大区域遥感影像快速处理流程研究

2017-04-24 04:36国仲凯郑福海
西部资源 2016年6期
关键词:并行计算遥感影像

国仲凯 郑福海

摘要:本文通过利用并行处理技术对大区域遥感影像进行稀少控制区域网平差、DEM密集匹配及影像批量纠正试验,总结并行处理技术在遥感影像快速纠正中的生产流程、效率以及相关的应用条件等。

关键词:遥感影像;并行计算;密集匹配;快速处理;流程研究

引言

随着遥感影像使用范围越来越广泛,现在已经成为提供空间信息的重要数据源。遥感数据的应用范围扩大到各个社会信息服务领域,发挥着重大作用。经过定向后的遥感影像数据可为测绘、城市基础地理信息动态更新、国土资源调查、生态环境监测、灾害监测、海洋资源、农业监测、快速响应等不同的领域提供相应的地理信息数据。

传统影像处理需要高性能的计算机,并且配备多种影像数据处理软件协同作业,各工序仅对流程负责,数据处理效率低,精度差。现代遥感影像的获取频率越来越快,同时数据量也越来越大,传统的基于串行计算的处理方式已很难满足高效率的生产需求和快速响应,因此必须采用并行计算来快速地对大区域影像进行处理,提高数据处理效率。

1. 并行处理技术简介

1.1 并行技术处理种类

现代计算机并行处理技术主要有基于CPU和基于GPU这两大类处理方法,各有相应的具体处理方案,如通过CPU加速的MPI、OpenMP、PVM等,还有Intel的TBB等;基于GPU的有NVIDIA的CUDA和ATI的Stream技术。本试验根据数据特点和计算机硬件配置情况,采用基于GPU方法的软件系统进行影像的快速纠正试验。

1.2 GPU并行处理优势

1.2.1 高效的并行性

在目前主流的GPU中,配置多达16个片段处理流水线,6个顶点处理流水线。多条流水线可以在单一控制部件的集中控制下运行,也可以独立运行。GPU的顶点处理流水线使用MIMD方式控制,片段处理流水线使用SIMD结构。相对于并行机而言,GPU提供的并行性在十分廉价的基础上,为适合于在GPU上进行处理的应用提供了一个很好的并行方案。

1.2.2 高密集的运算

GPU通常具有128位或256位的内存位宽,因此GPU在计算密集型应用方面具有很好的性能。

1.2.3 超长图形流水线

GPU超长图形流水线的设计以吞吐量的最大化为目标(如NVIDIA GeForce 3流水线有800个阶段),因此GPU作为数据流并行处理机,在对大规模的数据流并行处理方面具有明显的优势。

2. 遥感影像快速处理应用

2.1 应用区简介

试验区内覆盖46景P5影像,布设外业控制点68个、检查点17个,用于区域网平差的解算及精度检查;在立体模型中选取26个检测点,用于检测DEM和DOM成果精度。试验区范围及控制点分布(见图1)。

2.2 使用的软硬件

主要软硬件设备包括集群式影像处理系统PCI GXL软件及可进行图形、图像处理的高配置计算机等。

2.3 应用区生产

2.3.1 稀少控制区域网平差

(1)建立测区工程

建立测区工程,设置工程参数及投影坐标系、控制点文件、DEM格网间距及正射影像分辨率。同时根据影像之间的相互关系设置影像列表,导入卫星影像并建立模型。

(2)区域网平差

首先利用软件对所有影像自动进行连接点的量测,然后对控制点进行预测,人工辅助量测控制点,最后采用“RPC测区绝对定位”解算方法对区域网进行平差解算,剔除掉粗差点,得到满足精度的区域网平差结果,控制点平差结果见表1。

表1 区域网平差结果(单位:m)

[类型\&个数\&平面中误差\&高程中误差\&平面最大误差\&高程最大误差\&控制点\&68\&1.385\&0.836\&2.723\&1.042\&检查点\&17\&4.667\&1.436\&6.679\&1.496\&]

2.3.2 DEM及DOM生产

首先利用区域网平差定向后的影像进行DEM密集匹配,然后利用拟合、平滑、内插、定值等工具对密集匹配结果进行编辑,得到满足精度的DEM数据,最后利用DEM数据采用并行计算的方法对影像进行批量纠正,得到DOM数据。DEM及DOM批量镶嵌结果见图2。

2.3.3 精度统计

利用立体模型量测的检测点对DEM及DOM进行精度检测,检测结果见表2。

2.3.4 效率统计

数据处理整理耗时情况见表3。

3. 结论

通过生产试验表明,利用并行处理技术对大区域遥感影像数据进行区域网平差后制作的DEM与DOM精度能够满足不同比例尺规范的相关要求,同时并行处理技术能够简化生产流程,大幅度提高运算效率并减少运算时间,特别在对大区域遥感影像进行处理时,优势明显。

参考文献:

[1] 郑福海,杨木,宋红艳等.利用IRS—P5影像制作1:500003D产品的试验研究[J].测绘与空间地理信息,2011,34(6):117—120.

[2] 肖汉,张祖勋等.基于GPGPU的并行影像匹配算法[J].测绘学报,2010,39(1):46—51.

[3] 孫影,郑福海,王铁军等.PixelGrid集群式系统在影像快速纠正中的应用研究[J].测绘与空间地理信息,2014,37(10):221—223.

[4] 李宏宽,杨晓冬,邹珍军.基于MPI并行的遥感影像系统几何校正快速处理技术研究[J].河南工程学院学报·自然科学版,2011,23(1):49—52.

[5] 陈国良,孙广中.并行计算的一体化研究现状与发展趋势[J].科学通报,2009,(8):25—27.

[6] 张利娜, 张东芳, 白亚彬. 基于GDAL的遥感影像快速读取与显示方法研究[J]. 西部资源, 2014(1).

[7] 杜斌, 张炜. 基于面向对象的高分辨率遥感影像分类技术研究[J]. 西部资源, 2016(5).

猜你喜欢
并行计算遥感影像
基于自适应线程束的GPU并行粒子群优化算法
云计算中MapReduce分布式并行处理框架的研究与搭建
并行硬件简介
高分遥感影像中道路信息提取方法综述