基于多核CPU和GPU的高光谱数据并行几何校正

李娜　白勇　赵慧洁　徐秋

摘 要：针对高光谱几何校正计算复杂，大数据量频繁传输降低处理效率，无法满足实时需求等问题，提出基于多核CPU和GPU的并行计算模型。实现基于GPU的并行几何校正，并引入流水线并行思想提出基于多线程的数据读写优化方法，实现重采样部分的数据I/O优化。应用航空推扫成像仪所得高光谱数据进行实验，验证该方法能够有效地隐藏部分硬盘与内存间的数据I/O时间，几何校正加速比达到4.03，在基于GPU的并行计算基础上提高了1.74倍。

关键词：高光谱数据； 几何校正； 并行计算； 多核CPU

中图分类号：TN911?34；TP79?34 文献标识码：A 文章编号：1004?373X（2013）02?0110?03

0 引 言

高光谱遥感影像[1?2]数据量大、操作复杂的特点使其处理过程对于高性能并行计算的需求是十分迫切的。高性能计算[3]是以并行计算的形式同时使用多种计算资源解决大型且复杂的计算问题。

目前，国内外学者[4?7]针对不同的高光谱遥感应用研究其高性能并行计算方法。目前，基于GPU的并行计算将CPU作为主机端，其作用类似一个控制器，决定何时调用GPU函数进行基于GPU的并行计算。该计算模型充分利用了GPU的高计算性能，却忽视了CPU本身的运算能力，在多核CPU普及的情况下浪费了系统资源。本文提出一种基于多核CPU和GPU的并行计算模型，在GPU强大的计算能力进行并行计算的同时利用多核CPU创建多线程进行数据读/写，隐藏数据I/O时间。

1 基于POS数据的几何校正方法

在遥感数据获取过程中，由于地形起伏、遥感器平台位置姿态等原因，遥感影像存在不同程度的几何畸变。遥感影像数据在面向应用之前需进行几何校正，消除几何畸变。本文所涉及的高光谱遥感影像数据几何校正是基于POS的几何校正[8?9]。其过程包含坐标变换和重采样两个部分。坐标变换是指利用获取遥感影像时记录的POS数据（飞机飞行参数和姿态信息等）和测区DEM高程数据建立共线方程、求解坐标系转换矩阵，获取各像元地面坐标。坐标转换过程算法复杂，计算量较大。

重采样是指根据求得的像元地面坐标并结合原始影像数据信息，计算校正后影像像元灰度值，得到几何校正遥感影像。重采样过程需要在空间维和光谱维遍历高光谱数据立方体，计算量大，数据I/O频繁。两个步骤的特点决定几何校正过程计算耗时，需通过并行计算提高其处理速度。

2 并行几何校正

2.1 几何校正并行方法和实现

坐标转换针对各像元进行单独计算，计算过程相互独立，因此能够采用基于GPU并行计算平台实现各像元坐标转换矩阵并行计算。重采样过程中各个波段之间的计算不相关，属于空间维计算，且各计算区域的相关性低。按光谱维划分数据，依次将待处理数据块输入到GPU中，实现各空间点或空间区域之间的并行计算。并行计算大幅降低几何校正过程的计算时间，高光谱数据I/O时间所占比例提升，限制了处理速度的进一步提升。因此，研究数据I/O的优化方法对于提升并行计算速度是十分必要的。

该结果证实了本文参考流的思想提出的基于多线程的数据I/O优化方法具有很好的效果，并对高光谱遥感影像领域的应用具有普适性。

4 结 语

本文针对几何校正应用所处理数据量大、计算时间长的特点，针对多核CPU和GPU的特点分析其各自优势，抽象出一种描述多核CPU和GPU异构并行平台的并行计算模型，研究基于POS数据的几何校正并行计算方法，实现航空高光谱数据并行几何校正。实验结果表明：数据I/O限制基于GPU的并行重采样获得整体加速比。

基于多核CPU和GPU的并行几何校正创建多线程执行数据读/写任务，在基于GPU并行计算的基础上有效地隐藏了重采样过程的数据I/O时间，加速比在原来的基础上提高了1.76倍。几何校正总体加速比达到4.03，在原有基础上提高了1.74倍。

参考文献

[1] 浦瑞良，宫鹏.高光谱遥感及其应用[M].北京：高等教育出版社，2000.

[2] 童庆禧，张兵，郑兰芳.高光谱遥感[M].北京：高等教育出版社，2006.

[3] 陈国良.并行计算：结构、算法、编程 [M].3版.北京：高等教育出版社，2011.

[4] 杨靖宇.遥感影像GPU并行化处理技术与实现方法[D].郑州：解放军信息工程大学，2008.

[5] REM?N Alfredo， S?NCHEZ Sergio， PAz Abel， et al. Real?time endmember extraction on multicore processors [J]. IEEE Geoscience and Remote Sensing Letters， 2011， 8（5）： 924?928.

[6] PLAZA Antonio， PLAZA Javier. Parallel morphological classification of hyperspectral imagery using extended opening and closing by reconstruction operation [C]// IEEE International Geoscience and Remote Sensing Symposium. [S.l.]： IEEE， 2008： 58?61.

[7] SANCHEZ Sergio， PLAZA Antonio. Real?time implementation of a full Hyperspectral unmixing chain on graphics processing units [J]. SPIE： Satellite Data Compression， Communications， and Processing VII， 2011， 8157：1?9.

[8] 刘军，张永生，王冬红，等.POS AV510?DG系统外方位元素的计算方法[J].测绘技术装备，2004（4）：6?9.

[9] 刘军，张永生，王冬红，等.INS/D GPS支持的机载线阵推扫影像几何校正[J].遥感学报，2006（1）：21?26.

[10] 乔香珍，刘方爱，并行计算模型[J].计算机科学，2002（7）：1?3.

[11] 张晓东，孔祥辉，张欢阳.利用GPU实现SAR图像的并行处理[J].电子科技，2011（11）：94?95.