网络并行计算在图象处理中的应用

当前随着计算要求的不断提高,并行计算发展方法未艾,网络并行计算更成为新的潮流,在并行处理中,图象处理是一个重要的应用领域。提出一种动态并行方法,以此实现Ｍａｎｄｅｌｂｒｏｔ图形。通过对实验数据的分析,对于任务规模和并行计算的加速比进行了研究。     

PVM网络并行计算实现方案

使用双网卡方案实现了基于PVM平台的网络并行计算环境，并在该环境下测试了并行整体光照算法。对实际的测试结果进行了分析，讨论了利用PVM进行网络并行计算的机制和优化方法。     

微机遥感图象处理系统

甘肃省科学院地质自然灾害防治研究所图象处理课题组经两年多的调研、组装、调试,建立了一套微机遥感图象处理系统。(包括软硬件)经一段时间试用后,于1990年12月通过了甘肃省鉴定。该系统配置合理、价格便宜、软件功能强、可操作性好,适合于科研、教学、勘测、资源调查、土地     

基于PVM的网络并行计算在遥感图像处理中的应用

并行虚拟机PVM是一种通用的网络并行程序开发环境,大数据量的地形图像处理若采用并行计算将会提高处理速度,尤其在DEM的可视化方面。该文结合“数字清江”项目中地形图像处理的具体问题,对利用基于PVM的微机网络平台进行并行计算做了有益的探索。     

Beowulf并行计算系统的研究与实现

由高档微机或RISC工作站通过高速局域网连接呵成的集群系统的实现，使高性能计算机从研究与应用领域走进普通领域。该文介绍了如何在Linux操作系统下基于分布式存储结构构造一个由普通微机组成的Beowulf并行计算系统的方法。通过编制的并行计算算法对该Beowulf系统进行了并行效率的实际测试，测试结果表明该Beowulf系统具有很高的并行计算效率和并行加速比。     

局域网上并行计算方法研究

本文阐述了一种在RedHat Linux6.1操作系统的局域网上,实现并行计算的方法。     

并行计算性能的分析和预测

基于分布存储的工作站机群系统由于具有很高的性能价格比,越来越受到高性能计算领域的重视。用户在使用机群系统时,迫切地需要一种性能监视、评估和预测的工具。THPT系统就是为满足这一需要而设计开发的。 THPT系统由两个部分组成:网络并行计算环境的实时管理和性能监测子系统MMS以及并行计算性能分析和预测子系统PAPS。本文主要对PAPS子系统进行论述。     

MPI并行编程环境的研究

以RISC工作站或高档微机通过LAN连接的机群系统已经成为并行计算的主流技术，研究适应机群系统的并行编程环境自然重要起来。在众多的并行编程环境中，应用较为广泛的有消息传递接口(MPI)标准和并行虚拟机(PVM)环境。本文重点分析了MPI编程环境，并出给了MPI并行程序设计的基本方法。     

并行计算的未来

本文探讨了从我们今天所使用的处理器过渡到新一代大规模并行系统可能遇到的挑战和可能性     

可扩展并行计算的应用与研究

文章首先介绍了并行计算机模型、可扩展性和使能技术，最后主要介绍了工作站机群系统(COW)。     

遥感影像并行处理中基于优先级的任务分配策略

对集群环境下大规模遥感影像并行计算中任务分配效率低、负载不均衡的问题进行分析讨论,在此基础上建立多机任务分配模型,提出一种基于计算节点优先级的任务分配算法。该算法综合考虑计算节点的负载和性能,在任务分配时实时地收集各个节点的信息,计算出各个计算节点的优先级,按照优先级的高低分配任务,保证在满足集群间负载均衡的前提下能合理地将任务分配到计算节点。实验结果表明,该算法能快速实时地进行任务分配,任务的分布更加合理和均匀,并且当任务个数增多时,算法的执行效率要比轮转调度算法高出约2倍。     

自适应方法在遥感图像处理中的应用研究

自适应方法为解决遥感图像处理发展中产生的新问题提供了有力的工具。自适应方法的算法、理论已经在遥感图像处理的降噪、分类、目标识别与跟踪、信息融合等诸多领域开始应用。经过试验与仿真分析,证明这些方法都取得了良好的效果。本文探讨了自适应方法在遥感图像处理中应用研究的新进展,对发展趋势作了展望。     

遥感图像K-Means并行算法研究

K-Means算法是对遥感图像在没有先验知识情况下进行无监督分类的重要算法之一,在遥感影像的分析中得到了广泛的应用.针对K-Means算法复杂,处理过程中计算时间长的缺点,人们试图寻求快速的并行处理方式.在这种并行化的探索过程中,由于K-Means算法独特的流程结构,使其并行化处理方式难以顺利进行.本文在分析K-Means算法特点的基础上,对其并行化方式进行了深入的研究.针对K-Means算法并行化在处理速度和分类精度方面存在的问题,提出了一种基于分块逼近的算法并行模型,可兼顾并行效率和分类精度之间的综合要求,实现某种精度可控的并行处理.最后,根据实验结果讨论并提出了迭代算法并行化的有效途径.     

遥感影像的高性能并行处理技术研究

随着空间遥感技术和对地观测技术的不断发展,光学、热红外和微波等不同技术手段可以获取同一地区的多种遥感影像数据（多时相、多光谱、多传感器、多平台和多分辨率等）,每天获取的遥感数据量越来越大。同时,大量的遥感应用需要快速地对这些遥感数据进行处理与分析,提供辅助决策信息。因此,如果不能及时进行数据处理,这些数据就会失去时效性,甚至失去数据本身的价值。高性能计算与并行处理技术,加速了遥感影像数据处理与信息提取的进度,如大规模多处理系统、网格与云计算技术、通用图形处理器（GPGPU）等。文中综述了高性能计算、并行处理及云计算技术应用于遥感领域的最新进展,给出了一些研究与应用范例,并提出了当前高性能遥感影像处理所面临的一些挑战。     

遥感超谱（Hyperspectral）图象处理技术

由于遥感超谱图象谱分辨高的提高,如今已可以获得比多光谱图象更丰富的信息,并使得许多原先用多光谱信息不能解决的问题现在可以得到解决,它的问世是遥感技术应用的一个重大飞跃。另外,分类和压缩是目前国际上对超谱图象研究非常活跃的两个相对彼此独立、又相互联系的专题,因为压缩可以看作是给不同的子块分配不同的码字而实现的一种分类;反过来,分类也可以看作是一种提取感兴趣的地物信息的压缩。两者的差别主要在于评价最后处理结果的出发点不同,压缩一般侧重于恢复图象的平均误差,而分类则侧重于分类结果的错分概率。由于两者具有内在的相互联系,因此在实现算法上有许多相似之处,为了使人们对其发展的现状有所了解,因此对目前超谱图象分类和压缩广泛应用的方法进行了全面的综述,并对二者在应用中的相同之处和不同点作了比较分析,在此基础上,结合具体实例分别介绍了进行超谱图象分类和压缩的过程,并进行了计算机模拟仿真,最后给出了相应的结论和进一步研究的建议。     

微机遥感图像处理系统MRSIPS

MRSIPS是面向遥感应用的遥感图像处理系统与地理信息系统的综合系统,该系统具有二个重要功能:(1)用遥感数据更新 GIS 中的数据,(2)将GIS中的信息和遥感信息进行综合分析,提高分类精度     

遥感图像复原网格处理*

在遥感图像应用中,为了满足海量数据快速处理和图像清晰化的需求, 设计了遥感图像复原网格平台的处理流程和框架,使用有约束去卷积算法对图像进行复原,采用块处理和Neumann边界条件解决了网格复原中的海量数据快速处理和边界效应等问题,并基于中间件技术开发了应用软件。实验结果表明,开发的遥感图像复原网格处理平台能极大地提高海量数据的处理效率并得到满意的复原结果。     

基于C#遥感图像处理方法的研究与实现

C#是一种最新的、面向对象的编程语言,因其具有精确简单的特点而逐渐被广泛使用。文章就采用C#语言进行编程,以灰度化和线性变换为例,实现了遥感图像处理的预期效果,不仅达到了增强图像目视效果,改善图像质量的目的,而且还使编程更加方便简单,易于操作,大大缩短了编程时间。     

遥感图像处理技术在人脸识别中的应用研究

计算机人脸自动识别与遥感地物计算机判读在原理与技术上有许多相似,本实验表明,利用遥感图像处理软件对人脸图像进行裁剪、像元分类统计再结合相关计算可比较好的实现人脸识别.充分利用遥感图像处理研究成果可以促进人脸自动识别应用研究的深入进行.