基于GPU的大规模栅格数据分块并行处理方法.pdfVIP

第25卷 第3期 计 算 机 技 术 与发 展 V01．25 No．3 2015年 3月 COMPUTER TECHNOLOGY AND DEVELOPMENT Mar． 2015 基于 GPU的大规模栅格数据分块并行处理方法 崔树林 ，张 旭 ，张树清 ，张 军 (1．中山大学信息科学与技术学院，广东广州 510006； 2．吉林大学珠海学院，广东珠海 519041； 3．中国科学院 东北地理与农业生态研究所，吉林 长春 130012) 摘 要 ：数学形态学运算是栅格数据处理的重要方法，具有较高的计算复杂度 、并行度等特点，较容易发挥 GPU众核高度 并行执行的优势，以提高其计算效率。然而，有限的GPU全局存储器限制了其在大规模数据中的应用。文中在分析现有 栅格数据并行方法的基础上 ，基于通用并行计算架构 CUDA，设计一种适应大规模数据的分块处理方法。文中以经典的膨 胀算法为例对分块处理方法进行测试。实验结果表明：与传统的CPU串行处理方法相比，该方法可以显著提高数据处理 速度 。 关键词：GPU；分块；膨胀；栅格数据 中图分类号：P208 文献标识码：A 文章编号：1673—629X(2015)03—0019—04 doi：10．3969／j．issn．1673—629X．2015．03．005 ParallelProcessingM ethodforLargeScaleRasterDataBlocking BasedonGPU CUIShu—lin ，ZHANG Xu ，ZHANG Shu—qing ，ZHANG Jun (1．SchoolofInformationScienceandTechnology，SunYat-senUniversity， Guangzhou510006，China； 2．Zhuhm CollegeofJilinUniversity，Zhuhai519041，China； 3．NortheastInstituteofGeographyandAgroecology，ChineseAcademyofSciences， Changchun130012，China) Abstract：Mathematicalmorphologyoperationsareimportantmehtodsinhtefieldofrasterdataprocessing．withhighdegreeofcomputa- tion~ complexityandparallelism ．GPU—basedhypercoreparallelcomputingmethodCna significantlyimprovethecalculationspeed．How- ever，GPU ’Sglobal memorylimitsitsapplicationinlargescaledata．Presentablock-basedmehtodforlargescaledata，basde onagene~ al purposepraalld computingarchitecture，afterna alyzingthepresentpraallelmethodforrasterdaat．Thenew mehtodisspecificallytestde withtheclassicaldilationalgorihtm．Experimentalresultsshow htatthecalculatio