CPU-GPU协同计算的遥感仿真图像MTF退化并行算法

J4 ›› 2015, Vol. 37 ›› Issue (07): 1258-1264.

CPU-GPU协同计算的遥感仿真图像MTF退化并行算法

赵瑞斌1,赵生慧1,胡新礼2

(1.滁州学院计算机与信息工程学院,安徽滁州239000；2.中国科学院遥感与数字地球研究所,北京100101)

收稿日期:2014-10-15 修回日期:2014-12-20 出版日期:2015-07-25 发布日期:2015-07-25
基金资助:
安徽省高校自然科学基金重点项目(KJ2014A184);安徽省自然科学基金资助项目 (1408085MF126);安徽省高校自然科学基金资助项目(KJ2013B183)

A CPU-GPU collaboration based computing parallel algorithm
for MTF degradation of remote sensing simulation images

ZHAO Ruibin1,ZHAO Shenghui1,HU Xinli2

(1．School of Computer and Information Engineering,Chuzhou University,Chuzhou 239000;
2．Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100101,China)

Received:2014-10-15 Revised:2014-12-20 Online:2015-07-25 Published:2015-07-25

摘要/Abstract

摘要：

在遥感图像仿真中，为了定量模拟并分析平台抖动、探测器电子特性、大气衰减等因素对遥感成像质量的影响，需要有效计算遥感系统的调制传递函数MTF，并将其快速作用到仿真图像上。然而，由于遥感仿真图像的大数据量特性以及MTF退化包含多个计算密集型算法，使得计算效率成为一个瓶颈问题。为此，根据已有研究提出的MTF计算模型，分析了遥感仿真图像MTF退化的一般流程及主要环节的算法复杂度。在此基础上，提出了一种CPUGPU协同计算的遥感仿真图像MTF退化并行算法。实验结果表明，该并行算法有效地发挥了GPU并行计算能力，并明显提高了MTF退化处理效率。

关键词: 遥感仿真图像, MTF退化, 并行计算, GPU, CUDA

Abstract:

In order to quantitatively simulate and analyze the impact on the quality of the remote sensing system from factors such as platform jitter,electronic properties,and atmospheric attenuation,it is necessary to compute the modulate transfer function (MTF) of the remote sensing system and operate it in simulation images.However,because of the characteristics of big data in remote sensing image simulation and a number of intensive algorithms involved in the computing of MTF degradation,calculating efficiency becomes the bottleneck problem. Thus, according to the existing MTF calculation model, we analyze the general process of the MTF degradation of remote sensing simulated images and the complexity of the main steps in the algorithm. Based on this,we propose a CPUGPU collaboration based computing parallel algorithm for the MTF degradation of remote sensing simulation images. Experimental results show that the algorithm can make full use of the parallel computing capacity of GPUs and improve the computation efficiency of the MTF degradation.

Key words: remote sensing simulation images;MTF degradation;parallel algorithm;GPU;CUDA

赵瑞斌1,赵生慧1,胡新礼2. CPU-GPU协同计算的遥感仿真图像MTF退化并行算法[J]. J4, 2015, 37(07): 1258-1264.

ZHAO Ruibin1,ZHAO Shenghui1,HU Xinli2. A CPU-GPU collaboration based computing parallel algorithm
for MTF degradation of remote sensing simulation images [J]. J4, 2015, 37(07): 1258-1264.

[1]	苏丽，孙彦猛，张博为，杨先博，朱颖. 一种基于Hadoop+CUDA实现相关器的方法[J]. J4, 20160101, 38(01): 46-51.
[2]	王宇华, 何俊飞, 张宇琪, 徐悦竹, 崔环宇. DRM:基于迭代归并策略的GPU并行SpMV存储格式[J]. 计算机工程与科学, 2024, 46(03): 381-394.
[3]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[4]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[5]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[6]	陈强, 谭林, 王云丽, 肖靖. 工业区块链中基于CUDA的数据并行处理方法[J]. 计算机工程与科学, 2022, 44(12): 2102-2110.
[7]	臧照虎, 李晨, 王耀华, 陈小文, 郭阳. 面向众核系统的层次化栅栏同步机制[J]. 计算机工程与科学, 2022, 44(11): 1901-1908.
[8]	张勇, 张曦, 万云博, 何先耀, 赵钟, 卢宇彤. 非结构有限体积CFD计算的网格重排序优化[J]. 计算机工程与科学, 2022, 44(10): 1721-1729.
[9]	朱浩, 周博洋, 卢雪山, 杜溢墨. OpenCL计算软件栈评估[J]. 计算机工程与科学, 2021, 43(12): 2105-2114.
[10]	范培勤, 过武宏, 韩梅, 唐帅, 张驰, . 水声环境特征参数并行预报方法研究[J]. 计算机工程与科学, 2021, 43(11): 1920-1925.
[11]	罗磊, 陈照云, 王俪璇. 用户QoS感知的GPU集群深度学习任务动态调度[J]. 计算机工程与科学, 2021, 43(08): 1331-1340.
[12]	龚昊, 刘莹, 冯建周, 赵仁良, 冷佳旭, . 基于GPU加速的脉冲多普勒雷达信号处理[J]. 计算机工程与科学, 2021, 43(07): 1141-1149.
[13]	焦育威, 王鹏, 辛罡, . 基于采样尺度自适应的多尺度量子谐振子优化算法并行化[J]. 计算机工程与科学, 2021, 43(07): 1200-1209.
[14]	俞茂学, 贾东宁, 魏志强, 许佳立, 马广浩. 一种基于国产异构众核处理器的C++智能源码转换框架[J]. 计算机工程与科学, 2021, 43(06): 997-1005.
[15]	丁哲昭, 储根深, 胡长军, 李扬. 基于申威众核处理器的圣维南求解程序的并行与优化[J]. 计算机工程与科学, 2021, 43(05): 820-829.