高光譜圖像分類的GPU并行優(yōu)化研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、目前,高光譜遙感的應(yīng)用領(lǐng)域涵蓋了地球科學(xué)的各個(gè)方面,成為對(duì)地觀測(cè)、地圖繪制、資源勘探、災(zāi)害調(diào)查、軍事偵察等遙感應(yīng)用領(lǐng)域的新型技術(shù)手段。高光譜圖像分類是高光譜圖像分析的重要內(nèi)容之一,由于高光譜圖像分類處理具有數(shù)據(jù)量大、算法復(fù)雜度高等特點(diǎn),現(xiàn)有串行分類算法的執(zhí)行效率往往較低,很難滿足高光譜圖像處理中實(shí)時(shí)分類的需求。近年來,隨著高性能計(jì)算技術(shù)的進(jìn)步,GPU(Graphic Processing Unit)通用計(jì)算技術(shù)在科學(xué)計(jì)算領(lǐng)域得到了迅速發(fā)

2、展。與CPU相比,GPU擁有更強(qiáng)的并行計(jì)算能力和更高的浮點(diǎn)處理能力等優(yōu)點(diǎn),為加速高光譜圖像分類處理提供了新的有效途徑。
  空譜聯(lián)合的高光譜圖像分類方法,在利用像元光譜信息的同時(shí),充分考慮高光譜圖像空間上下文信息,能夠取得較高的分類精度,但空間信息的加入,亦進(jìn)一步增加了分類算法的計(jì)算量。如何在保證分類精度的同時(shí)提高算法執(zhí)行效率,是高光譜遙感信息處理領(lǐng)域一個(gè)亟待解決的關(guān)鍵問題。本文在分析高光譜圖像分類原理及GPU并行計(jì)算基礎(chǔ)上,基于

3、GPU/CUDA架構(gòu)針對(duì)空譜聯(lián)合的高光譜圖像分類進(jìn)行了并行優(yōu)化研究,并通過對(duì)比實(shí)驗(yàn),分析驗(yàn)證了算法的有效性和高效性。論文的主要工作包括:
  首先,針對(duì)基于空間相關(guān)性正則化的稀疏表示分類方法,設(shè)計(jì)了基于GPU的并行優(yōu)化方法?;诳臻g相關(guān)性正則化的稀疏表示分類方法,在稀疏表示分類模型基礎(chǔ)上通過添加空間相關(guān)性約束項(xiàng),有效提高了稀疏表示方法的分類效果,然而該方法需要在訓(xùn)練字典中為每一個(gè)測(cè)試樣本搜索表示該樣本的原子,算法復(fù)雜度較高。本文在

4、對(duì)串行算法性能分析的基礎(chǔ)上,通過任務(wù)分解和存儲(chǔ)器訪問優(yōu)化等,對(duì)計(jì)算量較大的求解過程進(jìn)行了并行優(yōu)化,有效提高了算法的分類效率,并利用實(shí)際高光譜數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)分析驗(yàn)證。
  其次,設(shè)計(jì)了基于GPU/CUDA的空譜聯(lián)合核稀疏表示分類并行優(yōu)化方法。核稀疏表示適用于非線性可分高光譜數(shù)據(jù)分類的問題,空譜聯(lián)合核稀疏表示分類方法,在核稀疏表示分類框架下,利用鄰域?yàn)V波核來描述相鄰像元的空間相似性,進(jìn)一步提高了分類效果。本文利用GPU上大規(guī)模并行線程

5、,加速核矩陣和分類模型的求解過程,并設(shè)計(jì)訪存優(yōu)化策略減少CPU和GPU間的數(shù)據(jù)交互。與CPU平臺(tái)上串行和多核并行算法的實(shí)驗(yàn)對(duì)比,驗(yàn)證了上述優(yōu)化方法的有效性和高效性。
  第三,在CPU+GPU異構(gòu)平臺(tái)上設(shè)計(jì)了基于稀疏表示和馬爾科夫場(chǎng)空間先驗(yàn)的有監(jiān)督分類的并行優(yōu)化方法。馬爾科夫場(chǎng)是對(duì)圖像空間信息建模的有效工具,在貝葉斯分類框架下,將基于l1/2正則化的稀疏表示方法與馬爾科夫場(chǎng)空間先驗(yàn)相結(jié)合進(jìn)行分類,能夠進(jìn)一步提高分類精度。本文根據(jù)算

6、法特點(diǎn),對(duì)基于稀疏表示和馬爾科夫場(chǎng)空間先驗(yàn)的有監(jiān)督分類計(jì)算過程,進(jìn)行了合理的任務(wù)分配和存儲(chǔ)優(yōu)化,綜合利用CPU的邏輯控制能力和GPU的并行計(jì)算能力,提高算法執(zhí)行效率。與串行算法相比,并行優(yōu)化后的算法取得了較高的加速比。
  最后,針對(duì)高光譜遙感信息處理的實(shí)時(shí)應(yīng)用需求,本文在貝葉斯框架下對(duì)基于稀疏多項(xiàng)式邏輯回歸(SMLR)的高光譜圖像分類方法進(jìn)行了并行優(yōu)化研究,通過對(duì)算法迭代過程的并行化重構(gòu),設(shè)計(jì)實(shí)現(xiàn)了一個(gè)實(shí)時(shí)并行分類方法,滿足了目

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論