论文部分内容阅读
高光谱遥感凭借较高的光谱分辨率和图谱合一的特点，在目标探测方面表现出较其他遥感技术较强的优势。近年来，高光谱遥感目标探测逐渐成为遥感学领域的研究热点，伴随成像技术，处理方法的不断成熟，应用领域也不断扩大。但同时高光遥感目标探测过程中高光谱分辨率带来的大数据量和大规模计算问题也被提了出来。目前的解决方法多为数据压缩、降维等从而获得较短的处理时间，但这类方法会降低目标探测的精度。因此有必要寻找一种有效的方法，既能获得较高处理速度同时又不降低精度，并行计算技术是最好的选择。 并行计算是指时间上同步和空间上分布的计算过程，它可以更快地求解问题，使大规模计算问题在合理的时间内完成。并行计算机包括共享存储多处理机和分布式存储多机集群两类。前者的优点是并行度很高，但是由于系统总线的带宽是有限的，故处理器的数目是受限的，而且成本十分高昂。而后者可以实现较好的扩展，有很强的容错能力，并且成本低廉，任何一个单位只要有局域网和PC机都可以组建集群环境。因此集群较适于高光谱遥感目标探测的并行计算。 本文的主要工作有：(1)系统总结了高光谱遥感目标探测的主要算法，并对这些算法的计算特征进行了分析，将其划分为三类：直接匹配类、协方差矩阵类和投影矩阵类。并分别以RXD、CEM和OSP为例对协方差矩阵类和投影矩阵类算法的探测效果、时间复杂度进行了实验分析。(2)总结了并行计算的基本理论、发展、现状和程序设计方法，并基于Windows集群和MPICH2搭建了分布式存储并行计算环境，在该集群上进行了通信测试，试验表明利用SOHO路由器和PC机组建的并行计算环境性能稳定，通信效率符合要求。(3)利用并行计算原理对高光谱遥感目标探测算法进行了并行分析，针对PC机集群设计了数据读取、协方差计算、逆矩阵以及迭代目标检测的并行方法，并编程实现了这些算法，在集群上对RXD、CEM和OSP算法进行了结点数量和数据规模的反复试验，其中OSP算法在8个计算结点的情况下最高可获得4倍的加速。 本文的试验结果表明，并行计算能够加快目标探测的处理速度，同时受到通信效率的影响。