基于CUDA并行计算的遥感图像快速配准技术研究-计算机技术专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on Fast Registration of the Remote sensing images based on CUDA Parallel Computing Candidate: Liu Yang Supervisor: Prof. Zhao Liaoying March, 2016 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 杭州电子科技大学硕士学位论文 摘 要 遥感图像配准是充分利用多源遥感图像信息，提高遥感应用效果的关键步 骤。随着对遥感图像配准精度要求越来越高，遥感图像配准算法复杂度也在不断 增加，计算耗时过长，无法用于实时性要求较高的场合。CUDA 有成本低廉、功 耗低、便携性好、代码修改灵活等优点。因此，结合 GPU 面向通用计算领域的 优势与遥感图像配准面临的处理速度问题，研究基于 CUDA 并行计算的遥感图 像快速配准算法具有重要意义。 本论文主要对遥感图像配准算法的一些关键步骤的 CUDA 并行实现进行了研 究，论文主要工作如下： （1）基于 OpenCV 库的 SIFT 特征提取 C++开源代码，重新编写了所调用 的 OpenCV 库函数完成的功能，不依赖 OpenCV 实现了基于 CPU 的 SIFT 特征 提取算法。 （2）通过分析 SIFT 特征提取各步骤的运算量和并行性，设计了 CUDA 加 速的 SIFT 特征提取流程，并详细介绍了高斯金字塔的建立、关键点提取和特征 描述等的 CUDA 并行实现，通过实验验证了所设计的并行实现过程的性能。 （3）SIFT 算法与其他算法相结合的配准算法是多源遥感图像配准中研究得 较多的。文中主要对 SIFT 与区域互信息优化的图像配准算法的并行实现进行了 研究。除了 SIFT 特征提取外，这类算法比较耗时的主要是迭代过程中目标函数 的计算，其关键步骤是图像插值匹配和区域互信息的计算。详细介绍了基于 CUDA 的区域互信息算法的并行实现和基于 CUDA 的图像重采样算法的并行实 现，并通过实验分析了算法的加速比。 关键词 遥感图像，图像配准，粒子群优化，CUDA并行计算，区域互信息 I ABSTRACT Remote sensing image registration is a key step to take full advantage of multi-source remote sensing image information and improve the effect of remote sensing application.With the requirement of remote sensing image registration precision becomes higher and higher, the complexity of registration algorithm is also constantly increasing and cant be applied to the situation with high real-time demand. Since CUDA has properties of low cost, low power, good portability, flexibility and so on, it is important and significant to research the CUDA parallel computing for remote sens