利用GPU提升高光谱影像分类中特徵萃取的计算效能UsingGPU.PDF

利用 GPU提升高光譜影像分類中 特徵萃取的計算效能 Using GPU computing to improve the performance of feature extraction processing for hyperspectral image classification * ** 張智昌 徐百輝 Chy-Chang Chang Pai-Hui Hsu 摘 要 在災害防救領域上，空間資訊對於災害的防救工作而言，一直扮演著重要的 角色，然而在空間資訊的資料處理以及應用模式上，常見的問題就是資料量往往 非常龐大，模式運算複雜且耗時。但是對於時間緊迫的災害應變期間，最缺乏的 就是時間。因此尋求快速的資料處理與模式推估的結果，一直是努力的目標。高 光譜影像含有細緻且豐富的光譜資訊，許多利用多光譜影像無法辨識的地物，可 以利用高光譜影像來解決。近年來，國內外學者針對高光譜影像的特性，提出了 一些光譜分析及影像分類的方法，並衍生出各種應用。但是高光譜影像具有高維 度資料的特性，多達數百個波段的頻譜資料的這項優點，卻因為資料量過於龐大 ，反而造成資料處理以及分析與後續應用的困難。傳統上通常是以統計方法或是 波段組合選取的方式來解決維度過高的問題，利用降維度的方式來進行 ，雖然是 目前常見的解決方法，然而在降維度的過程中亦面臨許多問題，如以統計方法進 行降維度，除了計算量龐大外，恐有漏失隱藏在內的資訊，而利用波段組合的方 式進行降維度，若要將所有可能的組合都進行分析，那將是個天文數字 。本團隊 嘗試利用 GPU可用來進行高速運算的特性，應用在高光譜影像的波段選取上，實 驗結果，在計算效能上獲得了有效的改善，對於時間上 有急迫需求的應用，如環 境監測、災害應變等，能快速的提供有用的資訊。 關鍵字：高光譜影像 、特徵萃取、GPU * 國家災害防救科技中心助研究員 Senior Assistant Research Fellow, National Science and Technology Center for Disaster Reduction (Corresponding author) 國立台灣大學土木工程學系 博士班研究生 Ph. D student, Department of Civil Engineering, National Taiwan University ** 國立台灣大學土木工程學系 助理教授 Assistant Professor, Department of Civil Engineering, National Taiwan University Abstract Because of the high spectral resolution of hyperspectral image, more detailed and subtle spectral signatures are provided and can be used to identify and quantify a large range of surface materials which cannot be identified by multispectral images. It seems that the high dimensionality of hyperspectral data should increase the abilities and effectiveness in classifying land use/cover types. However, the classification methods which have been successfully applied to