高光譜遙感目標檢測并行處理方法研究.pdf

1、光譜成像技術(shù)出現(xiàn)于二十世紀八十年代，該技術(shù)的問世創(chuàng)新性地將物質(zhì)成分決定的光譜信息與反映物質(zhì)空間存在信息結(jié)合起來，即對某一物體記錄其空間信息的同時賦予了物體獨特的光譜信息。后來，人們利用這種技術(shù)進行遠離目標和非接觸目標物體條件下的探測，并進行提取、判定、加工處理和分析應(yīng)用等，這就是所謂的遙感技術(shù)。隨著技術(shù)的進步，短短幾十年內(nèi)，遙感技術(shù)經(jīng)歷了多光譜遙感發(fā)展到了現(xiàn)在的高光譜遙感，與多光譜相比，高光譜遙感可以提供更加豐富光譜信息，其光譜分辨率也

2、較高，這就使得高光譜遙感具有了巨大的數(shù)據(jù)量，大大提高了后期數(shù)據(jù)處理的難度，尤其是在一些快速性要求較高的應(yīng)用中，數(shù)據(jù)處理嚴重滯后。因此，如何加速數(shù)據(jù)運算速度，提高算法的執(zhí)行效率，提高目標檢測的時效性是一個刻不容緩的問題。
　　基于以上問題，本文針對高光譜遙感目標檢測算法效率問題，提出一種將目標檢測快速算法作用于GPU的并行處理方法；針對目標匹配算法中稀疏系數(shù)求解較慢這一問題，提出基于因果字典殘差更新的快速OMP算法，并實現(xiàn)了GPU數(shù)

3、據(jù)并行處理，針對KRX算法檢測效率不高的缺陷，提出采用核遞歸思想的異常目標檢測算法。主要內(nèi)容包括以下幾個方面：
　　首先，在實際應(yīng)用中，高光譜遙感信息快速處理要求較低的算法復(fù)雜度和高效的數(shù)據(jù)運算。傳統(tǒng)的RX算法及其相關(guān)算法的效果并不理想，計算效率較低，本文對異常目標快速檢測算法做了推導(dǎo)，提出在GPU架構(gòu)下的并行處理方法，充分利用了GPU多運算核心的優(yōu)勢，通過CUDA編程實現(xiàn)了高光譜數(shù)據(jù)的加速計算，獲得了較高的加速比，基本可滿足一些

4、應(yīng)用對于快速處理的需求。
　　其次，稀疏理論逐漸應(yīng)用到高光譜目標檢測算法，但稀疏系數(shù)求解速度較慢，針對這一問題，提出基于因果字典殘差更新的快速OMP算法，通過應(yīng)用Hermitian引理避免了高維矩陣數(shù)據(jù)重復(fù)計算，為進一步提高算法執(zhí)行效率，調(diào)用GPU大量線程并行計算，與串行算法相比，并行處理方法在效率上加速高達33.2倍，實現(xiàn)了快速處理。
　　最后，基于核機器學(xué)習(xí)的KRX算法能充分利用高光譜波段間的非線性光譜特性，在數(shù)據(jù)的光譜