基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

分块变换和GPU并行的遥感影像快速正射校正方法

正射校正是整个遥感数据处理过程中计算量最大、耗时最长的步骤之一,已经成为制约整个遥感数据处理快速完成的瓶颈。为了提高正射校正处理效率,文章系统地探讨了基于分块三维直接线性变换和图形处理单元(GPU)并行的遥感影像快速正射校正方法。首先针对正射校正坐标转换计算量过大的问题,提出了分块三维直接线性变换策略,有效地降低了坐标转换的计算量;在此基础上,采用"渐进式"策略开展GPU并行处理,首先通过GPU并行映射(核函数任务映射、基本设置),使方法在GPU上可执行,然后通过"两层次"性能优化(核函数性能优化、整体流程性能优化),进一步提高了方法的执行效率。在CPU和GPU组成的实验环境中,使用文中方法对"高分二号"卫星全色标准景影像进行实验,GPU执行时间仅为5.13s,与CPU相比,相应加速比达到142.42倍,可以满足对大数据遥感影像的快速正射校正需求。     

基于几何定位一致性的星载多光谱影像配准精度分析

多光谱影像波段配准是高分辨率光学遥感卫星多光谱相机数据预处理的关键环节,其配准精度直接影响影像产品的融合、解译等应用。文章首先从理论上深入分析了影响基于几何定位一致性多波段配准方法精度的因素,然后利用"资源三号"(ZY-3)卫星多光谱相机影像数据,并结合像方配准方法进行了对比实验验证。实验结果表明,当平台无震颤或存在微小震颤时,基于几何定位一致性多波段配准方法精度优于0.2像元,能满足高分辨率遥感卫星多光谱影像高精度配准需求。     

基于CPU+GPU异构并行的QPSK开环解调方法研究

以平方率前向定时算法和M&M频偏估计算法为基础,研究适用于CPU+GPU异构并行平台的QPSK开环解调方法,并对数据分块长度和异构并行效率进行分析和验证,通过理论推导和Matlab仿真,得出在频偏范围内最佳的数据分块长度,最终分别在只用CPU和采用CPU+GPU异构的两种架构下,对QPSK信号开环并行解调。实验结果证明,数据点数较多时,CPU+GPU异构并行解调效率明显提升。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

基于统一设备架构的影像实时MTF补偿方法

调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)处理可以恢复光学影像在成像、传输和处理过程中损失的高频信息,使得影像边缘更为清晰、细节更为丰富,从而改善影像质量。然而,随着遥感对地观测技术的不断发展,高空间分辨率影像数据量大,导致复原处理时计算量大、耗时长,成为高分辨率地面处理系统实时处理的瓶颈问题。为解决这一问题,提出了基于统一设备架构模型的MTFC并行处理方法,并根据算法特点对存储结构和并行计算结构进行了优化改进,利用真实卫星影像进行了验证实验。实验结果表明,在保证影像复原质量的前提下,提出的算法获得了45倍的加速比,可以满足地面系统实时处理的要求。     

基于GPU的NCO相位累积误差消除方法

针对航天测控系统高精度数控振荡器NCO实现需求，利用图形处理单元GPU的高灵活性和高效并行数据处理能力，设计了一种基于GPU的高效高精度NCO实现方法。针对NCO计算中浮点数相位累加运算累积误差大的共性问题，利用无误差变换技术设计了基于Fast2Sum算法和2Sum算法的单精度浮点数相位累积误差综合补偿算法，并利用该算法为NCO系统设计了相位累积求和算子。最后，基于GPU平台对该方法进行了验证。试验结果表明，该方法能够将基于GPU的NCO系统浮点数相位累积误差控制在1×10–5 rad量级。     

使用GPU并行加速的星表检索算法

提出一种基于GPU的恒星检索并行算法,解决大视场下星表检索在仿真应用中效率不高的问题。首先使用经纬度分区法将星表划分为星区存储,然后在可快速查询的分区星表上,提出构造球面三角形法精确求出探测视场覆盖的星区,以有效减小搜索范围。最后,采用计算统一设备架构(CUDA)计算平台,将并行的视场内恒星检索过程放入GPU下进行并行加速。实验结果表明,与面向CPU的实现相比,所提算法获得数十倍的加速比,并且在大视场、宽星等域下将检索时间控制在毫秒级别,满足了实时仿真要求。     

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。     

环境减灾二号A/B卫星高光谱成像仪CCD的Smear效应快速校正方法

环境减灾二号A/B卫星高光谱成像仪采用大面阵帧转移CCD作为成像和存储介质,以满足其高性能成像需求。然而,帧转移型CCD的Smear效应会造成干涉图像累积误差,导致干涉信息不准确,进而引起目标反演光谱失真。为了消除Smear效应影响,传统方法常利用行间信息迭代运算进行校正,导致计算耗时随着探测器面阵变大而增加。文章根据Smear效应产生的机理,推导出一种基于矩阵运算的Smear效应快速校正模型,并通过图形处理器(GPU)并行运算进行加速,以达到高效消除Smear效应的目的。试验结果表明：文章提出的方法能够很好地校正Smear效应引起的误差,同时利用GPU加速后计算速度是传统校正方法的632.4倍。     

色散推扫型高光谱数据系统残余误差校正

高光谱遥感成像链路中各个环节产生的系统误差会降低数据质量（quality）,从而削弱高光谱数据的应用潜力。为了消除高光谱辐亮度数据中的系统残余误差,以色散推扫型高光谱遥感系统为例,提出了基于成像链路的系统残余误差校正流程。首先,从成像链路出发,在不同环节分析系统残余误差的产生原因及机理;然后,通过分析检测及校正算法对数据质量的影响,以及误差项之间的内在联系,设计了一种系统残余误差校正流程;最后,以PHI高光谱数据作为数据源对提出的校正流程进行实验验证。结果表明：校正后的图像可视性增强;信噪比显著提高,最大提升值为91.9%;反射率数据中的过校正现象得到有效消除。利用该校正流程能够较好的消除数据中的系统误差,提高图像数据质量以及后续应用处理能力。     

天基光学传感器动态成像配准方法研究

图像配准是天基光学动态成像处理中的关键技术,在遥感侦察等领域有着重要应用。对星空背景和地球大气背景下天基目标探测中的图像配准问题进行研究。针对星图配准建立了部分平均Hausdorff距离(PMHD),并定义了一种新的相似性匹配测度,利用序贯岭回归估计方法实现快速配准;针对地球大气背景图像配准,通过改进的Harris角点检测亚像素定位提取特征点集,基于PMHD利用粒子群优化(PSO)算法实现图像的精确配准。仿真实验表明:提出的星图配准方法具有实时性和亚象元配准精度,联合PMHD和PSO的大气图像配准具有良好的配准精度和较强的抗噪干扰能力。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于MTFC的遥感图像复原方法

遥感图像在成像过程中受到大气、光学系统、探测器、平台运动和电路等因素的影响,引起图像退化,图像复原算法可以改善遥感图像像质,提高图像信息的解译能力。文章介绍了调制传递函数补偿（modulation transfer function compensation,MTFC）算法的原理,从遥感成像的链路环节出发,分析了MTFC的原理,提出了一种星上实时遥感图像MTFC复原算法。通过卷积系数和抑噪参数的优化设计,在提高图像清晰度的同时能较好地抑制噪声;对不同卷积和抑噪参数的图像复原效果进行了对比,从主观和客观两个方面对复原图像进行了评价。实验结果表明,该算法能有效提高图像像质,增强图像的高频部分,采用不同类型的卫星遥感图像验证了算法的适应性。     

基于改进的PRI方法对植被冠层叶绿素含量的反演

叶绿素是植被光合作用的重要色素，对植被的健康状况有直接的指示作用。利用遥感技术准确、快速地获取植被叶绿素含量对精准农业具有重要意义。文章在对各种光化学植被指数（Photochemical Reflectance Index，PRI）与叶绿素含量进行敏感性分析的基础上，提取出对叶绿素变化较为敏感的组合形式，并考虑土壤背景的影响，提出了一种改进的PRI模型，同时利用在小汤山试验田获取的地面采样数据和实用模块化成像光谱仪（Operative Modular Imaging Spectrometer，OMIS）数据进行验证。结果表明，基于OMIS高光谱数据，模型能够很好地对植被冠层的叶绿素含量进行反演，反演的叶绿素含量与实测值具有较好的相关性。     

基于分布式信源编码的高光谱图像无损压缩研究进展

有效的高光谱图像压缩技术已经成为航天高光谱遥感领域研究的焦点之一。对基于分布式信源编码（Distributed Source Coding,DSC）的高光谱图像压缩技术研究进展进行了综述。首先介绍了DSC的理论基础、实现方式及其在高光谱图像无损压缩应用中的优势;然后总结了基于DSC的高光谱图像无损压缩研究进展,在此基础上给出了一种基于多波段预测的高光谱图像分布式无损压缩算法,实验结果表明,该算法具有较低的编码复杂度,其无损压缩性能优于现有的分布式无损压缩算法;最后指出了DSC在高光谱图像压缩中需要进一步研究的问题。     

星上遥感影像在轨处理进展研究

从星地数传、高时敏任务等对星上遥感影像在轨处理的需求出发,本文对美国、欧洲以及国内主要的星上遥感影像在轨处理进展进行了研究;以此为基础,结合星上遥感影像在轨处理框架与深度学习等智能处理技术,分析了高性能星上智能处理平台构建、基于深度学习的遥感影像在轨智能处理、多源遥感影像数据在轨融合处理、星地协同数据处理及在轨更新等星上遥感影像在轨处理关键技术;最后,对星上遥感影像在轨处理未来发展趋势进行了总结,为进一步提升遥感卫星在轨应用效能提供参考。     

Landsat-5遥感卫星波段组合与比值分析在汶川地震前后的应用

文章在遥感图像处理软件ENVI的支持下,以汶川地震的极重灾区汶川县为研究区,选取2007年、2008年和2010年这3个时期的Landsat-5 TM数据为数据源,提取分析了地震前后TM数据的相关信息。利用相关系数矩阵、特征向量和特征值,按照最佳波段组合原则,对地震前后的TM影像进行了多种波段组合试验和比值分析。经分析得出以TM3、TM4、TM5波段组合为基础,参考其他组合（如TM1、TM4、TM5,TM4、TM2、TM7和 NDVI、TM5/TM3、TM4/TM3的组合）容易解译和判读 TM遥感影像的相关地物数据类型,为地震解译和灾害评估提供了理论依据和支撑。