基于GPU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 Vol.25 No.3 2015年3月 COMPUTERTECHNOLOGY AND DEVELOPMENT Mar. 2015 基于GPU 的大规模栅格数据分块并行处理方法 1,2 2 3 1 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 Parallel Processing Method for Large Scale Raster Data Blocking Based on GPU 1,2 2 3 1 CUI Shu-lin ,ZHANG Xu ,ZHANG Shu-qing ,ZHANG Jun (1.School of Information Science and Technology,Sun Yat-sen University, Guangzhou510006,China; 2.Zhuhai College of Jilin University,Zhuhai519041,China; 3.Northeast Institute of Geography and Agroecology,Chinese Academy of Sciences, Changchun 130012,China) Abstract:Mathematical morphology operationsareimportantmethodsinthefieldofraster dataprocessing,withhigh degreeofcomputa- tional complexityandparallelism.GPU-basedhypercoreparallelcomputingmethodcansignificantlyimprovethecalculationspeed.How- ever,GPU’sglobal memory limitsitsapplicationinlargescaledata.Presentablock-basedmethodforlargescale