高光谱图像波段选择及CUDA并行实现研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 杭州电子科技大学硕士学位论文 高光谱图像波段选择及 CUDA 并行实现研究 研 究 生： 郑俊鹏 指导教师： 赵辽英 教授 2015 年 3 月 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on Band Selection for Hyperspectral Image and CUDA Parallel Implementation Candidate: Junpeng Zheng Supervisor: Prof. Liaoying Zhao March, 2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个 人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人 和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保 证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技 大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布 论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。 （保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电 杭州电子科技大学硕士学位论文 摘 要 高光谱遥感借助成像光谱技术能够获取丰富的地物反射的光谱信息，这为像 元级地物类型甚至亚像元级地物识别提供了可能。但是丰富的光谱信息同时也意 味着高光谱数据量大、维数高，这给高光谱图像处理带来了巨大的挑战。波段选 择可以在保留原始波段物理意义和缩小数据源的同时，提高高光谱图像处理的速 度。但是波段选择开始之前必须要确定选择的波段数目，这可以通过虚拟维度来 解决。另外波段选择本身具有一定的时间复杂度，分析大多数波段选择方法可以 发现波段选择过程具有波段数据并行处理的特点，非常适合GPU并行计算。本文 主要对波段选择的并行实现进行了研究，具体内容如下： 首先，阐述了高光谱图像波段选择的背景及意义、国内外研究现状。然后对 非监督的波段选择方法进行了较全面的分析。 其次，介绍了CUDA的一些基本概念、CUDA存储器模型、CUDA存储器优 化和指令优化，来说明如何在GPU上利用CUDA编程实现一些高性能算法，这为 后续讨论基于CUDA的并行算法奠定了理论基础。 再次，介绍三种波段选择方法，分别是基于最大信息散度的波段选择算法、 基于高阶矩的波段选择算法和基于方差结合相关系数的波段选择算法。然后提出 了两种波段选择算法，分别是基于信息熵结合信息散度的波段选择算法和基于小 波变换估计信噪比的波段选择算法。通过实验结果分析各种波段选择方法对高光 谱图像分类和异常检测的影响。 然后，介绍了虚拟维度的概念以及基于虚拟维度的实现算法HFC，设计实现 了基于CUDA的并行HFC算法，实验结果显示较之传统HFC算法，基于CUDA的 并行HFC算法有明显的加速。 最后，对提出的两种波段选择算法——基于信息熵结合信息散度的波段选择 算法和基于小波变换估计信噪比的波段选择算法，分别设计实现了其相应的 CUDA并行版本，实验结果显示基于CUDA的并行算法较之传统实现都有不同程 度的加速，这为具有实时性、数据量大、计算复杂度高的特点的高光谱应用提供 了巨大帮助。 关键词：高光谱图像,波段选择,图形处理单元，计算统一设备架构,虚拟维 度,小波变换 I ABSTRACT By means of imaging spectral technique, hyperspectral remote sensing can obtain rich spectral information formed by surface reflection. It provides the possibility of feature recognition for pixel level or even subpixel level. However, abundant spectral information also means massive data and high dimension, which bring big challenge to the hype