论文摘要
随着图形处理器(GPU)计算功能的日益强大,人们不再满足仅仅用它来做图形处理,而是越来越多地将其应用在通用计算方面。在遥感影像融合的很多算法中,影像数据都可以被并行的处理,本文围绕GPU的数据并行处理特性,对遥感影像空间域融合和变换域融合算法的GPU实现做了较为深入的研究,主要工作和研究成果如下:1、分析了GPU中生成不同格式浮点纹理的方法,为了利用遥感影像融合算法在GPU中数据级的并行处理特性,本文设计了遥感影像载入纹理内存的三种数据打包方法,并分析了这三种数据打包方法对GPU计算速度的影响。2、将遥感影像的空间域融合算法映射为GPU中的SIMD并行计算方式,利用GLSL(OpenGL着色语言)实现了Cliche乘积性融合、Brovey比值融合、高通滤波融合和加权融合,同时利用RTT(渲染到纹理)的技术加快了融合计算的速度。对涉及到邻域像素访问的高通滤波融合和HVS加权融合,本文通过构建辅助纹理的方法来减少片元着色程序中的纹理访问次数,提高了计算速度。3、提出了一种基于GPU的IHS融合算法,将IHS的正、反变换映射为GPU的两次片元着色处理过程,利用MRT(多渲染目标)技术实现了每次变换过程中3个分量的并行计算及输出,通过交换源缓冲区和目标缓冲区的方法来实现正、反变换之间的数据交换,节省了内存的开销,提高了计算的效率。4、设计了一种基于GPU的DWT(离散小波变换)融合方法,将2维DWT分解成水平方向和垂直方向的两次1维DWT,对每一次变换构建一个间接寻址纹理,每一级的变换都在存储于纹理上的前一级计算结果的基础上进行。为待融合的每幅影像设置一个FBO,用来保存中间数据并做数据交换,DWT融合的计算过程完全在GPU中进行,避免了中间计算过程中GPU与CPU数据的交换。通过实验表明当融合影像大小达到2048×2048(像素)时,基于GPU的DWT融合速度比基于CPU的DWT融合速度有超过十倍的提高。