基于GPU的大规模栅格数据分块并行处理方法-论文.pdf

《基于GPU的大规模栅格数据分块并行处理方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第3期计算机技术与发展V01．25No．32015年3月COMPUTERTECHNOLOGYANDDEVELOPMENTMar．2015基于GPU的大规模栅格数据分块并行处理方法崔树林，张旭，张树清，张军(1．中山大学信息科学与技术学院，广东广州510006；2．吉林大学珠海学院，广东珠海519041；3．中国科学院东北地理与农业生态研究所，吉林长春130012)摘要：数学形态学运算是栅格数据处理的重要方法，具有较高的计算复杂度、并行度等特点，较容易发挥GPU众核高度并行执行的优势，以提高其计

2、算效率。然而，有限的GPU全局存储器限制了其在大规模数据中的应用。文中在分析现有栅格数据并行方法的基础上，基于通用并行计算架构CUDA，设计一种适应大规模数据的分块处理方法。文中以经典的膨胀算法为例对分块处理方法进行测试。实验结果表明：与传统的CPU串行处理方法相比，该方法可以显著提高数据处理速度。关键词：GPU；分块；膨胀；栅格数据中图分类号：P208文献标识码：A文章编号：1673—629X(2015)03—0019—04doi：10．3969／j．issn．1673—629X．2015．03．0

3、05ParallelProcessingMethodforLargeScaleRasterDataBlockingBasedonGPUCUIShu—lin，ZHANGXu，ZHANGShu—qing，ZHANGJun(1．SchoolofInformationScienceandTechnology，SunYat-senUniversity，Guangzhou510006，China；2．ZhuhmCollegeofJilinUniversity，Zhuhai519041，China；3．Northe

4、astInstituteofGeographyandAgroecology，ChineseAcademyofSciences，Changchun130012，China)Abstract：Mathematicalmorphologyoperationsareimportantmethodsinthefieldofrasterdataprocessing．withhighdegreeofcomputa-tion~complexityandparallelism．GPU—basedhypercorepar

5、allelcomputingmethodCansignificantlyimprovethecalculationspeed．How-ever，GPU’Sglobalmemorylimitsitsapplicationinlargescaledata．Presentablock-basedmethodforlargescaledata，basedonagene~alpurposeparalldcomputingarchitecture，afteranalyzingthepresentparallelm

6、ethodforrasterdata．Thenewmethodisspecificallytestedwiththeclassicaldilationalgorithm．Experimentalresultsshowthatthecalculationspeedofthenewmethodisfasterthanthatoftradition-alsequencealgorithmbasedonCPU．Keywords：GPU；block-based；dilation；rasterdata0引言形图像

7、处理的所有方面，包括图像滤波、图像分割分类数学形态学是一种利用数学工具进行图像空间结等J。在实际应用中，需要在规定时间内对巨大数据构分析的理论。数学形态学方法更多地考虑了图像量进行多次重复计算，因此研究数学形态学的并行运的结构特征，具有最大限度保留原始影像信息和消除算方法具有重要意义。噪声的优势z。数学形态学的应用几乎遍及计算机图高性能计算机集群是常用的并行处理技术。例如，文献[5]研究了基于数学形态学的高分辨率遥感收稿日期：2014—03—3l修回日期：2014—07—01网络出版时间：2015—0

8、1—20基金项目：中国科学院重点部署项目(KZZD—EW一07，KZZD—EW一07—02)；国家自然科学基金(面上项目)(41271196)作者简介：崔树林(1980一)，男，博士，研究方向为三维空间数据建模、并行空间分析；张树清，研究员，CCF会员，研究方向为GIS理论与算法、GIS数据模型、数据结构、几何计算、空间数据挖掘、GIS应用；张军，教授，研究方向为智能计算理论及应用、高性能计算、云计算、大数据处理、传感器网络。网络出版地址：http：／／