面向桌面系統(tǒng)的高光譜遙感影像線性降維異構(gòu)并行算法研究與實(shí)現(xiàn).pdf

1、高光譜遙感影像降維處理是高光譜遙感處理中至關(guān)重要的前提步驟。降維處理涉及大量的矩陣（向量）運(yùn)算、多次迭代和大規(guī)模循環(huán)，屬于典型的計(jì)算密集型和訪存密集型任務(wù)。對(duì)遙感處理的實(shí)時(shí)性要求和高光譜數(shù)據(jù)的高維特征使降維處理的并行化成為遙感領(lǐng)域的研究熱點(diǎn)。隨著計(jì)算機(jī)硬件的發(fā)展，近年來崛起的異構(gòu)高性能計(jì)算系統(tǒng)以其強(qiáng)勁性能等特點(diǎn)成為主流計(jì)算機(jī)體系結(jié)構(gòu)，為眾多領(lǐng)域大規(guī)模計(jì)算的發(fā)展提供了良好的加速平臺(tái)。而CPU/GP U和CPU/MIC異構(gòu)系統(tǒng)更是以高性價(jià)比

2、和低能耗比引領(lǐng)了當(dāng)今綠色高性能計(jì)算時(shí)代的潮流。本文結(jié)合高光譜遙感影像的處理熱點(diǎn)——高光譜遙感影像線性降維，以及異構(gòu)高性能計(jì)算系統(tǒng)的兩種主流架構(gòu)模式——CPU/GPU和 CPU/MIC異構(gòu)模式，研究如何充分發(fā)揮異構(gòu)系統(tǒng)的計(jì)算能力從而達(dá)到有效的并行降維。本文面向當(dāng)前高性能領(lǐng)域較普及的共享存儲(chǔ)型小型桌面超級(jí)計(jì)算機(jī)，在實(shí)現(xiàn)傳統(tǒng)的共享存儲(chǔ) OpenMP并行程序的基礎(chǔ)上，通過實(shí)驗(yàn)結(jié)果的對(duì)比，重點(diǎn)研究、驗(yàn)證和分析了兩種異構(gòu)系統(tǒng)應(yīng)用與高光譜降維的優(yōu)勢和

3、適用范圍，以期為高光譜遙感工程實(shí)際應(yīng)用提供借鑒。本文針對(duì)高光譜遙感影像線性降維中經(jīng)典的MNF和LDA降維算法，在Windows和Linux環(huán)境下分別分析了研究兩種算法的加速熱點(diǎn)及相應(yīng)的并行優(yōu)化策略，并實(shí)現(xiàn)基于OpenMP、CPU/GPU和CPU/MIC的并行算法。論文的主要工作和創(chuàng)新點(diǎn)如下：
　?。?）全面綜述了高光譜遙感影像降維、CPU/GPU和 CPU/MIC異構(gòu)模式及OpenMP的相關(guān)內(nèi)容，包括：相關(guān)概念、背景和研究現(xiàn)狀等。

4、深入研究了兩種異構(gòu)模式，包括各自的體系結(jié)構(gòu)、工作方式和各種相關(guān)模型。研究了本文實(shí)驗(yàn)使用的并行編程模型（OpenMP、CUDA）。針對(duì)本文實(shí)驗(yàn)平臺(tái)的并行優(yōu)化策略和技術(shù)進(jìn)行了詳細(xì)分析。
　?。?）分別在Windows和Linux環(huán)境下，基于OpenMP、CPU/GPU和CPU/MIC異構(gòu)模式研究并提出了一系列高光譜遙感影像MNF并行降維算法。在深入分析高光譜遙感影像線性降維MNF算法的原理和加速熱點(diǎn)的基礎(chǔ)上，設(shè)計(jì)了基于濾波、協(xié)方差矩陣

5、計(jì)算、MNF變換這3個(gè)并行熱點(diǎn)的并行及優(yōu)化策略；提出并實(shí)現(xiàn)兩種環(huán)境下的OpenMP、Windows下的CPU/GPU和Linux下的CPU/MIC四組并行降維算法，最后分析對(duì)比兩種異構(gòu)系統(tǒng)在MNF算法應(yīng)用上的特點(diǎn)，總結(jié)各自的適用范圍。實(shí)驗(yàn)結(jié)果驗(yàn)證了四組并行降維算法均取得了良好的加速效果，異構(gòu)模式的性能尤其突出。其中基于CPU/MIC異構(gòu)模式的并行MNF降維算法獲得了最高121倍的計(jì)算加速比（不含I/O）和最高48.86倍的總加速比（不含

6、I/O）。
　?。?）分別在Windows和Linux環(huán)境下，基于OpenMP、CPU/GPU和CPU/MIC異構(gòu)模式研究并提出了一系列高光譜遙感影像 LDA并行降維算法。在詳細(xì)研究 LDA線性降維算法原理和并行熱點(diǎn)的基礎(chǔ)上，針對(duì)LDA變換這一加速熱點(diǎn)，設(shè)計(jì)了基于 OpenMP、CPU/GPU和 CPU/MIC的并行及優(yōu)化策略，提出并實(shí)現(xiàn)兩種環(huán)境下的OpenMP、Windows下的CPU/GPU和Linux下的CPU/MIC四組并

7、行降維算法。通過分析實(shí)驗(yàn)結(jié)果，對(duì)比兩類異構(gòu)模式在LDA算法應(yīng)用上的特點(diǎn)。實(shí)驗(yàn)結(jié)果表明，四組并行算法均取得了較好的性能提升，也驗(yàn)證了異構(gòu)模式具有強(qiáng)大的計(jì)算性能。其中Windows環(huán)境下的基于CPU/GPU的并行算法獲得了最高63.96倍的計(jì)算加速比和最高49.77倍的總加速比；Linux環(huán)境下的OpenMP并行算法獲得了最高62.01倍的計(jì)算加速比和最高43.45倍的總加速比；Linux環(huán)境下基于CPU/MIC的并行算法獲得了最高59.4