首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 718 毫秒

1.  RS(TM SPOT)影像数据纠正方法的应用探讨  
   刘波《露天采矿技术》,2008年第1期
   根据SPOT遥感卫星的成像原理和特点,讨论了基于变换关系的正射纠正的模型与方法,针对TM影像,讨论了2种纠正方法,其中几何纠正精度达到较高的水平。    

2.  基于SIFT特征的遥感影像自动配准  
   茹朝阳《城市勘测》,2009年第6期
   提出了一种基于特征点的全自动高分辨率遥感影像配准方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过RANSAC方法和双向匹配策略提高特征点的匹配精确度。最后利用同名特征点构建影像间的转换模型,实现高精度影像纠正与配准。实验结果表明,该算法具有较强的匹配能力和鲁棒性。    

3.  一种基于OPENACC的GPU加速实现高斯模糊算法  
   曾文权  胡玉贵  何拥军  林敏《计算机技术与发展》,2013年第23卷第7期
   针对使用底层API进行GPU加速时存在的编码复杂以及效率低下等缺陷,文中试图利用基于中间层的OPENACC加速技术对传统的串行代码进行改写,从而达到改善开发效率,简化代码之目的.文中以传统的串行高斯模糊算法为处理对象,在其中添加OPENACC指令,提出基于OPENACC指令的GPU加速算法,并对算法流程进行了分析和说明.通过与原生CUDA和串行高斯的结果对比之后,发现随着处理像素数量的增加,串行高斯性能呈指数变化,而CUDA和OPENAC则呈线性变化.结果表明,该算法能在不改变原有非并行代码结构的基础上,通过增加高效的OPENACC指令即可获得与CUDA近似的图像处理质量和处理性能,且较CUDA具有更高的代码开发效率.    

4.  一种基于OPENACC的GPU加速实现高斯模糊算法  
   曾文权  胡玉贵  何拥军  林敏《微机发展》,2013年第7期
   针对使用底层API进行GPU加速时存在的编码复杂以及效率低下等缺陷,文中试图利用基于中间层的OPENACC加速技术对传统的串行代码进行改写,从而达到改善开发效率,简化代码之目的。文中以传统的串行高斯模糊算法为处理对象,在其中添加OPENACC指令,提出基于OPENACC指令的GPU加速算法,并对算法流程进行了分析和说明。通过与原生CUDA和串行高斯的结果对比之后,发现随着处理像素数量的增加,串行高斯性能呈指数变化,而CUDA和OPENAC则呈线性变化。结果表明,该算法能在不改变原有非并行代码结构的基础上,通过增加高效的OPENACC指令即可获得与CUDA近似的图像处理质量和处理性能,且较CUDA具有更高的代码开发效率。    

5.  基于图像匹配的星载遥感影像自动几何精校正算法  被引次数:1
   张多坤  田兆申  龙辉  王宏琦《遥感技术与应用》,2008年第23卷第5期
   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.    

6.  基于匹配的遥感影像自动纠正方法研究  被引次数:1
   张登荣  蔡志刚  俞乐《浙江大学学报(工学版)》,2007年第41卷第3期
   针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题,提出了一套新的基于匹配技术的自动纠正算法流程.该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准.在利用Harris算子从两幅图像中分别提取特征点的基础上,通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对,再利用多项式拟合迭代法剔除错误点对.在获得大量的高精度控制点对后,利用不规则三角网(TIN)仿射变换法对影像进行纠正,并对杭州地区多源遥感影像进行纠正试验.结果表明,使用该方法选取的控制点均方根误差(RMSE)可以控制在0.5个像素以内.    

7.  在Intel Knights Corner和NVIDIA Kepler架构上OpenACC的性能可移植性分析  
   王一超  秦强  施忠伟  林新华《计算机科学》,2015年第42卷第1期
   OpenACC是一套基于指导语句方式的并行编程语言标准.编程者可以通过在代码中添加符合该标准的指导语句,经OpenACC编译器的编译,将串行代码并行化地移植到加速器或者协处理器上,进而获得异构加速器所带来的加速效果.OpenACC与CUDA和OpenCL这类异构并行编程技术的不同之处在于,它的目的是使编程者在应用移植过程中不需要考虑加速器或协处理器的底层硬件架构,从而降低编程难度.同时它也具有仅需维护一套代码便可在不同硬件平台上运行的优良跨平台性.因此,OpenACC是一个值得研究的并行编程标准.如今的异构加速硬件设备呈现出多元化趋势.在2013年11月的Top500榜单上排名第一的“天河二号”使用了48000块构建在IntelKnights Corner架构之上的协处理器.与此同时,发布不久的NVIDIA公司最新的Kepler架构GPU产品由于多年来的GPU市场积累也迅速形成了可观的用户群体.对于并非追求性能极限的应用移植者而言,寻求应用性能和移植简易性之间的平衡是相当重要的议题.只需要编写一套代码便可运行在这两种硬件平台上的OpenACC正迎合了用户在移植简易性上的需求.解决了移植的简易性之后,同一个应用在不同硬件平台上的性能表现便成了用户最想了解的问题.通过实验和构建性能模型向读者展示使用OpenACC移植的应用在Intel Knights Corner和NVIDIA Kepler架构硬件上的性能可移植性.    

8.  遥感影像处理方法及其在图集中的应用研究  
   李花  秦亮军《城市勘测》,2011年第5期
   以《广州市开发区萝岗区数字影像与规划图集》为例,研究了一种利用大比例尺地形图对高分辨率遥感影像进行处理的方法。本次研究利用QuickBird遥感卫星,采用IHS变换进行数据融合,通过重构DEM进行正射校正,应用几何成像模型进行影像几何纠正;再采用专用的转换程序对精纠正后的影像转换坐标系,将全部影像数据纳入广州独立坐标系统下;最后进行精度统计,其点位中误差为0.965 m,完全满足大比例尺影像图集的精度要求。    

9.  一种基于形态小波的遥感影像压缩编码算法  被引次数:1
   武文波  杨志高  马国锐  秦前清《中国图象图形学报》,2005年第10卷第7期
   与一般图像不同,由于遥感影像具有纹理复杂、局部相关性较弱的特点,而且影像经过小波变换后系数的空间聚类特性较明显,因此遥感影像压缩具有一定的特殊性,可是目前大多数基于小波的压缩编码算法都没有考虑小波系数的空间聚类特性,为了进一步提高编码效率,提出了一种基于形态小波的遥感影像压缩算法。该算法首先对遥感影像进行多尺度快速小波变换,然后依据遥感影像的小波能量聚类特性,采用一种形态膨胀编码算法来实现遥感影像的高效压缩编码。试验结果表明,对一般遥感图像,该算法在高倍率压缩的情况下要优于目前的JPEG2000算法;而且对多波段的遥感影像,该算法也取得了较好的压缩效果。    

10.  面向Internet的分布式遥感影像切割算法  被引次数:1
   谭庆全  刘群  毕建涛  池天河《吉林大学学报(工学版)》,2010年第40卷第1期
   为了实现遥感影像的网络快速发布,提出了一种高效的影像金字塔模型的构建算法,影像的切割与重采样均在内存中运算完成,尽可能地减少I/O操作,从而提高其执行效率。提出了面向Internet的分布式遥感影像的切割算法,并给出了基于B/S架构和基于C/S架构的两种实现方式。为了保证算法的效率与分布式结构,利用C++与Java联合编程进行实现。通过实例对算法性能进行测试,证明了算法的可操作性、实用性和高效性。    

11.  畸变差改正算法OpenCL并行加速研究  
   于梦华  王双亭  李英成  朱祥娥  刘晓龙《遥感信息》,2019年第3期
   针对畸变差改正算法的处理速度不高和CUDA实现算法加速的设备局限性问题,提出了一种OpenCL并行改进畸变差纠正算法实现加速的方法。该方法是对传统的畸变差纠正算法进行并行改进,通过调用计算机GPU的计算单元实现算法加速;采用CPU+GPU的异构模式实现算法加速,将传统算法中逐像素密集计算部分分配到GPU进行处理;与CUDA实现算法加速针对NVIDIA显卡设备不同,OpenCL并行改进的算法没有了设备的限制。实验结果表明,相对于传统算法来说,影像畸变差纠正处理速度显著提升,总体加速比最高达5.976,计算部分加速比最高达到63.432,同时在AMD显卡设备上也得到了较好的加速效果。    

12.  面向高光谱影像分类的高性能计算及存储优化  
   高伟  李维良  林妍《计算机工程与应用》,2015年第16期
   针对高光谱遥感影像分类的并行化处理,现有研究一般是通过集群和工作站来开展,成本较高,部署困难。少数基于GPU方式的研究主要是从流程的角度来论证该并行架构对提高算法效率的有效性,对于算法关键的存储器优化策略等研究相对较少或不详细。针对现有研究的不足,以CUDA架构下高光谱遥感影像的光谱波形匹配法和光谱角填图法分类的高性能计算为例,对算法存储优化策略进行重点研究,深入探讨了一系列存储优化及其改进方法。通过实验论证分析表明:存储优化策略及其改进方法有效,并且对于多种不同尺寸与数据量的影像,CUDA架构下算法的运行效率都有了较为显著的提升。同时,基于CUDA的高光谱影像分类维护了计算结果的准确性。    

13.  中巴地球资源卫星CCD 影像几何纠正方法比较  被引次数:3
   蔡喜琴  曹建君  蔡迪花  段兴  莫军凯《遥感技术与应用》,2006年第21卷第4期
   由于缺少轨道星历参数和传感器参数,无法利用共线方程模型完成中巴地球资源卫星影像的精确纠正,我们在项目中采用多项式纠正、局部区域纠正模型、有理函数模型等近似纠正模型进行中巴地球资源卫星影像纠正对比实验,对这3种纠正方法的原理、算法效率、纠正精度等方面进行对比,通过实验数据分析获得以下结论:有理函数模型是唯一支持DEM数据完成中巴地球资源卫星CCD影像正射纠正的近似纠正数学模型;多项式纠正模型效率最高;局部区域纠正模型可以达到很高的纠正精度但不适用于整景影像的纠正。    

14.  一种基于通用模型的遥感影像并行处理算法——以PCA融合为例  被引次数:1
   史园莉  李海涛  宋朝达  韩颜顺《遥感信息》,2011年第3期
   空间应用需求对遥感数据处理的时间和精度提出新的要求,为了高速、高效地解决应用需求,提出一种基于通用模型的粗粒度遥感影像并行处理算法,采用"分块驱动"和"影像处理链驱动"两种策略进行遥感影像的并行算法设计,并对其进行MPI的实现。利用PCA融合算法在集群平台上进行并行性能测试,分析结果表明该算法在集群系统上获得了良好的视觉效果和近似线性的加速比,具有较好的扩展性和移植性。    

15.  遥感影像检索中高维特征的快速匹配  
   陈慧中  陈永光  景宁  陈荦《电子与信息学报》,2011年第33卷第9期
   提高特征点匹配效率是将高维局部特征运用于遥感影像检索的关键,该文提出一种新的压缩优先过滤(CPF)索引算法。该算法通过量化特征向量构建近似向量空间上的高维索引结构,利用优先队列过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻。在CPF算法基础上提出了基于快速鲁棒性特征(SURF)的遥感影像快速检索算法。实验及分析表明,与经典的最佳桶优先(BBF)算法相比较,CPF降低了磁盘读写(I/O)和浮点运算次数,特征点数目较大时,查询效率和总体查询精度均有显著提高,基于SURF特征的遥感影像快速检索算法能快速返回正确目标与相似目标影像。    

16.  ENVI软件制作SPOT5遥感正射影像图方法初探  
   屈为刚《山西建筑》,2014年第21期
   对SPOT5卫星和ENVI进行了简要介绍,分析了卫星影像产生几何畸变的原因,探讨了遥感水文地质图正射纠正的理论与制作方法,并对其制作的技术路线、工艺流程进行了总结,以期通过正射纠正,保证遥感影像使用过程中的精度。    

17.  基于OpenMP的正射影像纠正  
   李晓静  邹峥嵘  张云生《黑龙江工程学院学报》,2014年第2期
   针对正射影像纠正计算密集的特点,提出一种基于OpenMP的正射纠正方法,对正射影像纠正过程中的两个关键步骤:投影计算和双线性重采样进行并行加速。采用数码航空影像和对应的地形数据进行试验,并且利用双核和四核计算机进行并行性能评价。试验结果表明,基于OpenMP的正射纠正能够有效提高正射影像纠正的效率。    

18.  无人机低空遥感影像的自动拼接技术研究  
   尚海兴  黄文钰《西北水电》,2012年第2期
   针对无人机低空遥感影像拼接问题,引入一种基于加速鲁棒性(SURF)特征的匹配方法,该算法具有稳健和高精度特性,能够实现低空影像的快速匹配。文章采用L-M优化的全局拼接策略,实验表明,该策略能有效减小累积误差的影响,实现了测区影像的自动全景拼接。    

19.  基于MapReduce的高分辨率遥感影像特征提取方法  
   沈盛彧  刘哲  张平仓  张彤  吴华意  陈小平《长江科学院院报》,2014年第31卷第2期
    遥感影像的数量和数据量正在呈几何级数增长,传统遥感影像处理方法已经无法应对这一海量问题。利用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计算的高分辨率遥感影像处理的研究框架下,介绍一种MapReduce遥感影像特征提取方法,实现海量高分辨率遥感影像的海量底层视觉特征的提取。通过在16个节点的Hadoop集群上进行数据量扩展和处理能力扩展实验,证明了基于MapReduce的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。    

20.  基于MapReduce的高分辨率遥感影像特征提取方法  
   沈盛彧  刘哲  张平仓  张彤  吴华意  陈小平《长江科学院院报》,2014年第2期
   遥感影像的数量和数据量正在呈几何级数增长,传统遥感影像处理方法已经无法应对这一海量问题。利用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计算的高分辨率遥感影像处理的研究框架下,介绍一种MapReduce遥感影像特征提取方法,实现海量高分辨率遥感影像的海量底层视觉特征的提取。通过在16个节点的Hadoop集群上进行数据量扩展和处理能力扩展实验,证明了基于MapReduce的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号