基于CUDA的高光谱图像虚拟维度并行计算.pdfVIP

第 34卷第 6期 杭州 电子 科 技 大 学 学 报 V01．34．No．6 2014年 11月 Journal of Hangzhou Dianzi University NOV．2014 基于 CUDA的高光谱图像虚拟维度并行计算 郑俊鹏 ，赵辽英 (杭州电子科技大学计算机应用研究所，浙江杭州310018) 摘要：虚拟维度表示高光谱图像中典型地物的个数。虚拟维度的确定是高光谱图像众多应用的首 要步骤。针对虚拟维度计算方法时间复杂度高的问题，根据其计算具有高度并行性的特点，该文 在图形处理单元(GPU)上使用统一计算设备架构(CUDA)和它的拓展线性代数工具箱 CULA及 Thrust实现虚拟维度的计算 ，在算法并行实现的每步都做了进一步优化以获取更大的加速性能。 通过在GPU设备上CUDA并行计算和CPU上非并行计算求虚拟维度的实验比较，验证了CUDA 并行计算可以明显加快算法的实现。 关键词：图形处理单元 ；统一计算设备架构；虚拟维度；奈曼一皮尔逊检测 ；高光谱图像 中图分类号：TP751．1 文献标识码：A 文章编号：1001—9146(2014)06—0056—05 0 引 言 由于遥感器的空间分辨力限制以及 自然界地物的复杂多样性，混合像元普遍存在于遥感图像中，为了 提高遥感应用的精度，必须要解决混合像元的分解 问题。端元个数的确定是混合像元分解的前提 J。 Chang等提出的虚拟维度(VirtualDimensionality，VD)方法 是 目前使用较多的端元数确定方法。鉴于高 光谱图像的海量数据，使用传统方法不能很好地满足高光谱图像的实时应用。分析VD算法过程发现其 具有很强的并行性，非常适合并行处理。随着在遥感高性能计算(HighPerformanceComputing，HPC)方面 的研究，并行实现已经被用于加速高光谱数据的处理 J。文献 [5]设计了基于GPU的高光谱解混系统， 其中端元提取算法HFC是基于CPU和GPU混合编程实现的，只在求解 自相关矩阵和协方差矩阵时利用 了CUDA提供的并行库，没有真正实现HFC的并行。本文实现了纯GPU的HFC算法版本，编写了基于 NVIDIA公司的计算统一设备架构(ComputeUnifiedDeviceArchitecture，CUDA)的CUDAC代码并且又做 了进一步的优化运行在NVIDIAGeForceGTX660Ti设备上得到了46．07倍加速比。 1 CUDAC程序 CUDA是由显卡制造商NVIDIA开发，用于在GPU上进行通用计算的开发平台 。NVIDIA提供了 一 种较为简便的方式编写应用于CUDA架构上的GPU代码，这是一种基于c的高级语言：cforCUDA， 简称为CUDAC，它是NVIDIA扩展和限制的类 c语言，支持大多数c语言的指令和语法E。 收稿 日期：2014—03—17 基金项 目：国家 自然科学基金资助项Et，浙江省 自然科学基金重点资助项 目(LZ14F030004)，浙江省 自然科 学基金资助项 目(LY13F020044) 作者简介 ：郑俊鹏 (1986一)，男，河南登封人，在读研究生，高光谱并行处理． 第6期 郑俊鹏等：基于CUDA的高光谱图像虚拟维度并行计算 57 一 个CUDAC程序通常由两部分构成：一部分在主机 (CPU)上顺序执行，另外一部分在设备(GPU) 上启动成千上万个线程并行执行。NVIDIA公司研发的C编译器 (NVCC)在编译过程中将两者区分开 来。其中设备端主要是一些kemel函数，一个kemel函数并行完成整个程序的一部分，每个 kemel函数 通常会生成大量的线程来利用数据的并行性 J。通常一个大的项 目会在不同阶段启动若干个kemel函 数完成相应的计算。如果各个kemel间没有数据依赖陛可让各个kernel同时开始各 自的工作，反之，则 只能顺序启动各个kernel等全部执行完毕后将结果返回给主机端。每启动一个kemel函数就会生成一 个线程网格 ( d)，网格中的线程被