|
 
- UID
- 864567
|
3．2 实验数据
山东荣成PHI推扫遥感数据，大小为：652列，10 000行，124波段。
3．3 基于GPU的并行计算
对山东荣成PHI推扫高光谱数据进行基于GPU的并行几何校正，坐标变换和重采样部分串行计算时间和GPU并行计算时间如表3所示，该时间不包含高光谱数据的I／O时间。
在重采样部分，在计算过程中需根据未几何校正的原始影像数据求解经校正的高光谱数据，所涉及的输入输出数据都是三维的高光谱数据立方体。重采样部分所耗总时间除了计算时间，还包含较高比例的数据I／O时间，如表4所示。
并行重采样部分未达到理想的高加速比，是因为重采样部分平均每个波段计算中硬盘读／写时间达到约440 ms，比在GPU上的并行计算时间60 ms(包含核函数计算时间和显存与内存间的通信时间)高了多达7倍，大幅降低了并行计算所带来的加速比。高光谱影像数据量巨大的特点决定了其数据I／O时间难以忽略。因此，面向高光谱影像领域的应用问题，实现其快速计算的一个难点。就是如何优化I／O，降低其在运算时间中所占比例。
3．4 基于CPU和GPU的并行几何校正
将本文所提出的基于多核CPU和GPU的并行方法应用到重采样计算过程中：CPU端利用多核特性创建多线程进行任务级并行，在主线程调用GPU执行重采样并行计算任务的同时，派生线程分别完成I／O任务。通过实验可知，基于CPU和GPU的并行重采样加速比达到3．53，如表5所示。
该结果证实了本文参考流的思想提出的基于多线程的数据I／O优化方法具有很好的效果，并对高光谱遥感影像领域的应用具有普适性。
4 结语
本文针对几何校正应用所处理数据量大、计算时间长的特点，针对多核CPU和GPU的特点分析其各自优势，抽象出一种描述多核CPU和GPU异构并行平台的并行计算模型，研究基于POS数据的几何校正并行计算方法，实现航空高光谱数据并行几何校正。实验结果表明；数据I／O限制基于GPU的并行重采样获得整体加速比。
基于多核CPU和GPU的并行几何校正创建多线程执行数据读／写任务，在基于GPU并行计算的基础上有效地隐藏了重采样过程的数据I／O时间，加速比在原来的基础上提高了1．76倍。几何校正总体加速比达到4．03，在原有基础上提高了1．74倍。 |
|
