CPUGPU单机异构环境下遥感数据并行处理技术探究.docxVIP

CPU+GPU单机异构环境下遥感数据并行处理 技术探究 【摘要】由于传感器在进行数据采集与整理的过程 中需要对大量的数据信息进行快速的检测与运算，本文针对 GPU的通用运算技术应用在这种情况下的相关问题进行探 讨。并形成CPU+GPU单机异构环境下的不同遥感数据并行处 理算法，本文具体针对两点情况进行了分析：首先，对CUDA 技术进行遥感图像处理进行分析。其次，研究GPU通过SIFT 的特征匹配下的环境分析。 【关键词】CPU+GPU；单机异构；遥感数据技术 随着当前社会科技的快速发展与进步，遥感技术发展逐 渐朝向多平台、多轨道方面发展。在这个过程中，通过遥感 技术获得的数据信息量呈现一种几何倍数的增长。另一方 面，某些遥感数据在特定的专业领域对处理效率和精度的要 求却越来越高。除此之外，还应当对快速发展起来的计算机 技术进行充分的利用，只有这样才能真正的促进相关数据信 息处理的速度实现质的提升。 1 CPU+GPU异构并行计算 CPU作为一项信息处理技术其发展的时间段相对较早， 尤其在于GPU之间进行比较的过程中，GPU在通用计算机领 域的发展时间不能与CPU之间相提并论。相对于CPU在通用 计算机领域中的垄断地位优势，GPU在新的历史时期发展过 程中具有几个方面的优势是使得其能够在发展中不被淘汰 且继续不断更新的原因。 GPU的内存装带宽能力更强。如NVIDIA的G型号 的显卡就具有更加强大的内存带宽，目前，该类型的GTX580 的内存带宽具有超过180GB/S。CPU的内存带宽则还不能达 到这种水平。 相对于CPU, GPU具备更多的执行单元。CPU的频 率通常情况下回特别高，但是能够表现出来的执行单元数量 却相对较少。GPU不同于这种情况，GeForce 8800GTX的显 卡就具备128个执行单元。 GPU具有相对更加低廉的价格。与CPU目前的价格 之间进行比较，我们不难发现，GPU的价格更加低廉。目前 市场上同样价格的显卡中，GTX460的显卡包括了 1GB内存与 2. 99G1IZ的四核心CPU价格相仿。 当然,在进行比较的过程中GPU同样也存在一定的缺陷: 如其GPU的执行单元数量多则往往会造成一些简单的工作应 用不到这种功能。另外，低端的GPU往往不能支持IEEE754 的规格。除此之外，GPU同样也不具有进行分支预测的复杂 功能使用等。 2基于CPU+GPU的面阵遥感影像处理 在进行遥感技术的使用过程中，经常性的会需要对影像 等内容采取几何方法处理。如通过运用多种类型的传感装置 对成像几何图形进行影像的模拟以及核线影像的生成等。通 过进行实际过程中的校对能对影像进行逐像素的操作。这种 操作方式对传统的串行算法具有一定程度的影像，使原本的 执行时间不会呈现一种线性增长方式增长。另外，会使得GPU 在进行大量的信息数据的处理过程中尽可能的不会消耗过 多的时间。基于上述的情况，本文也对相关技术进行了一些 改进，通过对CUDA的并行技术的探讨，探析将大量的重复 工作对GPU的单元进行执行处理的可行性问题。 通过对计算资源的满负荷利用能够最大限度的缩减影 像校正处理运行速度，并在此基础上形成几何处理。其在进 行具体的处理工作过程中的主要内容主要是对双二维图像 进行影像关系的几何关系应用。首先，应当对某个像元进行 假设，认定该像元在一个原始影像坐标系中，即p ( x , y ),在经过遥感技术影像几何处理之后的影像元的坐标系 坐标为p ( u , v ),且两个之间存在一种映射关系式: 式中采用的是间接法公式，这种公式在进行几何处理 之后，其像元点坐标会从p ( U , V )开始，进行反向像 点坐标的求证，也即对p ( x , y )进行原始像上的坐标 进行求值，P的灰度值也会赋给p。(2)式是直接法公式， 即根据原始像点坐标p ( x , y )出发，解求其在几何 处理后影像上的像点坐标P ( U , V ),并将p的灰度 值赋给p\ 本文根据核线影像生成和已知畸变差参数情况下生成 畸变差校正影像的原理，分析提出两种方法在CPU+GPU异 构环境下的加速策略，研究并论证GPU并行技术应用于遥 影像几何处理直接解法和间接解法的可行性。 【参考文献】 [1]陈飞国，葛蔚，李静海?复杂多相流动分子动力学模 拟在GPU上的实现[J]?中国科学B辑:化学2008, 38 (12)： 1120-1128. GeoWorld. Industry Outlook 2011： Time Keeps on Slipping[EB/OL]. 2011-2-18? http : //www. geoplace? com/ME2/dirmod? asp ? sid二nm二type二MultiPublishingmod二Publishi