卫星遥感图像并行几何校正算法研究

几何校正是遥感图像处理过程中的重要环节，具有计算量大、耗时长的特点，导致遥感图像处理的效率低下．该文提出一种分布存储环境下的并行几何校正算法，每个处理器通过计算本地输入子图像在目标图像中的范围，确定其需要进行重采样计算的区域，使计算过程中所需的数据均为本地数据，很好地解决了数据局部性问题．文章利用首尾相连的闭线段近似表示理想的输出图像块边界这一思想，详细讨论了局部输出区域的计算方法，并采用一种新的存储结构用于保存校正后的输出图像块信息．在机群系统上对算法进行实现，结果表明该算法具有良好的并行性能．     

遥感卫星图像系统几何校正多级并行算法

针对遥感卫星图像数据量大、系统几何校正计算复杂的问题,提出了基于SMP机群的系统几何校正多级并行算法。该算法利用MPI+OpenMP并行编程技术,节点间实现进程级粗粒度的并行,节点内实现线程级细粒度的并行。采用基于冗余存储的数据划分方式,保证了各个节点的负载均衡,减少了数据定位的复杂度;利用并行文件系统进行数据分配,避免了节点间的数据搬移,实现了数据并行读写,节点内部的并行,进一步细化了算法的并行粒度。在SMP机群系统上对资源三号卫星正视相机图像进行算法验证。结果表明,该算法充分利用了SMP机群的计算资源,具有良好的并行性能。     

基于动态分界点计算的并行几何校正算法

近年来,遥感图像几何校正的并行处理成为重点研究的对象·但现有的并行算法尚存在一些问题,这些算法不具备负载平衡能力或者全局计算量大,而且局部操作非常耗时·针对以上不足提出了一种基于动态分界点计算的并行几何校正算法PI WA-DDC·通过LogP模型,推导出PI WA-DDC算法具有良好的可扩展性·通过在MPP上的测试数据,验证了该算法具有良好的负载平衡能力和高效处理几何畸变的能力·     

基于RBF人工神经网络的遥感图像校正算法

遥感图像的几何校正是阻碍其应用的瓶颈问题。遥感图像的几何校正函数是一个非线性、不确定的复杂函数, 难以用精确的数学模型来表达问题, 对此提出了一种基于RBF 人工神经网络和地面控制点( GCP) 相结合的遥感图像几何校正算法。该算法利用RBF 网络能以任意精度逼近任意函数的特性, 模拟地表空间分布这一复杂的非线性函数。该算法原理简单, 易于实现, 是一种实用、可行的遥感图像几何校正算法。     

基于多项式的遥感图像快速几何校正

遥感图像几何校正是遥感信息处理中的重要内容之一.提出了一种遥感图像的快速几何校正算法,该算法把畸变图像划分成多个子块,分别由多个处理块对子块进行重采样计算,在重采样计算上又使用最大限度地减少坐标变换的冗余计算方法.经实例证明了该算法能够有效地提高遥感图像的处理速度.     

遥感图像的几何畸变校正方法研究

该文通过对遥感图像的几种主要几何误差计算,论述了一种直接利用图像几何误差公式和多项式近似校正相结合的图像几何畸变校正方法,并以实例证明了利用该文算法经过重采样能够得到清晰、有效的遥感数字图像。     

一种基于RBF神经网络的遥感图像校正方法

研究基于RBF神经网络的算法针对遥感图像的几何校正,给出一个简单快速的实现方案,通过对实际图像进行了校正实验,获得满意的校正结果,说明谊方法能有效地精确校正图像的几何畸变.     

基于Matlab 7.4的遥感图像近似几何校正

介绍遥感图像近似几何校正原理,提供基于Matlab 7.4的一般二次多项式遥感图像近似几何校正的关键代码,此代码也适合于其他遥感图像近似几何校正算法。     

基于图像匹配的星载遥感影像自动几何精校正算法

提出了一种新的基于匹配技术的自动几何精校正算法,可以解决遥感影像人工几何纠正方法精度差、效率低等问题。该算法基于控制点图像片与待校正影像匹配实现控制点自动选取,然后进行异常匹配检测剔除匹配错误的控制点,保证控制点选择的精确性,并最后对遥感影像实施精校正。同时,根据以往研究成果,提出了一种更加快速、有效的多判据匹配算法。以遥感影像（光学/SAR）实例进行验证,结果证明了该方法的有效性和鲁棒性。     

MODIS数据几何校正算法设计及其IDL实现

MODIS数据具有数据量大,波段多等特点,用现有遥感软件进行几何校正,人机交互多且耗时较长,导致图像处理效率低下。本文采用基于三角网的几何校正算法,在几何校正的过程中把影像分块,各块的校正算法相互独立,计算完毕后再进行拼接。本文作者用IDL(Interactive Data Language)编写了相关程序,运行结果表明,这种方法占用内存小,计算速度快,可以提高MODIS数据处理效率。     

像素级遥感图像融合并行算法研究与实现

本文针对遥感图像IHS、HPF、DWT等典型的像素级融合算法,提出并实现了相应的基于数据并行的并行融合算法P-IHS、P-HPF、P-DWT,并在算法时空复杂度分析的基础上进行了通信、I/O优化。针对IKONOS卫星遥感图像在机群系统上的测试结果表明,我们提出的并行算法可获得良好的并行加速比,并行效率较高。这三类算法适合于对实时性要求比较高的遥感应用领域。     

CPU-GPU协同计算的遥感仿真图像MTF退化并行算法

在遥感图像仿真中,为了定量模拟并分析平台抖动、探测器电子特性、大气衰减等因素对遥感成像质量的影响,需要有效计算遥感系统的调制传递函数MTF,并将其快速作用到仿真图像上。然而,由于遥感仿真图像的大数据量特性以及MTF退化包含多个计算密集型算法,使得计算效率成为一个瓶颈问题。为此,根据已有研究提出的MTF计算模型,分析了遥感仿真图像MTF退化的一般流程及主要环节的算法复杂度。在此基础上,提出了一种CPU-GPU协同计算的遥感仿真图像MTF退化并行算法。实验结果表明,该并行算法有效地发挥了GPU并行计算能力,并明显提高了MTF退化处理效率。     

面向剖分面片模板的遥感影像并行处理方法

空间数据特别是遥感影像数据的快速增加和应用需求的扩大,其组织效率和处理速度已经成为制约技术应用的瓶颈,地球剖分理论和高性能计算为上述问题解决提供了一种可能途径。针对上述问题,在遥感影像剖分面片数据模型的研究基础上,提出了剖分面片模板并行计算模式,设计并实现了一种面向剖分面片模板的遥感影像并行处理方法;该方法基于MPI（Message Passing Interface）与OpenMP（Open Multi-Processing）混合并行计算框架,构建算法并行处理模型,形成算法并行化类库,通过调用其内部方法实现计算任务的并行执行。通过一个遥感影像剖分化并行分割处理实例,验证了该方法的有效性。实验结果表明,该方法具有较好的分割效果和加速比,有一定的示范意义,为进一步提高遥感影像应用能力提供了借鉴。     

遥感图像波谱角并行分类算法

针对海量遥感数据处理提出了一种遥感图像波谱角并行分类算法.该算法是基于单机波谱角算法.针对其处理遥感图像数据速度慢、效果差、内存不足等缺点,提出了在集群环境下遥感图像波谱角并行分类算法的同步、互斥和负载均衡等策略,以及在多台设备上并行处理的方法.通过对算法的时间复杂度、加速比进行分析,并在集群环境下进行实例验证,将分类图像与知名软件ENVI进行对比,验证了算法的优越性和有效性.     

基于多核计算机的遥感影像多尺度分割

多尺度分割作为一种成熟的影像分割方法,在遥感影像信息提取中得到广泛应用,但算法整体效率较低。利用多核计算机实现了基于数据并行的遥感影像多尺度分割。传统的影像IO(Input and Output)方法在影像数据量较大的情况下无法满足多核计算机并行处理的需要,设计了一种新的影像IO策略消除了这种缺陷;此外,在遥感影像多尺度并行分割的过程中,普遍存在分割结果无法直接进行合并的问题,利用对特定区域重分割的方法在保证效率的前提下解决了这个问题。结果表明:针对各种数据量与尺寸的遥感影像,并行分割效率有了较大提升,并且分割算法具备了处理大数据量影像的能力,极大地增强了通用性。利用多核计算机提升影像分割效率取得了显著成效。     

基于分段线性回归的水质遥感图像校正算法

针对环境一号卫星拍摄到的水质遥感监测图,相对于实际水域的水质分布状况存在一定的差异,严重影响到水质监测报告的精确度,由此提出一种基于分段线性回归的水质遥感图像校正算法,利用监测水域实际测量到的实时数据和反演结果图的最小值、最大值和均值,将这3对数据进行分段线性回归,得到校正公式并完成校正。实验结果表明该算法校正精度高、速度快,极大地提高了水质监测报告的精确度。     

基于GPU的遥感图像配准并行程序设计与存储优化

遥感图像配准是遥感图像应用的一个重要处理步骤.随着遥感图像数据规模与遥感图像配准算法计算复杂度的增大,遥感图像配准面临着处理速度的挑战.最近几年,GPU计算能力得到极大提升,面向通用计算领域得到了快速发展.结合GPU面向通用计算领域的优势与遥感图像配准面临的处理速度问题,研究了GPU加速处理遥感图像配准的算法.选取计算量大计算精度高的基于互信息小波分解配准算法进行GPU并行设计,提出了GPU并行设计模型;同时选取GPU程序常用面向存储级的优化策略应用于遥感图像配准GPU程序,并利用CUDA(compute unified device architecture)编程语言在nVIDIA Tesla M2050GPU上进行了实验.实验结果表明,提出的并行设计模型与面向存储级的优化策略能够很好地适用于遥感图像配准领域,最大加速比达到了19.9倍.研究表明GPU通用计算技术在遥感图像处理领域具有广阔的应用前景.     

基于集群的海洋遥感图像融合并行计算策略

集群体系下的大规模并行计算,是高性能计算的基础。遥感图像处理效率的提高,有赖于并行计算技术的应用。在分析已有网格计算环境下分布式任务分配方法的基础上,针对海上遥感图像目标物数量相对较少的特点,首先利用四叉树结构理念对目标区域进行划分,同时采用动态负载均衡的任务分配策略与并行计算思想,提出对目标区域图像进行融合处理的集群体系任务分配算法处理模型。通过对比验证,表明该集群体系下算法模型能有效地提高图像融合的速度。