原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于GPU的Landsat8实时解压缩处理技术.pdf
第 42 卷第3 期
计算机工程 2016 年 3 月
Vo l. 42 NO.3 Computer Engine巳ring March 2016
·开发研究与工程应用· 文章编号: 1000-3428 (2016) 03 -0301 -07 文献标识码:A 中国分类号: TP391
基于 GPU 的 Landsat8实时解压缩处理技术
杨仁忠1 ，张洁1 ， 2 ，韦宏卫1 ，石璐l
(1.中国科学院遥感与数字地球研究所，北京 100094; 2. 中国科学院大学，北京 100049 )
摘 要:根据 Landsat8 卫星下行数据的特点，结合 RICE 无损数据压缩算法和 CUDA 编程技术，提出一种基于图像
处理单元(GPU) 的实时解压缩处理系统方案，采用统一计算设备架构和流水线式解压缩结构进行任务分解及
CUDA 优化。测试结果表明，与基于 CPU 的解压缩方案相比，基于 GPU 的解压缩系统获得 7.45 倍的加速比，能够
达到 Landsat8 卫星下行数据实时解压缩处理速度要求的1.8 倍以上，解压缩的图像数据正确率高且成本较低。
关键词:无损数据压缩算法;实时解压缩;图形处理单元;卫星下行数据;并行计算
中文引用格式:杨仁忠，张 洁，韦宏卫，等.基于 GPU 的 Landsat8 实时解压缩处理技术[1] .计算机工程，2016 ，
42(3) :301-307.
英文引用格式:Yang Renzhong , Zhang Jie , Wei Hongwei , et al. Real-time Decompression Processing Technology of
Landsat8 ßased on GPU[ J] . Computer Engineering ,2016 ,42 (3) :301-307.
Real-time Decompression Processing Technology of Landsat8 ßased òn GPU
YANG Renzhong I ,ZHANG Jie 1.2 ,WEI Hongwei I , SHI Lu I
( 1. Institute of Remote Sensing and Digital Earth ,Chinese Academy of Sciences ,Beijing 100094 ,China;
2. University of Chinese Academy of Sciences ,Beijing 100049 ,China)
[ Abstract According to the features of downlink data of Landsat8 as well as the RICE loss1ess data compression
algorithm and the CUDA programming technology , a real-time decompression processing system bsed on Graphic
Processing Unit ( GPU) is proposed. It adopts Compute Unified Device Architecture ( CUDA) and pipelined
decompression structure for task decompression and CUDA optimization. Experimental results show that the speed-up of
the implemented decompression system is 7. 45 times that
文档评论（0）