基于GPU的高光谱遥感主成分分析并行优化

摘要：

主成分分析（principal component analysis, 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（graphic processing unit，GPU）+中央处理器（central processing unit，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Quadro600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

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金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20113219120024;CAST创新基金项目CAST201227;中国地质调查局工作项目1212011120227

在线出版日期：2015-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：99-106