[发明专利]一种基于GPU的丰度估计算法的并行实现方法

说明书

本发明公开了一种基于GPU的丰度估计算法的并行实现方法，包括：1、将高光谱混合像元数据H存储至GPU端；2、获取端元向量m_i，并将所获取的端元向量m_i逐一分配至CPU端的p个并行线程上；3、获得端元向量m_i其所对应的正交于向量空间[m₁,m₂,...,m_i‑1]的向量4、获得端元集M所对应的正交基并计算对应的内积值；5、计算像元的光谱向量r在方向上的投影；6、计算各端元m_p对应的丰度结果α_p，并存储至GPU端。本发明通过GPU并行处理的核函数计算丰度值，且该并行机制比在传统CPU串行机制上运行快得多，大大提高了实时丰度估计的运行效率。

技术领域

本发明属于图像处理技术领域，具体为涉及一种面向高光谱图像的丰度值估计方法的GPU并行处理方法，以提高实时高光谱丰度的快速计算。

背景技术

高光谱遥感技术旨在以数十个到数百个连续的精细光谱波段获取地物信息，目前已被广泛地应用于环境、国防、农业以及深空等众多领域。丰度估计作为高光谱技术中最重要的主题之一，其目的是在端元提取完成之后，获得相应端元在每一个混合像元中所占的对应百分比(即丰度值)。传统算法(如最小二乘误差和正交子空间投影)的实现通常涉及大量矩阵求逆和乘法运算过程，使得其在软件运行上较慢，并且在硬件上也难以实现，因此不适用于对实时需求高的应用领域。

发明内容

本发明针对以上问题的提出，而研制一种基于GPU的丰度估计算法的并行实现方法。

本发明的技术手段如下：

一种基于GPU的丰度估计算法的并行实现方法，包括如下步骤：

步骤1、将高光谱混合像元数据H存储至GPU端，所述高光谱数据表示为H＝{B₁,B₂,,…B_i,…B_l,}，其中B_i＝(r₁^l,r₂^l,…r_N^l)^T，N为像元数目，l为波段数目，r为高光谱数据中的高光谱影像中某个混合像元的光谱向量；

步骤2、自所述高光谱数据中的端元集M中获取每一个端元所对应的端元向量m_i同时将第i个端元m_i置于端元集M的最后位置，即端元集并基于CPU端的openMp机制，将所获取的端元向量m_i逐一分配至CPU端的p个并行线程上；

步骤3、基于p个并行线程，对端元向量m_i进行施密特正交化处理以获得端元向量m_i其所对应的正交于向量空间[m₁,m₂,…,m_i-1]的向量即

步骤4、获得端元集M所对应的正交基并计算对应的内积值即计算

步骤5、计算像元的光谱向量r在方向上的投影即计算以获取每个端元所对应的投影数据并存储至CPU端保存；

步骤6、计算各端元m_p对应的丰度结果α_p，并存储至GPU端。

进一步的，所述步骤1包括：

步骤11、依次读取高光谱混合像元数据H中第i个波段的所有像元并存储至GPU端，其中1<＝i<＝l；

步骤12、依次读取第i个端元m_i的所有波段值并存储至GPU端，其中1<＝i<＝p。

进一步的，所述步骤3包括：