[发明专利]基于CPU/GPU协同处理的遥感数据快速入库方法

说明书

技术领域

本发明涉及遥感数据的处理和管理技术领域，涉及一种利用计算机CPU/GPU协同计算方式来提高遥感数据入库效率的方法，即一种基于CPU/GPU协同处理的遥感数据快速入库方法。

背景技术

自20世纪60年代航天遥感技术兴起以来，遥感数据的获取技术日趋完善，一个立体、多角度、全方位、全天候的对地观测网正在形成。特别是近些年，随着国内外亚米级高分辨率遥感卫星的商业推广、航空有人/无人遥感作业的增多、地面移动遥感设备的普及，以及计算机、网络、通信等技术的快速发展，推动了遥感数据生产的爆发式增长。成像方式的多样化以及遥感数据获取能力的增强，导致遥感数据的多元化和海量化。为了在各种遥感应用系统中及时有效地利用这些规模庞大的数据，首先必须对其进行有序的组织和管理。目前基于空间数据库管理是遥感数据的主流管理方式，面对不断产生的海量多源异构遥感数据，如何在第一时间快速、精准地将数据处理入库就成为一个迫切需要解决的问题。

遥感数据入库通常包括遥感数据预处理(如投影变换、坐标变换、匀光、色彩均匀化等操作)、构建影像金字塔、遥感数据压缩等步骤。其中包含大量对遥感影像的计算密集型操作。传统的入库方法采用的是使用CPU进行串行运算处理，或者基于原有串行算法的多CPU并行运算处理，在海量遥感数据的环境下，该方法的效率并不能满足实际需求。GPU作为通用大规模并行处理器，具有运算密集、高度并行、体积小和性价比高等特点，将GPU的处理能力融入到系统中，形成一种系统化的处理能力，可为遥感数据入库处理提供高效的技术手段。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是在海量遥感数据的环境下，如何合理有效利用GPU和CPU资源，提高遥感影像入库的速度。

(二)技术方案

为了实现遥感影像快速入库，本发明设计了配置有主机端和设备端的多机系统，主机端和设备端都需配置有多核中央处理器CPU和图形处理器GPU。

在该系统中，主机端和设备端以一个CPU核为控制核，其他CPU核为计算核，其中控制核主要负责主机端和设备端之间的数据传输、CPU和GPU之间的数据传输、核函数执行参数配置、核函数启动等工作。而计算核主要参与数据入库中计算密集的部分。设备端的计算核主要是用来处理遥感影像入库中的影像金字塔构建(主要包括分配内存、拷贝数据)和影像预处理步骤。主机端的计算核则用来参与影像数据压缩步骤(主要包括影像压缩预处理、tier-1算法、tier-2算法)。

图形处理器GPU主要负责程序中并行计算密集的部分。其中设备端的GPU负责对影像数据进行重采样(影像金字塔构建核心部分)，主机端的GPU参与影像数据压缩步骤(主要包括小波变换、tier-1算法)。

具体步骤如下:

步骤a)主机端和设备端分别调用各自CPU的控制核分配内存缓存空间；

步骤b)设备端接收待入库的遥感影像数据，并把数据部分或者全部存放在预先分配好的内存中；

步骤c)设备端调用CPU的计算核对待入库的影像进行预处理；其中影像预处理包括投影变换、坐标变换、匀光、色彩均匀化等操作；

步骤d)设备端调用GPU构建影像金字塔；

步骤e)设备端调用CPU的控制核把构建完成的影像金字塔数据从设备端发送到主机端；

步骤f)主机端协同调用GPU和CPU的计算核对影像金字塔数据进行；

步骤g)主机端调用CPU的控制核将压缩后的影像数据存储入库。

(三)有益效果

在对海量遥感影像数据进行入库的操作过程中，主要耗费的时间是在构建影像金字塔和压缩影像数据。本发明主要从以下方面进行改进：

1、构建影像金字塔主要耗费的时间是在对数据进行重采样，本发明中CPU主要负责程序中串行执行的部分以及对任务进行调度，而GPU作为协处理器，主要负责数据并行计算密集的部分，从而充分发挥CPU和GPU各自的运算优势。同时，本发明增加了一个设备端专门用来构建影像金字塔，当主机端对接收到的遥感影像数据进行压缩处理时，设备端则可以构建下一幅影像的金字塔，从而实现了不同影像处理步骤之间的同步执行，加快了遥感数据入库的速度。