ENVI 推进 GPU 加速的地理空间处理技术
22008 为本文评分:
4.5
ENVI 推进 GPU 加速的地理空间处理技术
匿名作者 2015年5月28日，星期四
我们最近一直在与合作伙伴 NVIDIA® 合作，通过利用其图形处理单元（GPU）的强大能力，改进我们一些最常用的地理空间分析算法的性能。GPU 是专门的计算机处理器，旨在通过同时支持多个并行进程来提升图形分析和性能。这在处理大型栅格分析时尤为有用，因为它增加了可以同时分析的数据量，从而极大地缩短了处理时间。
我们所做的工作是利用 NVIDIA 的 CUDA 并行计算平台和编程模型来构建支持 GPU 的地理空间算法。这些算法通过利用 NVIDIA GPU 的并行处理能力，显著缩短了运行时间。这项技术的潜在用户可能是构建高容量、按需地理空间分析平台的组织机构。GPU 加速算法将缩短运行按需地理空间分析所需的时间，从而获得更快的结果，并减少对系统整体资源的消耗。
另一个潜在用户是那些拥有海量数据需要定期进行分析的组织。通过使用这些算法所节省的时间会在多个数据集上叠加累积，并且通过编程方式访问这些功能意味着可以通过减少处理时间以及手动运行这些流程所需的资源，来实现工作流程的显著改进。
在对这些算法进行了一些初步测试后，我们发现与在标准 CPU 上运行相同分析相比，性能提升了 8 到 40 倍。以这样的速度，即使是单个桌面用户在处理大型数据集或多个图像时也能实现显著的时间节省。
ENVI GPU 加速算法
以下是我们目前已实现 GPU 加速的四种算法列表。这些算法可作为 ENVI 桌面版插件、ENVI Services Engine 的任务，或通过编程方式访问使用。
高速正射校正：
高速正射校正 (HSO) 利用现代图形卡强大的处理能力优化正射校正图像处理，从而显著提高执行速度。ENVI 的正射校正工具允许您使用有理多项式系数 (RPCs)、高程和大地水准面信息以及可选的地面控制点 (GCPs) 来对图像进行正射校正。RPCs 试图对传感器几何进行建模，使用多项式近似来模拟从地面位置到传感器焦平面的光线。然而，RPCs 和高程信息无法提供足够的细节来构建一个严格的模型，以精确表示从地面物体到传感器的光线路径。
大气校正
高速快速大气校正 (HSQUAC) 优化了 QUAC®，这是一个流行且易于使用的遥感影像大气校正工具。QUAC 是一种适用于多光谱和高光谱影像的大气校正方法，工作波长范围覆盖可见光、近红外至短波红外 (VNIR - SWIR)。
主成分分析
高速主成分分析 (HSPCA) 优化了一种几乎在所有学科领域都常用的数据变换方法——主成分分析 (PCA)。PCA 用于生成不相关的输出波段，分离噪声成分，并降低数据集的维度。由于多光谱数据波段通常高度相关，主成分 (PC) 变换被用来生成不相关的输出波段。这是通过寻找一组新的正交轴来实现的，这些正交轴的原点位于数据均值处，并且经过旋转以使数据方差最大化。
自适应一致性估计器
高速 ACE (HSACE) 优化了流行的光谱目标检测方法——自适应一致性估计器 (ACE)。ACE 源自广义似然比 (GLR) 方法。ACE 对输入光谱的相对缩放具有不变性，并且对此类缩放具有恒虚警率 (CFAR) 特性。与约束能量最小化 (CEM) 和匹配滤波 (MF) 类似，ACE 不需要知道图像场景内所有端元的信息。计算 ACE 结果通常非常耗时，尤其是对于大型图像。HSACE 技术利用现代图形卡的能力，极大地提高了处理速度。
我们非常高兴看到我们在支持 GPU 的地理空间算法上所付出的努力正在为客户带来显著的时间节省，更让我们兴奋的是能与当今世界领先的 GPU 制造商 NVIDIA 合作。我们的共同目标是通过将一流的硬件与卓越的软件算法相结合，充分利用计算技术的新进展，从而推动地理空间处理领域的发展。如需了解有关我们新的 GPU 加速算法的更多信息，请随时联系我们，并请关注即将围绕这项激动人心的新技术推出的网络研讨会和白皮书！