1、數(shù)據(jù)量大、實時性強,這是遙感圖像處理中存在的兩個現(xiàn)實性難題。遙感圖像經(jīng)過采集后需要進行預(yù)處理、配準和融合等操作。在計算機處理遙感圖像時配準融合操作占用了很大一部分時間,重點處理好配準和融合這兩步操作在遙感圖像處理的整體效率提高上有很重要的作用。
　　現(xiàn)有的遙感圖像配準和融合算法優(yōu)化思路多為利用CPU多核心的并行處理或GPU單獨處理某個算法步驟上,并沒有綜合CPU邏輯計算能力強和GPU高密度計算能力強的優(yōu)點,開發(fā)出性能耗費比更高的算

2、法。針對這種情況,本文從CPU、GPU分工協(xié)作方面入手,利用CUDA優(yōu)化了遙感圖像的配準及融合兩個步驟中的七種不同的算法,并通過實驗數(shù)據(jù)驗證了算法的可行性和高效性。本文的主要工作和成果如下:
　　1.本文減少了CUDA模式下CPU端和GPU端執(zhí)行算法時各個步驟的時間,具體的工作有:第一,從CPU和GPU之間的數(shù)據(jù)交接方面找到一種CPU-GPU協(xié)同工作模式,減少了數(shù)據(jù)通訊時它們各自的閑置時間;第二,對算法中存在的循環(huán)進行手動展開,減

3、少算法運行時GPU產(chǎn)生的冗余線程;第三,數(shù)據(jù)根據(jù)訪問頻率不同存放在不同的存儲器中,這樣可以減少存儲器的讀取次數(shù),提高數(shù)據(jù)的訪問速度;第四,通過對CUDA內(nèi)核函數(shù)的整合,將關(guān)聯(lián)性強的內(nèi)核函數(shù)合并,減少了算法執(zhí)行時調(diào)用內(nèi)核函數(shù)的時間。
　　2.本文在不同分辨率圖像下比較了配準融合算法中優(yōu)化前和優(yōu)化后的加速性。在配準算法的實驗里,本文選擇了相關(guān)系數(shù)好互信息這兩種相似性度量的算法進行實驗研究,通過CUDA優(yōu)化設(shè)計后,在不同數(shù)據(jù)量大小的圖像

4、上與優(yōu)化前的串行算法進行了實驗比較,得出結(jié)論:優(yōu)化算法的速度提升系數(shù)隨著數(shù)據(jù)量增大而提高。
　　在融合算法實驗研究中,為了測試算法的適用性,我們首先在低配置PC平臺下實驗CUDA優(yōu)化的最高優(yōu)先級優(yōu)先融合算法的加速情況。然后對復(fù)雜度逐步提高的直接融合算法,BROVEY融合算法,色彩空間變換融合算法和HIS變量替換WAVELET增強算法進行CUDA并行優(yōu)化,最后通過實驗測試比較并行和串行算法的運行時間,得出結(jié)論:算法復(fù)雜度越高,則并行