资源描述：
《基于GPU的高光谱遥感主成分分析并行优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第35卷第6期航天返回与遥感2014年12月SPACECRAFTRECOVERY&REMOTESENSING99基于GPU的高光谱遥感主成分分析并行优化122311,4柳家福李欢贺金平刘天石王启聪吴泽彬（1南京理工大学计算机科学与工程学院，南京210094）（2北京空间机电研究所，北京100094）（3北京航空航天大学电子信息工程学院，北京100191）（4南京理工大学连云港研究院，连云港222006）摘要主成分分析（principalcomponentanalysis,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
2、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（graphicprocessingunit，GPU）+中央处理器（centralprocessingunit，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Qua
3、dro600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。关键词高光谱遥感主成分分析方法处理器异构系统并行优化中图分类号:TP751.1文献标志码:A文章编号:1009-8518(2014)06-0099-08DOI:10.3969/j.issn.1009-8518.2014.06.013ParallelOptimizationforPrincipalComponentAnalysisofHyperspectralRemoteSensingBasedonGPU122311,4LIUJiafuLIHuanHEJinpingL
4、IUTianshiWANGQicongWUZebin（1SchoolofComputerScienceandEngineering,NanjingUniversityofScienceandTechnology,Nanjing210094,China）（2BeijingInstituteofSpaceMechanics&Electricity,Beijing100094,China）（3SchoolofElectronicandInformationEngineering,BeihangUniversity,Beijing100191,Ch
5、ina）（4LianyungangInstitute,NanjingUniversityofScienceandTechnology,Lianyungang222006,China）AbstractPrincipalcomponentanalysis(PCA)isanimportantmethodforfeatureextractionofhyperspectralremotesensingimage.InordertoimprovethecomputationalefficiencyofPCA,anovelparalleloptimiza
6、tionmethodofPCAisproposedbasedonGPU+CPUheterogeneousplatform.IttakestheadvantageofGPU’sparallelcomputingabilitytoimplementthecomplexcalculationofcovariancematrixanddimensionalityreductionprocessofPCA.Anditalsooptimizesthedecentralizedflowofimagedata,solvesthenon-consolidat
7、edaccessofsummationonGPUandusesthesharedmemorymechanismstoimprovetheefficiencyofmemoryaccess.Furthermore,themodifiedJacobiiterativesolutionisproposedforeigen-decompositiononCPUtoensuretheaccuracyofthealgorithm.Experimentalresultsshowtheefficiency收稿日期：2014-03-19基金项目：国家自然科学基
8、金(61101194)，江苏省自然科学基金(BK2011701)，江苏省“六大人才高峰”项目(WLW-011)，高等学校博士学科点专项科研基金资助项目(2011321912002
