[发明专利]一种基于GPU-CUDA编码模型的遥感影像快速处理方法

权利要求书

1.一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，包括：

利用GPU-CUDA编程模型对获取的遥感图像进行处理；

基于分布式递归最小二乘法的自适应滤波对处理后的所述遥感影像进行滤波降噪；

基于GPU的全局配准并行算法对降噪后的所述遥感影像进行配准；

通过并行分割处理对所述遥感影像进行分割，完成图像处理。

2.如权利要求1所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述利用GPU-CUDA编程模型对获取的遥感图像进行处理，包括：

将获取的遥感图像输入GPU-CUDA编程模型中，利用所述GPU-CUDA编程模型中的网格、块和线程对输入的所述遥感图像进行并行处理。

3.如权利要求2所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述基于分布式递归最小二乘法的自适应滤波对处理后的所述遥感影像进行滤波降噪，包括：

初始化所述遥感图像中的节点后，在每个时刻，对每个节点利用分布式递归最小二乘法进行局部更新迭代，得到局部估计值，同时将所述节点与领域节点进行标量传递，判断所述局部估计值是否收敛。

4.如权利要求3所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述基于分布式递归最小二乘法的自适应滤波对处理后的所述遥感影像进行滤波降噪，还包括：

若所述局部估计值不收敛，则重新进行局部更新迭代，直至所述局部估计值收敛；若所述局部估计值收敛，则将所有的所述局部估计值进行平均加权融合。

5.如权利要求4所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述基于GPU的全局配准并行算法对降噪后的所述遥感影像进行配准，包括：

通过CPU端将获取的所述遥感图像转换为像素矩阵，并利用描点计算出定位参数后，同时将参考图像素矩阵、配准图像素矩阵、定位参数以及特征点序列加载到GPU端。

6.如权利要求5所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述基于GPU的全局配准并行算法对降噪后的所述遥感影像进行配准，还包括：

通过所述GPU端的各线程根据所述特征点和大略匹配点建立参考图目标窗口和配准图目标窗口，并利用相似系数计算所述参考图目标窗口和所述配准图目标窗口的相似度，同时将所有达到设定相似度对应的匹配点组成匹配点序列回传至所述CPU端。

7.如权利要求6所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述通过并行分割处理对所述遥感影像进行分割，完成图像处理，包括：

获取配准后的所述遥感图像并计算配准并行环境，利用主程序将基于条形数据分解策略划分后的影像块分发至从进程，并记录进程号与所述影像块之间的对应关系。

8.如权利要求7所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，所述通过并行分割处理对所述遥感影像进行分割，完成图像处理，还包括：

判断所述主程序发送的数据是否是影像块，若不是影像块，则结束进程；若是影像块，则统计局部信息，并利用所述主进程对通过规约运算得到的各所述从进程的局部信息进行汇总，同时将运算得到的全局信息通过广播的方式传输至所述从进程。

9.如权利要求8所述的一种基于GPU-CUDA编码模型的遥感影像快速处理方法，其特征在于，将运算得到的全局信息通过广播的方式传输至所述从进程后，所述方法还包括：

利用所述从进程，将根据所述全局信息对所述影像块进行后处理后，传输至所述主进程，并根据所述影像块与所述进程号之间的映射关系将所述影像块写入输出影像的对应位置，同时发出结束标志，依次结束所有所述从进程和所述主进程，完成图像处理。