CPU-GPU异构系统在光学遥感影像处理中的应用

发布时间：2021-02-04 22:06

　　近年来,CPU-GPU异构系统在光学遥感影像数据处理领域的应用得到了广泛关注。首先介绍CPU-GPU异构系统的体系架构及发展历程。其次,介绍光学遥感影像数据处理流程。接下来,对CPU-GPU异构系统在光学遥感影像预处理、后续处理领域应用现状进行介绍。最后对CPU-GPU异构系统在光学遥感影像数据处理系统中的应用进行分析和总结,分析可知,CPU-GPU异构系统在光学遥感影像数据处理领域应用具有可行性且前景广阔,但仍需解决算法并行化设计、优化及CPU和GPU负载平衡等关键问题,这对推动CPU-GPU异构系统在光学遥感影像数据处理中的应用具有重要意义。 

【文章来源】：红外与激光工程. 2020,49(S1)北大核心

【文章页数】：9 页

【文章目录】：
0 引言
1 CPU-GPU异构系统的体系架构及发展历程
    1.1 CPU-GPU异构系统的体系架构
    1.2 CPU-GPU异构系统发展历程
2 光学遥感影像数据处理流程
    2.1 相对辐射校正
    2.2 影像复原
    2.3 几何校正
    2.4 影像融合
    2.5 目标识别
3 CPU-GPU异构系统在光学遥感影像数据处理领域应用现状
    3.1 CPU-GPU异构系统在光学遥感影像预处理中的研究现状
    3.2 CPU-GPU异构系统在光学遥感影像后续处理中的研究现状
4 关键技术问题
5 未来发展趋势


【参考文献】：
期刊论文
[1]基于GPU的遥感图像几何校正算法设计与实现[J]. 吴敌,汪红强,邹同元.  信息与电脑(理论版). 2020(03)
[2]基于改进的加速鲁棒特征的目标识别[J]. 龙思源,张葆,宋策,孙保基.  中国光学. 2017(06)
[3]Canny算法的GPU并行加速[J]. 张帆,韩树奎,张立国,王文胜.  中国光学. 2017(06)
[4]从对地观测卫星到对地观测脑[J]. 李德仁,王密,沈欣,董志鹏.  武汉大学学报(信息科学版). 2017(02)
[5]基于深度学习的高分辨率遥感图像识别与分类研究[J]. 张日升,张燕琴.  信息通信. 2017(01)
[6]空间遥感测绘光学系统研究综述[J]. 巩盾.  中国光学. 2015(05)
[7]GPU用于高光谱数据高性能计算的应用实践与分析[J]. 许宁,肖新耀,胡玉新,温静,汪大明.  地质力学学报. 2015(02)
[8]基于GPU的高光谱遥感影像数据处理[J]. 汤媛媛,周海芳,方民权,申小龙.  信息安全与技术. 2015(04)
[9]基于L0正则化模糊核估计的遥感图像复原[J]. 闫敬文,彭鸿,刘蕾,金光,钟兴.  光学精密工程. 2014(09)
[10]基于GPU的高光谱遥感图像PPI并行优化[J]. 宋义刚,叶舜,吴泽彬,韦志辉.  航天返回与遥感. 2014(04)

博士论文
[1]CPU/GPU协同的光学卫星遥感数据高性能处理方法研究[D]. 方留杨.武汉大学 2015
[2]遥感图像几何校正及目标识别技术研究[D]. 王春媛.哈尔滨工业大学 2014
[3]摄影测量数据GPU并行处理若干关键技术研究[D]. 杨靖宇.解放军信息工程大学 2011
[4]基于GPU的高性能并行算法研究[D]. 白洪涛.吉林大学 2010

硕士论文
[1]基于GPU的离散粒子群高光谱图像端元提取算法并行化研究[D]. 俞潮音.重庆邮电大学 2018
[2]基于广义组合核的高光谱图像GPU并行分类[D]. 甘继生.南京理工大学 2018
[3]CPU-GPU异构平台的性能优化研究及其在实时信号模拟技术中的应用[D]. 陈冬冬.浙江大学 2017
[4]基于GPU的遥感影像融合方法研究[D]. 周嘉男.兰州交通大学 2015
[5]CPU/GPU异构系统下高光谱遥感影像线性降维并行算法研究与实现[D]. 方民权.国防科学技术大学 2013



本文编号：3019009