2 GPU體系結(jié)構(gòu)概述27-29
• 3.1.3 CPU與GPU架構(gòu)的區(qū)別29
• 3.2 異構(gòu)系統(tǒng)編程模型29-35
• 3.2.1 MPI編程模型介紹29-32
• 3.2.2 OpenCL編程模型介紹32-35
• 3.3 異構(gòu)系統(tǒng)的任務調(diào)度35-37
• 3.4 本章小結(jié)37-38
• 第四章 基于GPU集群的Mean Shift圖像分割算法并行化實現(xiàn)38-65
• 4.1 Mean Shift串行算法處理流程38-39
• 4.2 Mean Shift串行算法熱點分析39-43
• 4.3 Mean Shift算法并行化分析與設(shè)計43-52
• 4.3.1 Mean Shift算法整體并行化思路43-44
• 4.3.2 Mean Shift算法并行化策略44-45
• 4.3.3 Mean Shift并行算法的實現(xiàn)45-48
• 4.3.4 Mean Shift算法并行化實驗分析48-52
• 4.4 Mean Shift算法并行化優(yōu)化52-60
• 4.4.1 優(yōu)化一：數(shù)據(jù)傳輸和讀取方式優(yōu)化53-54
• 4.4.2 優(yōu)化二：數(shù)據(jù)分配方式優(yōu)化54-57
• 4.4.3 Mean Shift并行算法優(yōu)化測試57-60
• 4.5 GPU集群多任務調(diào)度60-63
• 4.6 本章小結(jié)63-65
• 第五章 基于GPU集群的并行Mean Shift算法應用65-72
• 5.1 遙感圖像變化檢測概述65-66
• 5.2 基于GPU集群的并行Mean Shift圖像分割的變化檢測66-67
• 5.3 圖像分割及變化檢測測試67-71
• 5.3.1 變化檢測性能評價指標67
• 5.3.2 實驗數(shù)據(jù)說明67-69
• 5.3.3 實驗測試分析69-71
• 5.4 本章小結(jié)71-72
• 第六章 總結(jié)與展望72-74
• 6.1 研究總結(jié)72
• 6.2 研究展望72-74
• 致謝74-75
• 參考文獻75-80
• 攻讀碩士學位期間取得的成果80-81

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李宏益;吳素萍;;Mean Shift圖像分割算法的并行化[J];中國圖象圖形學報;2013年12期

2 龔建周;陳健飛;劉彥隨;;基于E0-1 Hyperion影像地物識別與分類不同方法的效果比較[J];應用基礎(chǔ)與工程科學學報;2013年03期

3 劉慧明;張峰;宋創(chuàng)業(yè);;基于NDVI假彩色合成法的土地覆被變化監(jiān)測[J];生態(tài)科學;2013年03期

4 周家香;朱建軍;馬慧云;梅小明;;改進的Mean-Shift遙感影像分割方法[J];中南大學學報(自然科學版);2012年02期

5 李文石;姚宗寶;;基于阿姆達爾定律和蘭特法則計算多核架構(gòu)的加速比[J];電子學報;2012年02期

6 孫曉霞;張繼賢;燕琴;高井祥;;遙感影像變化檢測方法綜述及展望[J];遙感信息;2011年01期

7 丁亮;張永平;張雪英;;圖像分割方法及性能評價綜述[J];軟件;2010年12期

8 張繁;王章野;姚建;吳韜;彭群生;;應用GPU集群加速計算蛋白質(zhì)分子場[J];計算機輔助設(shè)計與圖形學學報;2010年03期

9 吳煒;沈占鋒;駱劍承;陳秋曉;胡曉東;;均值漂移高分辨率遙感影像多尺度分割的集群實現(xiàn)[J];計算機工程與應用;2009年34期

10 李艷靈;沈軼;;基于共軛梯度法的快速Mean Shift圖像分割[J];光電工程;2009年08期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 羅旺;遙感圖像的變化檢測與標注方法研究[D];電子科技大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 馬俊峰;基于OpenCL的多GPU并行計算的研究與應用[D];哈爾濱理工大學;2014年

2 熊羽;遙感圖像變化檢測研究[D];昆明理工大學;2013年

3 付云鳳;基于閾值的圖像分割研究[D];重慶大學;2013年

4 盧建華;基于直方圖閾值法的遙感圖像分割算法研究[D];福建農(nóng)林大學;2013年

5 范元章;多時相遙感圖像變化檢測方法研究[D];西安電子科技大學;2010年

，

本文編號：633149