遥感图象复原与超分辨并行处理系统设计技术分析-analysis on design technology of remote sensing image restoration and super-resolution parallel processing system.docx

并行处理技术发展的现状是软件远远滞后于硬件，因此对图象复原与超分 辨并行算法实现技术的研究具有重大意义。本文通过对并行算法设计中影响其 性能的负载、通信和 I/O 三大因素进行深入研究，建立表征通信代价的数学模 型。根据该模型，对固有通信、附加通信、开销、延迟和冲突等产生的机理进 行了讨论，指出合并通信是一个很好的优化策略，它能在提高通信性能的同时 有效避免竞争和冲突。然后，根据 I/O 系统的结构，建立对应的抽象层次模型， 给出各层的优化策略。最后根据图象复原与超分辨并行算法的特点，对其域分 解方法进行研究，建立一种基于 PPCTS 结构的并行算法模型。在已建立的遥感图象域分解方法和基于 PPCTS 算法模型的基础上，可进行 图象复原与超分辨并行算法的设计。在图象复原部分，本文提出一种基于 PDE 的并行扩散去噪算法，而在图象超分辨部分，则提出一种频域扩展与补偿并行超分辨算法。其中，基于二阶 PDE 的并行扩散去噪算法是建立在对 PDE 去噪相关理论和并行化技术深入研究的基础上，主要用来快速去除遥感图象中广泛 存在的高斯白噪声和泊松噪声，实验结果表明该算法能够在滤除噪声的同时保护图象的边缘，其处理效果好、速度快，能够满足实时应用的需求。而频域扩展与补偿并行超分辨算法能够快速地解开频率混叠，进一步提高图象的分辨率， 它在融合单帧频域内插与增强技术和频率补偿滤波器的基础上，对算法中计算 量最大的 FFT 和矩阵相乘算法进行了并行化，因此不但能消除遥感图象中可能 引起振铃现象的频率突变，拓展频谱，提高图象的清晰度、对比度和分辨率， 还能够大幅度提高算法的处理速度。在具有 4 个处理器的并行机上进行的测试 表明，两种算法的加速比都可达到 3 倍以上，并行效率高于 75%，同时都具有 较好的可扩展性。在使用 2 个处理器时，并行效率最高可达 92.9%。关键词: 图象复原；图象超分辨；并行算法；SMP 机群；通信代价AbstractThe remote sensing image has been affected by blur, noise and cloud in its imaging process, so that it suffered from degradations of quality, detail and resolution. At the same time, the image has also been down-sampled by the A/D transformation, leading to frequency aliasing, spectrum distortion and further reduction in resolution. The main task of image restoration and super-resolution algorithms is to eliminate above degradations and increase the image’s clarity, contrast and resolution. This thesis tried to improve resolution of the degraded remote sensing image effectively through innovative researches on parallel system design and its algorithms realization of remote sensing image restoration and super-resolution, without changing the imaging system.Contents of this dissertation can be mainly divided into two parts, hardware and software. The first part includes parallel architecture selection and hardware sytem implementation, the second part includes establishment of parallel algorithm model, parallel algorithm design and its performance optimization.Parallel technology has been widely used in various areas of image processing. However, there are