高光谱图像贝叶斯分类算法GPU并行优化研究

被引：1

作者：

赵海娜 ^{[1
,2
]}

吴远峰 ^{[1
]}

高建威 ^{[1
,2
]}

张兵 ^{[1
]}

机构：

[1] 中国科学院遥感与数字地球研究所数字地球重点实验室

[2] 中国科学院大学

来源：

遥感信息 | 2014年 / 29卷 / 06期

关键词：

高光谱图像; 贝叶斯分类; 并行计算; GPU; CUDA;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

本文提出了基于GPU的高光谱图像贝叶斯并行技术优化算法,通过对高光谱图像分类流程计算复杂度的分析,基于GPU的硬件特性和CUDA编程模型将待分类图像像元映射到计算线程,GPU控制流程逻辑,GPU执行数据级并行计算,并从数据传输和核函数设计两方面进行了优化设计。实验结果表明,该并行分类算法在保证分类精度的同时能大大提高算法的计算效率,获得25倍54倍的计算加速比。

引用

页码：6 / 10

页数：5

共 8 条

[1] GPU在遥感图像处理中的应用综述 [J].

袁涛 ;

马艳 ;

刘定生 .

遥感信息, 2012, 27 (06) :110-117

[2] 智能遥感卫星系统 [J].

张兵 .

遥感学报, 2011, 15 (03) :415-431

[3] 遥感图像波谱角并行分类算法 [J].

刘晓云 ;

康一梅 ;

齐同军 ;

方金云 .

计算机科学, 2009, 36 (09) :267-270

[4] 基于GPU的遥感影像数据融合IHS变换算法 [J].

卢俊 ;

张保明 ;

黄薇 ;

李二森 .

计算机工程, 2009, 35 (07) :261-263

[5]

朴素贝叶斯分类改进算法的研究[D]. 彭兴媛.重庆大学. 2012

[6] Special issue on architectures and techniques for real-time processing of remotely sensed images [J].

Plaza, Antonio J. .

JOURNAL OF REAL-TIME IMAGE PROCESSING, 2009, 4 (03) :191-193

[7]

Parallel techniques for information extraction from hyperspectral imagery using heterogeneous networks of workstations [J] . Antonio J. Plaza.&nbsp&nbspJournal of Parallel and Distributed Computing . 2007 (1)

[8] On the Optimality of the Simple Bayesian Classifier under Zero-One Loss [J].

Pedro Domingos ;

Michael Pazzani .

Machine Learning, 1997, 29 :103-130

← 1 →