高光譜圖像解混方法的GPU并行設(shè)計(jì)研究.pdf

1、高光譜遙感數(shù)據(jù)由于具有空間和光譜的雙重信息，愈加廣泛地應(yīng)用在軍事、醫(yī)學(xué)、農(nóng)業(yè)以及公共安全等領(lǐng)域。但由于自然界中地物的復(fù)雜性以及高光譜圖像空間分辨率的限制使得每個(gè)像元包含了較多的物質(zhì)信息，導(dǎo)致大量混合像元的存在，從而增加了數(shù)據(jù)分析的難度，光譜解混技術(shù)可以定量地對(duì)地物屬性進(jìn)行描述。端元提取和豐度估計(jì)是高光譜解混技術(shù)中最重要的兩個(gè)主題。端元代表圖像中純粹的光譜特征，而豐度可以精確地分析混合像素的比重。在端元提取中，ATGP算法是提取端元的代表

2、算法之一;在豐度估計(jì)中，LSE和OSP是最常用的兩種方法。但是傳統(tǒng)的算法，如ATGP、LSE和OSP的設(shè)計(jì)思路，通常具有過多的矩陣求逆和乘法運(yùn)算，使得它們?cè)谲浖?shí)現(xiàn)時(shí)速度慢，在硬件上難以實(shí)現(xiàn)。因此，這些算法不能滿足許多應(yīng)用的實(shí)時(shí)需求，應(yīng)該尋找一種適合快速處理具有大量數(shù)據(jù)的遙感圖像的算法。豐度估計(jì)OVP算法和端元提取UOVP算法，其通過Gram-Schmidt正交化的思想進(jìn)行解混，不涉及任何矩陣求逆操作，更適合于并行計(jì)算。
　　本研

3、究通過深入研究豐度估計(jì)的三種算法(LSE、OSP和OVP)和非監(jiān)督式端元提取算法(ATGP和UOVP)的設(shè)計(jì)思想，分別完成了基于GPU并行平臺(tái)的設(shè)計(jì)和CPU串行平臺(tái)的LSE、OSP、OVP、ATGP和UOVP算法的設(shè)計(jì)，其中OVP算法分為CUDA架構(gòu)以及OpenMP+CUDA混合架構(gòu)兩種設(shè)計(jì)模式，并對(duì)各種算法的并行效果進(jìn)行比較和分析。分別在模擬高光譜圖像和真實(shí)高光譜圖像上進(jìn)行實(shí)驗(yàn)，縱向比較了各個(gè)算法在GPU并行情況下和CPU串行情況下的