基于GPU的遥感图像IHS小波融合并行算法设计与实现

遥感图像融合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融合算法计算复杂度的增大,遥感图像融合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,面向通用计算的应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了遥感图像融合的并行加速算法,提出了适合融合执行流的并行映射模型。本文选取计算量大、计算精度高的IHS增强小波融合算法进行GPU并行设计,并针对主流的GPU平台在数据传输、循环优化、线程设计等方面进行了优化,最后在nVIDIA GTX 460 GPU上进行了实验。实验结果表明,本文设计的并行映射模型及优化策略能够很好地适用于遥感图像融合应用,最大加速比达到了114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。     

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。     

基于GPU的图像特征并行计算方法

特征提取与描述是众多计算机视觉应用的基础。局部特征提取与描述因像素级处理产生的高维计算而导致其计算复杂、实时性差,影响了算法在实际系统中的应用。研究了局部特征提取与描述中的关键共性计算模块——图像金字塔机制及图像梯度计算。基于NVIDIA GPU/CUDA架构设计并实现了共性模块的并行计算,并通过优化全局存储、纹理存储及共享存储的访问方式进一步实现了其高效计算。实验结果表明,基于GPU的图像金字塔和图像梯度计算比CPU获得了30倍左右的加速,将实现的图像金字塔和图像梯度计算应用于HOG特征提取与描述算法,相比CPU获得了40倍左右的加速。该研究对于基于GPU实现局部特征的高速提取与描述具有现实意义。     

GPU在遥感图像处理中的应用综述

遥感图像处理具有数据量大、运算密集、算法复杂等特点,如何快速、高效地处理遥感图像成为遥感图像处理技术研究的目标之一。随着通用GPU计算技术的飞速发展,GPU的运算性能不断提高,具有浮点运算能力强、运算密集度高、体积小、性能功耗比和性价比高等特点,为加速遥感图像处理提供了新的途径。本文在简要介绍与分析GPU体系结构和编程模型的基础上,对国内外遥感图像GPU处理研究的现状进行了概括性综述,并对这些研究工作的特点进行了简要分析,最后总结了研究中存在的问题并给出了一些未来的展望。     

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GPU并行计算的肺部结节图像融合探究

探讨图形处理器(GPU)并行计算在医学图像处理方面的应用。依托医院影像科室图像采集,选取100幅肺部医学图像,对图像进行预处理后,通过经典小波变换法融合图像。使用对比的方法对100幅肺部图像进行中央处理器(CPU)串行计算,利用NVIDIA公司的统一计算设备架构(CUDA),在GPU平台上进行图像融合、并行计算对比,优化算法、数据传输、内存访问及指令,采用主观评价与客观评价相结合的评价方式,验证并行计算对图像融合效果和速度的提升。结果表明,基于GPU并行计算的肺部结节图像融合对图像质量有一定的提高,对图像融合速度的提升较大,并行计算在医学影像图像融合领域应用前景广阔。     

基于NSCT变换的多源图像融合并行算法

以可见光、红外和雷达图像为数据源,利用NSCT变换灵活的融合规则,即NSCT变换低频系数采用加权平均法、高频系数采用区域能量最大法,提出了基于NSCT变换的多源图像并行融合算法。大量图像融合实验表明,针对可见光、红外和雷达图像,采用不同的融合策略,可以得到较理想的融合图像。     

基于局部学习的遥感图像融合

本文提出了一种基于局部学习的遥感图像融合方法。兵基本思想是在局部区域划融合图像与全色图像建立对应的局部线性关系。由于图像数据在局部区域相对简单,因此局部模型相比全局模型更为合理。在局部学习的基础上,将全色图像与融合图像的全局回归误差表示为图拉普拉斯的形式,其本质是利用局部学习使得融合图像保持全色图像的流形结构。同时为了保持多光谱图像的性质,通过图像的尺度空间表示,建立融合图像与多光谱例像之间的尺度关系。最后通过集成融合图像的二次拉普拉斯形式和足度空间表示,构建图像融合的全局目标函数。为了优化目标函数,本文提出了闭合求解法和快速迭代求解法。实验结果表明：本文所提出的融合方法比传统融合方法具有更好的效果。     

基于GPU的多重网格Navier-Stokes解算器并行优化方法研究

随着工业计算需求的激增,计算流体力学 (Computational Fluid Dynamics, CFD) 学科对计算效率问题越来越重视。作者基于自行开发的 Navier-Stokes 解算器,引入多重网格加速收敛算法,并结合NVIDIA GPU 计算平台,从数值方法和高性能计算两个方面为 CFD 实现加速。数值加速算例测试结果表明,基于多重网格算法的 GPU 解算器相对 CPU 版本代码双精度可获得 45 倍以上的加速。     

遥感图像融合方法研究

为了使融合图像在高空间分辨率的基础上较好地保留光谱信息,研究了高分辨率图像和多光谱图像中的高频信息的关系;在基于小波变换的图像融合方法中引入ISM模型（Inter-Band Structure Model）,改进了原有的融合方法;提出了基于ISM模型与小波变换（Wavelet Transform）（简称I-W）的图像融合方法;通过与HIS方法及PCA方法进行了实验对比,结果证明：文中所提出的方法能较好地保留图像的空间和光谱信息。     

基于GPU的高速图像融合

为了解决在CPU下实现多分辨率图像融合的传统方法速度过慢的问题,分析了基于塔型分解的图像融合的处理过程,发现其处理子过程中的数据具有密集性和独立性,且分支逻辑控制较少,恰好可充分利用GPU强大的并行处理能力.因此,将基于塔型分解的图像融合的子过程进行了并行化处理,提出了其在GPU上的实现方法,并根据GPU的硬件结构对实现方法进行了优化.最后,与在CPU上的实现结果进行了对比分析,该方案可获得27倍的加速比.     

基于影像特征融合的遥感图像重构模式研究

基于影像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合。在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。通过融合实验验证了上述结论。     

基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。     

一种基于信息融合的多源遥感图像分类方法

基于D-S证据理论提出了一种多源遥感图像分类融合的新方法。首先通过人为选择感兴趣的分类区域，提取特征获取基本概率分配函数，将待分类的多源图像进行分类融合，从而得到最终的分类结果。试验表明，相比于K-mean分类方法，这种分类融合方法可以有效地减少分类过程中的不确定性信息，提高分类精度。     

FDPPGAN: remote sensing image fusion based on deep perceptual patchGAN

Neural Computing and Applications - Remote sensing satellites can simultaneously capture high spatial resolution panchromatic (PAN) images and low spatial resolution multispectral (MS) images....     

改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

改进的基于通道注意力反馈网络的遥感图像融合算法

针对前馈卷积神经网络(CNN)感受野较小、获取上下文信息不足、其特征提取卷积层只能提取到浅层特征的问题,提出改进的基于通道注意力反馈网络的遥感图像融合算法.首先,通过两层卷积层分别初步提取全色(PAN)图像的细节特征和低分辨率多光谱(LMS)图像的光谱特征;其次,将提取的特征和网络反馈的深层特征相结合,并将其输入到通道...     

A novel remote sensing image fusion method based on independent component analysis

Environmental diversity and net primary productivity (NPP) are powerful indicators of local plant species richness (α-diversity). Remote sensing proxies of environmental diversity, such as spectral heterogeneity and NPP, are often used in modelling species richness variability, usually through regression analysis. As multicollinearity may affect analysis of species diversity, the interdependence of such proxies should be a major concern in their use. However, few attempts have been made to examine the interdependence between spectral heterogeneity and NPP proxies such as the Normalized Difference Vegetation Index (NDVI), in most cases using Ordinary Least Square (OLS) regression or Pearson correlations. We test the possible dependence of Landsat Enhanced Thematic Mapper (ETM+) local spectral heterogeneity versus NDVI using quantile regression and rejecting the main assumption of OLS regression, i.e. the symmetry of model residuals. A second-order polynomial function was fitted to the data and both OLS and quantile regression led to a humped-back relationship between spectral heterogeneity and biomass. Nonetheless while for most of the quantiles the humped-back curve was significant (with a negative and significant quadratic slope), for quantiles higher than 0.90, the parabola opened up until it reached an almost linear shape, showing that, at very low values of biomass, pixels may show high levels of local heterogeneity. Hence, patterns of spectral heterogeneity versus NDVI are possible when considering maximum potential spectral variability. We show that the investigation of all possible subsets within a scatter plot may lead to identification of patterns that remain hidden in OLS regression.