[发明专利]基于CPU和GPU协同处理的遥感影像正射校正方法

说明书

技术领域

本发明属于遥感影像高性能处理领域，涉及一种基于CPU（中央处理器）和GPU（图像处理器）协同处理的光学卫星遥感影像正射校正方法。

背景技术

正射校正是光学卫星遥感影像用于灾害防治、抢险救灾等具体应用的关键处理环节，也是整个遥感数据处理过程中计算最密集、耗时最长的步骤之一。近年来，随着对地观测技术的飞速发展，光学遥感卫星数据源迅速增加，影像分辨率大幅提高，获取的影像数据量快速增长，对这些海量数据光学卫星遥感影像进行正射校正所需的计算量非常巨大。传统的光学卫星数据处理架构主要考虑数据处理的质量和精度，并未顾及计算效率，已无法满足对海量数据光学卫星遥感影像进行快速正射校正的处理要求。

目前，国内外相关学者和研究机构对在GPU上进行正射（几何）校正开展了一定的研究，使用GPU提高大数据遥感影像的正射（几何）校正效率逐渐成为共识。著名的影像处理软件PCI Geomatics在2009年4月发行了Pro-Lines GeoImaging server系统，该系统使用GPU并行计算技术对遥感影像进行几何校正，获得了较高的加速比；德国宇航中心通过研究正射校正等遥感数据处理算法在GPU硬件上的映射方法，实现了对航拍数据的高效处理，从而为在轨近实时灾害监测提供支持。在国内，陈超、陈彬等以仿射变换几何校正方法为例介绍了在GPU上进行几何校正的方法，较传统的几何校正算法加速2-3倍；侯毅、沈彦男等在保证影像正射校正精度的基础上测试基于GPU的数字影像正射校正的速率，证明了基于GPU的数字影像正射校正的性能相对于CPU有较大的提高，算法加速比达到3-5倍。由于算法设计和实现较为简单，上述校正方法并没有完全发挥GPU的优势。杨靖宇、张永生等搭建了CPU-GPU协同并行计算平台并完成了正射校正的CPU-GPU协同处理和性能优化，利用GeForce 9500GT显卡对大小为6000像素×6000像素的全色影像进行多项式纠正对比实验，证明GPU处理效率优于CPU处理效率，最邻近内插和双线性内插的最终加速比分别为8.45倍和10.91倍，但由于使用的GPU芯片较老，该实验并未涉及对当前主流的基于Fermi架构GPU的性能优化策略，且在数据量快速增长的背景下，该算法加速比不甚理想，无法完全满足对海量光学卫星影像进行近实时正射校正的需求。

发明内容

本发明所要解决的问题是，针对海量数据光学卫星遥感影像，提出一种可以满足近实时处理需求的快速正射校正方法。

本发明的技术方案为一种基于CPU和GPU协同处理的遥感影像正射校正方法，包括以下步骤：

步骤1，将待校正影像和DEM从主机端内存拷贝至GPU的全局存储器中；

步骤2，将校正变换模型参数拷贝至GPU的常数存储器中；

步骤3，动态调整片上缓存，包括在共享存储器不可用时将更多片上缓存分配给一级cache；

步骤4，设置GPU线程块大小，确定GPU线程块数目；

步骤5，在GPU上对待校正影像进行正射校正，得到校正后影像；

步骤6，将校正后影像从GPU全局存储器中拷贝回主机端内存；

其中，步骤1、2、3、4、6由CPU执行，步骤5由GPU执行。

而且，步骤3中，在共享存储器不可用时将48KB片上缓存分配给一级cache。

而且，步骤4中，设置GPU线程块大小、确定GPU线程块数目按照以下准则进行，

(1)线程块中线程数小于1024；

(2)流式多处理器中线程块数量小于8；

(3)流式多处理器中线程数等于1536。

本发明针对海量光学卫星遥感影像，基于CPU和GPU协同处理理论，提出了一种可以满足近实时处理需求的快速正射校正方法。该方法在保证算法正确性的前提下，大幅提高了光学卫星遥感影像正射校正效率。

附图说明

图1为本发明实施例的流程示意图；

图2为本发明实施例的常数存储器中校正变换模型参数命中情况示意图；

图3为本发明实施例的动态调整片上缓存后Fermi架构GPU存储结构示意图；

图4为本发明实施例的线程块大小变化时流式多处理器中线程块和线程数量的变化情况示意图。

具体实施方式