高光譜圖像解混方法的GPU并行設(shè)計研究.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，愈加廣泛地應用在軍事、醫(yī)學、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雜性以及高光譜圖像空間分辨率的限制使得每個像元包含了較多的物質(zhì)信息，導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)可以定量地對地物屬性進行描述。端元提取和豐度估計是高光譜解混技術(shù)中最重要的兩個主題。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)計思路，通常具有過多的矩陣求逆和乘法運算，使得它們在軟件實現(xiàn)時速度慢，在硬件上難以實現(xiàn)。因此，這些算法不能滿足許多應用的實時需求，應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OVP算法和端元提取UOVP算法，其通過Gram-Schmidt正交化的思想進行解混，不涉及任何矩陣求逆操作，更適合于并行計算。
　　本研

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