一、利用P_4CPU的超线程技术提升处理TM影像数据的速度（论文文献综述）
陈奕君[1]（2019）在《静止海洋水色卫星数据并行重构研究 ——以GOCI为例》文中研究指明海洋遥感卫星能够对全球海洋大范围、长时期的观测,但海洋水色卫星易受海洋上空云覆盖的影响导致数据缺失比例高,一定程度上限制了其应用的发展。通过科学的方法重构缺失数据,获得时间序列连续、空间范围全覆盖的再分析产品,对海洋研究具有重要的意义。国内外学者对于海洋遥感数据重构开展了一系列研究,但对静止海洋水色卫星数据的重构仅限于季节内中等缺失率的数据,无法重构高缺失率和连续缺失的数据。本文在经验正交函数重构法的基础上,提出了适用于静止海洋水色卫星数据的并行重构方法,围绕数据高时间分辨率的特点,突出时间要素在重构中的地位,运用异常像元检测、拉普拉斯平滑滤波和时间模态二次分解插值,获得了时空间全覆盖的再分析数据;同时,基于共享内存模型和流处理器模型,对该方法并行优化,显着提高了长时间跨度下静止海洋水色卫星数据重构的计算效率。本文以韩国静止海洋水色卫星为数据源,利用提出的静止海洋水色卫星遥感数据并行重构方法对杭州湾2017年总悬浮物浓度数据进行重构。结果表明该方法相比经典方法在重构精度和数据重构率上均有提高。重构结果较好地反映了杭州湾总悬浮浓度的季节变化规律和空间分布特征,且与现有研究结论相一致。在本文性能对比实验中,并行海洋遥感数据重构效率显着优于串行方式,能在几小时内完成以往耗时数天的重构计算,说明本文并行方法能有效降低长时间跨度海洋遥感数据重构的时间成本,满足长时间序列再分析资料的生产需求。
崔家武[2]（2019）在《MPI并行技术在测绘数据处理中的应用》文中认为随着科技发展,空间数据获取手段越来越丰富,测绘数据类型越来越多,数据量爆发式增长,如何快速、实时地处理海量数据成为测绘领域当前的研究热点。多核多处理器计算机是人类解决大规模科学计算的有力工具。随着并行技术不断发展,与并行计算机配套的并行系统、并行编程环境、并行处理算法等也日趋完善。其中,消息传递接口MPI（Message Passing Interface）作为并行计算领域消息传递编程模型的代表,已被广泛应用到各个学科及领域中。本文将MPI并行技术应用到测绘数据处理中,主要从以下3个方向具体展开研究:（a）物理大地测量学领域的格网重力场元并行计算;（b）摄影测量与遥感学领域的影像分块并行匹配;（c）激光点云领域的多幅点云数据并行配准。本文主要研究工作如下:（1）介绍了并行计算机体系,比较了消息传递、共享存储和数据并行三种并行编程环境,分析了MPI并行模式,总结了MPI常用调用接口的通信模式、功能特点和适用范围。（2）针对球谐综合法计算大规模格网重力场元耗时长问题,首先分析了求解地球重力场元的球谐综合计算公式,引入数组预存再调用方法来避免传统算法中对cosm?、sinm?及勒让德函数的递推系数的重复计算问题,再结合MPI并行技术来提高计算效率,并分别在DELL服务器和天河二号超算上进行了测试。实验结果表明,MPI并行技术能大幅度提高计算效率,大大减少计算耗时;系数预存再调用的方式在性能一般的服务器上,可显着提高计算效率,但在计算性能优异的超算平台上反而会拖慢计算速度。（3）SIFT（Scale Invariant Feature Transformation）算法匹配精度高,但实时性较差。本文利用MPI对图像进行分块并行处理,并针对图像分块匹配产生的裂缝问题,提出采用图像重叠分割并行处理。SIFT算法主要可分为两部分:特征提取和特征匹配,其中特征提取耗时占整个算法耗时的大部分,而特征匹配耗时占比较小。基于这个特点,实验设置了两个并行方案:并行方案1并行提取特征,再收集特征进行串行匹配;并行方案2并行提取特征后,将其中1幅图像的特征收集并广播给所有进程,实现了特征并行匹配。实验结果表明,利用MPI对图像进行分块并行处理可显着加快SIFT匹配速度;方案2的通信时间开销要多于方案1,但特征匹配耗时减少,整体效率比方案1更优。（4）点云精确配准一般采用ICP（Iterative Closest Point）算法,利用ICP算法对多幅点云进行逐对配准时,处理时间较长。本文引入分局变换矩阵作为过渡矩阵,通过MPI将一系列点云进行分段并行处理。实验结果表明,利用MPI对多幅点云进行分段处理可显着加快配准速度,减少执行时间;文本类型点云读取慢,利用MPI对多幅点云并行读取可大幅度减少耗时。
李迎松[3]（2018）在《摄影测量影像快速立体匹配关键技术研究》文中研究指明立体匹配一直以来都是摄影测量领域以及计算机视觉领域的研究热点,其旨在寻找不同视点影像之间的同名像点信息,该信息可用作多视影像的结构恢复、基于影像的三维表面数据采集、数字表面模型及数字高程模型的制作、实景三维模型重建等,在基于影像的三维重建技术中起着至关重要的作用。在新世纪数据爆发式增长的背景下,摄影测量影像的分辨率随着成像技术的提高而逐步增长,这包括千万至亿级像素级别的航空影像以及十万至百万级像素级别的近景影像,它们分辨率的提高使得立体匹配算法在效率上亟待提高,本文针对两种数据不同的数据量级,有针对性的研究两种不同的立体匹配效率优化技术,以满足各类摄影测量影像的立体匹配效率提升需求。在基础立体匹配算法的选择上,本文选择2005年学者Hirschmuller提出的半全局立体匹配算法（Semi Global Matching,SGM）作为基础算法,该算法采用全局匹配基于能量函数最小化的框架,通过聚合邻域内多个路径方向的一维路径代价,来近似二维最优,大大的提高了逐像素立体匹配的效率,然而在面对高分辨率影像时,SGM算法的速度依旧无法满足对效率有很高要求的应用需求,所以基于SGM算法的进一步效率优化,是本文研究的方向。首先,针对于高分辨率航空影像,其特点是分辨率普遍在千万级以上,分辨率的提升同时会带来视差搜索范围的增大,立体匹配算法在处理这类影像时不仅效率不高,而且对内存的占用率非常大。一方面,航空影像所涉及的应用大多为线下处理,对立体匹配模块并不要求实时性能,但要求快速的获得三维密集点云,为三维重建、真正射影像成图等模块快速提供稳定可靠的输入数据;另一方面,影像分辨率过大,对存储空间要求巨大,若可用存储空间过小,则算法需要进行数据分块处理,而分块太多势必也会因为单块像素信息太少导致精度降低。结合以上两个方面,本文提出了一种基于CPU平台的系统化高效立体匹配算法优化方法,主要完成的工作有以下三点:（1）设计了 一种非常高效的以数据并行模型为基础的并行计算模型,将立体影像对按照列号分为多个条带对,每个条带对采用SGM算法进行独立并行地视差估计,最后将分条带的视差图融合为整张视差图,条带之间彼此独立,无需处理任何线程冲突。（2）对于SGM算法的四个步骤:Census变换、代价计算、代价聚合、视差计算,进行SSE（StreamingSIMDExtensions）指令集优化,利用SSE单指令多数据流的特点,同时对多个像素或者多个视差进行并行运算,实现线程并行之外的数据并行运算。（3）提出一种分层SGM立体匹配模型,有效的解决了航空影像视差搜索范围过大导致立体匹配耗时严重以及内存占用率过高的问题。首先通过对影像对进行多级降采样,然后从低分辨率到高分辨率依次匹配,低分辨率影像对匹配的视差图为下一级影像对提供初始视差,将像素的视差范围约束至非常小的值（不大于64）,充分有效地缩小了高分辨率层级影像对的视差搜索范围,大大提高了匹配效率（数十倍的加速比）,同时明显地减少了算法的内存占用量。其次,针对于高分辨率近景影像,其特点是分辨率在大部分在数十万至百万级,相比航空影像分辨率普遍较低。但是近景影像和航空影像不同的是其应用大多要求实时性,如实时车载三维导航、运动机器人三维导航、手持式快速三维扫描仪等应用都要求实时性的获取三维数据,作为三维信息获取的关键算法,立体匹配的实时性效率非常关键。因此,本文提出了一种基于CUDA的系统化实时立体匹配算法优化方法。主要完成的工作有以下两点:（1）针对SGM最耗时的四个主要步骤,分别设计了高效的基于CUDA的SGM并行优化模型,最大化的利用GPU上千个核心并行计算;充分利用共享内存对算法进行深度存储效率优化;通过视差主序的代价空间数据排列方式,有效地解决了代价聚合步骤内存合并访问的难题。实验表明本文算法的实时性能远远高于其他优化算法,比原始SGM算法快576倍,对640×480分辨率的影像,当视差范围为128时,在NVIDIA GTX 1070 GPU上可达到166.7fps的实时效率。（2）提出了一种基于CUDA的分层匹配模型,将金字塔分层匹配策略与基于CUDA的并行算法相结合,有效缩小视差搜索范围,进一步提升算法的实时效率。实验表明算法在面对高分辨率近景影像时实时性能非常出色,对于尺寸为1800×1500的高分辨率近景影像,当视差范围为256时达到26.9 Qps的实时立体匹配效率。
阎继宁[4]（2017）在《多数据中心架构下遥感云数据管理及产品生产关键技术研究》文中提出对地观测技术的发展,一方面造成了遥感数据体量的爆炸式增长,遥感产品种类、数量的不断增加,另一方面也为遥感数据的存储管理、数据处理及产品生产带来了巨大挑战,使得现有的数据存储管理及生产加工系统无法满足应用需求。对于遥感数据集成管理而言,海量、多源、异构的遥感数据不仅造成了在分布式数据集成标准统一、集成模式实现等方面的困难,而且使得现有的遥感数据组织存储与管理方式无法满足快速检索、高并发访问等服务需求;对于遥感数据处理及产品生产而言,海量、多源的遥感数据一方面造成了产品生产过程中多种近似数据源择优推荐选择问题,另一方面对于长时间序列、大区域范围的综合对地观测产品生产又可能存在着特定数据缺失、数据质量较差不可用的问题。此外,现有的遥感产品生产系统产品种类单一、生产流程固定,无法满足用户复杂多变的、个性化产品生产需求。因此,本研究借助云计算的海量数据存储、高性能计算、弹性扩展、按需服务等优点,对于多数据中心架构下的遥感云数据管理及产品生产中的关键技术分别展开研究:（1）针对遥感数据集成与管理问题,首先引入地理信息元数据标准建立分布式遥感元数据集成准则,实现多源遥感元数据统一格式转换;其次,对多源遥感影像数据建立基于空间区块的组织索引策略,提高多源遥感数据之间的空间关联性及对应元数据检索效率;再次,通过建立分布式元数据索引、热点元数据缓存、高并发访问控制机制等,实现海量遥感元数据的快速检索;最后,通过建立面向多用户的云端数据虚拟映射,实现多源遥感数据的共享与个性化定制。（2）针对遥感数据处理及产品生产问题,首先通过建立多源遥感产品生产数据源推荐模型,为产品生产过程中的多源遥感数据择优选择提供理论依据;然后,通过对于遥感数据各级产品层级关系的梳理,构建遥感产品上下层级关系知识库、遥感产品依赖关系知识库等,组织遥感产品生产逻辑流程;最后,构建“主分式”多数据中心协同处理云计算环境,并基于科学工作流引擎动态生成多源遥感产品生产工作流,实现多源、海量遥感数据的在线处理及产品生产。开展上述研究的意义在于,首先,基于统一地理信息标准的多源遥感元数据格式转换,从分布式数据中心即屏蔽了多源、异构遥感数据的元数据差异,为多源、多中心的遥感数据集成提供了基础;其次,通过研究多源遥感数据组织模式,为遥感数据产品标识赋予地学函义,提高了多源遥感数据之间的空间关联性;再次,通过分布式索引构建、分布式检索效率优化等研究,提高了多源、海量遥感数据检索及分发服务效率;同时,开展面向多用户的多源遥感数据云端虚拟映射与共享研究,为每个用户建立形式上独占的数据逻辑视图,既实现了不同用户的个性化需求又保持了云端数据存储的一致性,节省了数据存储空间;最后,开展多源遥感产品生产数据源推荐、遥感产品生产逻辑流程组织、多数据中心架构下的多源遥感产品生产等技术研究,可以提高遥感信息产品服务的科学性与自动化、智能化程度,为遥感信息的新型云端服务模式探索可行性技术。
林晓浩[5]（2016）在《多媒体应用的软件并行化及低功耗优化方法的研究与实现》文中指出近年来,随着多核技术的发展,处理器性能得到了巨大提升。多核系统已经广泛渗入到移动设备、嵌入式设备和PC等领域。然而,很多公司普遍缺乏一种软件技术来充分利用多核平台的计算资源,软件设计和硬件资源的不协调造成系统性能的下降和资源的浪费。对多核平台串行程序的并行化研究具有重要价值,并得到学术界和工业界的广泛关注。针对多核处理器资源不能被充分利用的缺陷,本文首先对串行程序的并行化技术进行研究,以串行程序任务依赖为理论基础,设计出一套针对多媒体应用的并行化模板。然后,以JPEG静态图像编码标准为实例,开展基于JPEG编码算法的并行化研究。其次,结合本人实际做过的一个科研项目H.264视频解码标准的并行化设计为研究依据,对H.264解码算法为并行化方案加以深入的研究和分析。具体来说,本文主要开展如下工作:（1）多核时代计算机系统计算能力的快速提升,使得系统性能得到显着改善。然而,软件技术却没有跟上硬件技术的步伐。本文对多核处理器平台进行研究,设计针对多媒体应用的软件并行化模板。设计的串行程序并行化模板主要通过四个步骤实现软件的并行化编码设计,达到串行程序充分利用多核处理器资源的目的。（2）JPEG编码算法是目前业界最为流行的编码标准之一,基于JPEG编码算法的图像编码器在PC和移动设备中广泛使用。本文对JPEG静态图像编码标准进行研究,设计出JPEG编码算法的并行化方案,提升JPEG编码算法的性能的同时实现对多核资源的充分利用。（3）H.264视频解码标准目前最流行的视频编解码标准之一,H.264以其高压缩率和高性能受到诸多视频编解码应用的青睐。本文对H.264视频解码标准进行深入研究和分析,设计出H.264视频解码算法的并行化方案,实现H.264视频解码算法在性能和能耗等方面的优化。最后,针对以上研究工作,论文基于真实测试实例对本文的两个并行化案例进行实验。具体的,采用并行化编程模型OpenMP实现串行代码的并行化实现,并引入DVFS技术进一步降低系统能耗。实验结果证实上述技术能有效的提高系统的性能,使系统的速度提高30%以上,能耗降低至少25%。本文的研究工作对多核处理器上的软件并行化在移动设备、嵌入式设备、数据中心和服务器等领域的应用提供新的解决方案和思路。
张丽[6]（2015）在《遥感影像协同处理体系及摄影测量应用研究》文中进行了进一步梳理在遥感影像种类和数据量急剧膨胀的今天,融合高性能计算技术与数字摄影测量处理技术,研究建立快速、高效、可扩展的遥感影像处理平台具有非常重要的意义和实际应用价值。本文围绕高性能的遥感影像处理系统体系构建,探讨和研究了协同处理服务网格建立、科学工作流及其管理等关键技术,并面向摄影测量应用,构建了高性能遥感影像协同处理系统。论文开展的主要研究工作和创新点简述如下:1.深入分析了新一代数字摄影测量并行处理系统的特点与核心技术,全面总结了系统与技术的研究现状,梳理了有待进一步突破和深入研究的技术问题。2.从遥感影像处理的能力需求出发,提出了适合遥感数据处理特点和需求的可灵活扩展的软硬件体系结构;基于开放式体系设计思想,构建了遥感影像协同处理系统体系,明确了系统部署场景和部署结构,设计了系统运行模式、业务流程和数据流程。3.构建了具有灵活扩展性、动态适应性和使用便捷性的遥感影像协同处理服务网格;基于Condor设计了网格的总体结构,建立了基于服务的网格门户,研究提出了网格环境下任务动态调度的方法和策略。4.提出了具有良好可视性和动态可交互的科学工作流结构,设计了工作流系统相关元素的开发模型和网格环境下工作流调度流程,实现了遥感影像处理加工流水线的定制和流水线驱动下的任务和数据的自动流转。5.对多基线立体匹配算法和正射纠正算法进行了研究和优化,设计了一种多分辨率半全局影像匹配算法P-SGM,并结合“几何约束互相关”模型和“多视铅垂线轨迹法”模型,提出了一种新的GC3-P-SGM、MVLL-P-SGM多基线立体匹配模型;同时,设计了密集匹配任务的GPU粗粒度并行加速方案和重采样操作的GPU细粒度优化方案,进一步提高了算法处理的速度。6.根据摄影测量处理对象的特点和算法特点,确定了摄影测量的协同处理模式和内部并行方式;提出了通用的并行接口,为更多摄影测量与处理算法的并行化改造和集成提供了一条快捷的技术途径。7.将摄影测量处理算法与科学工作流管理、遥感影像协同处理网格平台进行了无缝集成,建立了面向大型复杂摄影测量处理任务的混合集群协同处理系统。多类型遥感影像数据的实验表明,系统规模化能力强,自动化水平高,整体处理效率高,使用便捷,实现了遥感影像处理能力的大幅跃升。
张海天[7]（2015）在《基于单机多核的网格DEM数字流域并行分析》文中研究说明流域分析技术是使用数字化手段将采集的地形高程数据等信息进行科学分类与处理,在计算机的操作下实现地表流域分析的模拟,是促使人们不断了解地理和预测地形变化的有效方法。并行计算技术是相对串行计算技术而言的一种计算形式,采取特定的程序设计与数据处理来实现提高处理问题效率的计算能力,随着科技的进步与家庭计算机的普及和应用,多核硬件配置的计算机变得越来越常见,计算机硬件资源能否被充分使用就像人类尝试对现有大脑更多脑细胞的开发一样,具有十分深刻的研究意义和价值。本文分析了格网DEM数据在流域分析中的使用,高分辨率的格网DEM数据在流域计算中的应用,对流域分析的各个步骤进行了较深入研究,总结流域分析算法,并针对串行流域分析的关键技术提出了并行流域分析的想法,设计程序尝试实现DEM数据下的并行流域算法,借助Open MP技术尝试实现在多核计算机上展开流域分析的应用。主要研究成果为以下几个方面:（1）对串行算法进行数字流域分析的方法和关键算法进行了深入分析,总结了多种现存的串行流域分析算法的优缺点,面对多核、大内外存储的先进PC机出现,在单机多核环境下开发数字流域并行分析算法是十分必要的。（2）在程序算法上的并行化研究过程中,目前研究较为广泛的并行化框架包括面向共享内存下多核并行的Open MP框架和TBB框架,以及面向消息传递模型中进程并行的MPI框架,在多核计算设计中尝试对栅格DEM数据的并行应用还不是很多,本文研究的重点是面向多线程并行的Open MP模型在数字流域DEM数据分析中的应用,提出了流域分析并行化的设计方案。（3）对格网DEM流域分析主要算法结构和可并行性进行了较深入分析,并给出了不同算法的并行化策略及代码实现。（4）以赣江流域的DEM数据为例,对并行分析算法进行了测试,从实验结果看,并行分析算效率较串行算法高,从而表明了多核环境下数字流域分析算法并行化的可行性。
杨景辉[8]（2014）在《遥感影像像素级融合通用模型及其并行计算方法》文中研究表明获取卫星影像时,通常同时获取同一覆盖范围的全色与多光谱影像,通过影像融合技术,利用全色影像丰富的空间和纹理信息增强多光谱影像,最终获得分辨率高且含有光谱信息的融合影像。影像融合是卫星影像处理流程中重要的一环,已经广泛应用于遥感影像目视解译、自动分类、信息提取、特征增强、三维场景显示、正射影像制作、影像测图等。随着卫星影像分辨率的提高和在轨卫星数目的增加,大量的数据处理需求及短时间的响应要求对影像融合这种计算与数据密集型的处理带来了极大的挑战。虽然针对遥感影像融合问题,已经提出了一些融合算法,但仍然存在以下问题：已有融合模型只能描述一至两类融合方法,通用性不强,缺乏可描述更多算法、更一般性的融合模型；高性能计算方法和影像融合结合时通用性不强,缺乏可适用大部分融合算法而且可大幅提升处理性能的影像融合并行计算方法；大部分融合算法不能在光谱保持能力和空间细节增强能力之间进行调节,少数几个具有调节能力的融合算法调节参数多,运算量大,实用性不强,缺乏调节参数少、便于并行计算、融合效果可调节的算法。针对上述问题,本文的主要创新点如下：（1）遥感影像融合通用模型三类融合算法分析与数学推导的基础上,提出了遥感影像像素级融合通用模型,该模型通过一个简单的数学公式清晰地反映了参与融合的多光谱影像、从高分辨率全色影像提取的空间细节信息和采取的融合策略三者之间的运算关系;该模型能描述大多数融合算法,列举了常用融合算法映射成通用模型时两个重要参量的数学表达式。该模型的建立有助于融合算法分析与比较；用于算法实现与执行时,大部分算法基本步骤相同,有利于算法集成和模块复用,针对某些算法能舍弃一些不必要的步骤,减少计算量需求。（2）耦合通用模型的影像融合多核并行计算方法将通用模型与多核计算机结合,提出了适应性广、计算效率高的影像融合并行处理策略,开发了一个集成八个典型融合算法、运行于多核计算机的并行计算框架,并在两台分别安装Windows和Linux操作系统的工作站上进行了并行处理实验。影像融合通用模型和多核计算机有效结合不仅能取得较高的加速比,而且能有效地利用多核计算机的计算资源；采用该并行计算方法,最好情况下完成整个融合流程最短时间接近一个极限,该极限为直接读取源影像,未经过任何计算之后再将数据写入输出影像所用时间之和；在一台具有两个CPU的工作站上进行并行融合处理时,整个融合流程相对串行处理可取得最高13.9倍的加速；融合算法的并行版本最高32.6倍快于商业软件ERDAS IMAGINE中相应算法版本,其融合效果与商业软件没有明显的差别。（3）耦合通用模型的影像融合GPU并行计算方法将通用模型和GPU结合提出了可用于大幅面处理、适应性广的融合并行处理方法,并对CUDA环境中参数进行优化设置,以Nvidia公司新一代Fermi架构GPU为计算平台,对整景影像进行了并行处理实验。该方法加速性能明显,根据整景影像测试结果,采用目前中等级别的GPU加速卡计算性能可提高至107倍；适用性广,可应用于多个影像融合算法。实验结果分析表明,除了GPU卡本身性能外,影响GPU加速性能的主要因素包括单次导入影像的计算规模和主机与GPU之间交换的数据量。（4）融合效果可调节且经过并行优化的分块回归融合算法提出了经过并行优化的分块回归融合算法ParaBR,并分别针对高分辨率光学影像融合和SAR与光学影像融合进行块长优化。分块回归融合算法具有调节能力,可根据需求调节融合效果偏重光谱信息还是偏重空间细节信息,也可通过优化在光谱信息保持与空间细节增强之间取得一个较好的平衡。与五个算法的融合效果进行比较表明,分块回归算法针对高分辨率光学影像融合效果比较稳定；也能很好地应用于SAR与光学影像融合；并行优化后的分块回归融合算法ParaBR读取的数据量仅为改进前算法的三分之一,相比改进前算法具有更好的整体加速性能和更好的并行扩展性,改进后并行算法相比五个融合算法的商业版本或开源版本具有最高的处理性能。以上形成了模型、算法和计算等结合的影像融合创新性成果链条,在遥感影像应急快速处理、地面接收站标准产品批量处理、星／机上影像分析、快速制图与变化检测等数据量大或时间响应短的应用中具有突出的优势。
郭浩然[9]（2013）在《面向大规模三维地形构建的高性能计算支撑技术研究》文中认为本文研究面向大规模三维地形构建的高性能计算支撑技术。主要研究内容分为四个方面，具体内容和贡献包括：一、设计实现了一种GPU加速的大规模三维地形可视化框架MEGA，用于快速构建数据组织高效、渲染质量优良的离线三维地形模型。在MEGA框架中：1、提出了一种支持大规模数据高效存储和调度的地形多分辨率模型FMRM。FMRM的两级存储结构既实现了对地形全分辨率数据的统一划分存储，又能在地表特征表达的基础上对地形存储模型建立数据分块索引，构建相应多分辨率逻辑结构。解决了传统地形金字塔多模型存在的数据冗余及存储和调度低效的问题。2、提出了一种融合地表特征表示的嵌套几何误差度量算法SFNE。引入粗糙度计算表达地表特征，依据地表特征建立不同地形分辨率层次间节点误差的依赖关系，在保证几何误差单调传递的基础上实现对地形模型多分辨率层次分级过程的控制；算法通过计算逼真度来约束模型化简过程，避免地形模型的失真。实验结果显示SFNE误差度量在地形化简的速率和绘制质量之间寻求了相对理想的平衡。3、实现一种基于顶点过渡权值的视觉平滑处理方法。基于Geomorphing的基本思想，整体考虑不同地形分辨率层次之间的平滑过渡和相邻地形块边界的分辨率等级关系，为模型顶点实时分配时间和空间过渡权值，保证在地形块绘制过程中不同分辨率等级之间以及不同地形块间的平滑过渡。4、设计实现了一种基于GPU RayCasting的快速地形渲染算法SRCaster。算法只对屏幕空间里节点评价函数选定的地形节点执行光线投射，进行离散遍历，遍历终止的条件是获取光线与地形模型某高程采样点的交点。简化了已有的光线投射地形渲染方法对所有地形块执行相交测试的处理，又能利用邻接像素之间的相关性进行图形硬件加速。对比实验表明SRCaster渲染的实时性能优势显着。二、研究了基于CPU/GPU异构协同加速的大规模地形数据高性能编码方法，以满足在线实时构建大规模三维地形的需求。其中：1、提出了基于提升小波机制的地形多分辨率模型构建方法。建立地形数据的小波变换模型来映射地形构网的细化和简化操作；通过提升小波变换分别建立数字高程和正射影像的多分辨率四叉树，并将量化小波系数存储在四叉树节点中，保证小波逆变换的正确性。2、设计实现了基于CUDA的地形数据并行混合熵编码。首先实现并行游程编码器对量化稀疏小波系数进行压缩，进而采用并行霍夫曼编码器对游程编码后的数据进一步压缩。混合熵编码后地形数据组织成多条数据流层进递交给解码和渲染进程。实验显示该方法在压缩比、信噪比和编解码吞吐量方面优势明显。3、实现了基于CUDA的稀疏矩阵向量乘算法及优化策略，解决了解码端输出的地形数据流在递交可视化处理时，大量的访存密集型SPM×V运算对地形可视化造成的实时性能下降。重点从数据分布优化和负载均衡方面考虑基于CUDA的SPM×V算法的优化策略，包括线程划分优化、数据复用优化、数据访问优化等。实验显示该算法及优化策略能显着改善地形渲染及交互处理的实时性能。三、为增强地形可视化场景的视觉逼真程度，研究地上自然景观的真实感模拟。以三维动态云为例，研究了基于通用多核CPU加速的地上自然景观建模方法。其中：1、设计并实现了基于细胞自动机的三维动态云模拟方法。实现了对云的运动特征和生长、消散的演进特性逼真模拟，构建了基于多重前向散射的云粒子光照模型增强了云模型的视觉着色真实感。采用多核多线程技术对云模拟过程进行加速和优化，将云的建模运算（CPU）和渲染处理（GPU）分开，避免了经典云模拟方法建模和渲染都依赖GPU实现所带来的整体性能缺失。2、提出了一种多线程加速的细胞自动机多近邻单元状态查询算法M3NSQ，解决了云模拟过程中，对建模空间内细胞及其多近邻单元状态的持续并发查询所导致的云模拟进程阻塞问题。算法将查询分为预处理和查询执行两个阶段，特别设计了查询表、格网索引、查询缓存和近邻对象缓存等关键数据结构，引入了查询更新排序和时间局部性优化方法，采用了合理的数据划分和线程调度，实现了高性能并发查询处理。四、设计实现了支持大规模三维地形构建及应用的框架系统VWBuilder。VWBuilder集成了本文的研究内容，并提供二次开发接口，既能够为第三方应用提供预先构建的离线大规模三维地形模型，也能够作为地形构建模块集成在其它应用中，提供实时在线式大规模三维地形构建功能。给出了基于VWBuilder的几个应用示例，验证了本文研究内容的效用性。
胡腾[10]（2013）在《基于多通道置信度传播算法的航空核线影像稠密立体匹配研究》文中提出随着人类社会的快速发展,人们迫切需要各种真实空间三维信息用于生活服务、科研模拟、辅助决策支持等多种实际应用,而各种空间信息数据载体中,最容易获取的测绘基础数据是各种航空光学影像数据。如何有效的利用这些航空影像数据,实现影像数据到真实空间三维信息的转化,进而为各种科学研究提供基础数据支持,成了迫切需要解决的难题。传统的摄影测量研究领域所采用的各种特征点检测方式,提取的同名点对数目相对较少,对影像像素的利用率过低。与此同时,计算机视觉领域近些年发展的稠密立体匹配技术可以在核线改正图像间进行稠密立体匹配,实现整幅图像的逐像素匹配,从而提取出大量同名像素点,这大幅度提高了影像像素的利用率。因此,有必要在航空核线影像的基础上进行逐像素稠密立体匹配技术研究,进而识别出大量的同名像素点对,为航空影像的空间信息自动提取研究提供一种新的解决方法。在航空核线影像间进行逐像素稠密立体匹配研究,与传统的计算机视觉中的稠密立体匹配有所不同。这种不同,不仅仅是因为算法本身存在的适应性问题,更是因为航空影像面临着更多的干扰：影像分辨率高、同名像素点存在严重色差、大面积的低纹理与重复纹理、移动物体等。在国内外研究中,逐像素稠密立体匹配算法主要应用于各种计算机视觉领域的低分辨率图像处理中,应用到航空影像等高分辨率影像处理的成熟案例极少。本文从这一难题出发,充分考虑计算机视觉中各种稠密立体算法的匹配正确率、算法拓展性、计算加速可行性等多方面特性,最终以置信度传播算法为基础进行拓展,并进行了基础理论研究与实验验证。本文的具体研究工作主要包括了以下三个方面：1)拓展置信度传播算法用于航空核线影像的逐像素稠密立体匹配处理。在传统置信度传播算法的基础上,针对航空核线影像的同名像素点密集匹配问题,本文提出了一种多通道置信度传播算法。算法对航空核线影像中同名点存在严重色差这一主要干扰源进行针对性处理,充分利用了影像的各颜色分量,提高了背景区域像素点的匹配正确率,从而自动隔离出了移动物体等多种局部干扰源；同时,算法设计时减少了控制参数数目,简化了影像逐像素稠密立体匹配处理中的参数设置问题。2)研究各种立体匹配控制技术的集成方法,进一步提升逐像素稠密立体的匹配正确率。在多通道置信度传播算法的基础上,1,研究集成彩色分割结果图控制地物边界；2,提出一种基于窗口模式的匹配代价生成技术进一步降低同名点色差的影响；3,使用视差图后处理技术提高同名点匹配的可靠度,提出一种基于彩色分割图的视差图增强技术,并最后进行亚像素估计。3)研究并行计算加速技术以减少稠密立体匹配的处理时间。本文研究了任务并行处理与数据并行处理两种计算模式,结果表明两种并行处理模式都能大幅度缩短匹配算法的处理时间,取得了一定的加速比。相对于任务并行模式,数据并行模式可以提供更高的加速比,其数据可以分布式存储与处理,更合适用于现今广泛投入使用的各种并行处理设备中,从而充分利用并行机中多节点的计算能力。
二、利用P_4CPU的超线程技术提升处理TM影像数据的速度（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用P_4CPU的超线程技术提升处理TM影像数据的速度（论文提纲范文）
（1）静止海洋水色卫星数据并行重构研究 ——以GOCI为例（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 术语缩写表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 海洋遥感数据重构方法 |
| 1.2.2 遥感数据并行计算 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 2 静止海洋水色卫星数据重构方法研究 |
| 2.1 DINEOF数据重构方法 |
| 2.1.1 基本方法描述 |
| 2.1.2 DINEOF的优点 |
| 2.1.3 静止海洋水色卫星数据的挑战 |
| 2.2 DINEOF-G数据重构方法研究 |
| 2.2.1 异常像元检测 |
| 2.2.2 拉普拉斯平滑滤波 |
| 2.2.3 时间模态二次分解插值 |
| 2.2.4 DINEOF-G方法流程 |
| 2.2.5 评价指标 |
| 2.3 本章小结 |
| 3 并行静止海洋水色卫星数据重构方法研究 |
| 3.1 并行计算技术 |
| 3.1.1 并行算法设计方法 |
| 3.1.2 并行计算性能评价指标 |
| 3.2 基于共享内存模型的并行异常像元检测 |
| 3.2.1 共享内存模型与OpenMP |
| 3.2.2 异常像元检测的并行化 |
| 3.2.3 并行实现与优化设计 |
| 3.3 基于流处理器模型的并行DINEOF重构 |
| 3.3.1 流处理器模型与CUDA |
| 3.3.2 DINEOF重构的并行化 |
| 3.3.3 并行实现与优化设计 |
| 3.4 本章小结 |
| 4 杭州湾总悬浮物浓度数据重构研究实例 |
| 4.1 研究区域概况 |
| 4.1.1 地理位置 |
| 4.1.2 气象特征 |
| 4.1.3 水文特征 |
| 4.2 数据概况 |
| 4.2.1 GOCI总悬浮物浓度反演 |
| 4.2.2 原始数据分析 |
| 4.2.3 数据预处理 |
| 4.3 总悬浮物浓度遥感数据重构方案与结果 |
| 4.4 重构结果与分析评价 |
| 4.4.1 重构结果分析 |
| 4.4.2 局部像元对比分析 |
| 4.4.3 重构模态分析 |
| 4.5 性能对比测试 |
| 4.5.1 实验环境 |
| 4.5.2 性能对比结果 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.2 工作与成果总结 |
| 5.3 研究特色 |
| 5.4 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士期间科研成果 |
（2）MPI并行技术在测绘数据处理中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MPI并行技术发展现状 |
| 1.2.2 重力数据并行处理研究现状 |
| 1.2.3 影像并行处理研究现状 |
| 1.2.4 点云数据并行处理研究现状 |
| 1.3 本文研究内容 |
| 第二章 MPI并行程序设计 |
| 2.1 并行计算环境 |
| 2.1.1 并行计算机体系 |
| 2.1.2 并行计算软件环境 |
| 2.2 MPI基础知识 |
| 2.3 MPI并行模式 |
| 2.3.1 SPMD模式和MPMD模式 |
| 2.3.2 对等模式和主从模式 |
| 2.3.3 数据并行和步骤并行 |
| 2.4 MPI常用函数接口 |
| 2.4.1 MPI的数据类型 |
| 2.4.2 MPI基本函数接口 |
| 2.4.3 MPI点对点通信模式 |
| 2.4.4 MPI组通信函数接口 |
| 2.5 并行性能评价标准 |
| 2.6 本章小结 |
| 第三章 基于MPI的格网重力场元并行计算 |
| 3.1 球谐综合基本原理 |
| 3.2 串行算法及数组预存 |
| 3.3 格网重力场元并行算法与实现 |
| 3.4 算例与分析 |
| 3.4.1 服务器上的并行实验分析 |
| 3.4.2 天河二号上的并行实验分析 |
| 3.5 本章小结 |
| 第四章 基于MPI的影像分块SIFT并行匹配 |
| 4.1 SIFT基本原理 |
| 4.1.1 构建DOG尺度空间 |
| 4.1.2 特征点检测与定位 |
| 4.1.3 特征点方向计算 |
| 4.1.4 SIFT特征向量生成与匹配 |
| 4.2 基于MPI的 SIFT并行算法与实现 |
| 4.2.1 SIFT并行算法 |
| 4.2.2 SIFT并行实现 |
| 4.3 SIFT并行匹配分析 |
| 4.3.1 图像分割对特征提取的影响 |
| 4.3.2 SIFT并行效率分析 |
| 4.4 本章小结 |
| 第五章 基于MPI的多幅点云ICP并行配准 |
| 5.1 多幅点云ICP配准原理 |
| 5.1.1 点云滤波 |
| 5.1.2 最近点匹配 |
| 5.1.3 LM算法 |
| 5.1.4 ICP逐步匹配多幅点云 |
| 5.2 多幅点云并行匹配算法与实现 |
| 5.3 算例与分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 致谢 |
（3）摄影测量影像快速立体匹配关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 本文组织与安排 |
| 第二章 双目立体匹配理论与方法 |
| 2.1 双目立体视觉概述 |
| 2.1.1 双目立体视觉中的坐标系与转换关系 |
| 2.2 双目立体匹配原理与方法 |
| 2.1.1 双目立体匹配中的核线约束 |
| 2.1.2 双目立体匹配的步骤 |
| 2.3 本章小结 |
| 第三章 SGM半全局立体匹配算法与效率优化技术分析 |
| 3.1 SGM立体匹配算法概述 |
| 3.1.1 匹配代价计算 |
| 3.1.2 代价聚合 |
| 3.1.3 视差计算 |
| 3.1.4 视差优化 |
| 3.2 CPU平台并行计算 |
| 3.2.1 CPU多核概述 |
| 3.2.2 SIMD概述 |
| 3.3 GPU平台并行计算 |
| 3.3.1 GPU架构概述 |
| 3.3.2 CUDA并行计算 |
| 3.4 本章小结 |
| 第四章 航空影像快速立体匹配算法研究 |
| 4.1 基于CPU的多线程并行策略 |
| 4.2 基于SIMD的指令集并行优化 |
| 4.2.1 SIMD技术浅析 |
| 4.2.2 基于SSE指令集的SGM匹配算法优化 |
| 4.3 基于SGM的分层匹配策略 |
| 4.4 实验结果与分析 |
| 4.4.1 测试平台 |
| 4.4.2 测试数据 |
| 4.4.3 效率测试结果与分析 |
| 4.4.4 准确性测试结果与分析 |
| 4.5 本章小结 |
| 第五章 近景影像实时立体匹配算法研究 |
| 5.1 基于CUDA的SGM匹配算法优化 |
| 5.1.1 CUDA算法效率提升关键 |
| 5.1.2 基于CUDA的SGM算法设计 |
| 5.2 基于CUDA的分层SGM算法设计 |
| 5.3 实验结果与分析 |
| 5.3.1 测试平台 |
| 5.3.2 测试数据 |
| 5.3.3 效率测试结果与分析 |
| 5.3.4 准确性测试结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文完成的主要工作和结论 |
| 6.2 待进一步研究和解决的问题 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
（4）多数据中心架构下遥感云数据管理及产品生产关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 问题分析及主要贡献 |
| 1.2.1 问题分析 |
| 1.2.2 主要贡献 |
| 1.3 研究内容、技术路线及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 章节安排 |
| 第二章 国内外研究进展 |
| 2.1 遥感数据管理 |
| 2.1.1 遥感数据的集成方式 |
| 2.1.2 遥感数据的组织方式 |
| 2.1.3 遥感数据的存储管理方式 |
| 2.1.4 遥感数据的存储体系架构 |
| 2.2 遥感产品生产 |
| 2.2.1 遥感产品分级研究 |
| 2.2.2 遥感数据产品生产系统架构 |
| 2.3 遥感数据及产品服务 |
| 2.4 遥感云计算 |
| 2.5 本章小结 |
| 第三章 多数据中心架构下多源遥感数据管理 |
| 3.1 多数据中心架构下多源遥感数据集成 |
| 3.1.1 分中心遥感元数据格式转换 |
| 3.1.2 分布式多数据中心多源遥感数据集成 |
| 3.2 多源遥感数据组织与索引 |
| 3.2.1 多源遥感数据组织 |
| 3.2.2 遥感元数据索引及存储 |
| 3.3 分布式遥感元数据检索与优化 |
| 3.3.1 分布式遥感元数据检索 |
| 3.3.2 检索优化 |
| 3.4 多用户遥感数据共享 |
| 3.4.1 基于OpenStack-Swift的云存储 |
| 3.4.2 基于云存储的多用户遥感数据共享 |
| 第四章 多数据中心架构下多源遥感产品生产 |
| 4.1 遥感产品生产数据源推荐 |
| 4.1.1 遥感数据特征及产品差异性分析 |
| 4.1.2 遥感产品生产数据源推荐模型 |
| 4.1.3 遥感产品生产数据源推荐实验与分析 |
| 4.2 遥感产品生产逻辑流程组织 |
| 4.2.1 遥感产品上下层级关系知识库 |
| 4.2.2 遥感数据产品依赖关系知识库 |
| 4.2.4 遥感产品生产逻辑流程组织 |
| 4.3 多数据中心架构下多源遥感产品生产 |
| 4.3.1 产品生产工作流数据准备 |
| 4.3.2 产品生产工作流构建 |
| 4.3.3 产品生产工作流执行与管理 |
| 4.3.4 产品生产工作流自定义扩展 |
| 第五章 遥感云服务及原型系统设计与实现 |
| 5.1 遥感云服务 |
| 5.1.1 遥感数据服务 |
| 5.1.2 遥感产品生产服务 |
| 5.2 遥感云原型系统设计与实现 |
| 5.2.1 遥感云系统体系架构设计 |
| 5.2.2 遥感云系统功能模块设计 |
| 5.2.3 遥感云原型系统实现 |
| 第六章 遥感云系统应用示范 |
| 6.1 多数据中心架构下多源遥感数据管理 |
| 6.1.1 测试影像及元数据 |
| 6.1.2 分布式多数据中心多源遥感数据集成 |
| 6.1.3 遥感元数据管理及分布式检索 |
| 6.1.4 对比实验 |
| 6.1.5 小结 |
| 6.2 多数据中心架构下多源遥感产品生产 |
| 6.2.1 全球尺度遥感产品生产 |
| 6.2.2 区域尺度遥感数据镶嵌 |
| 6.2.3 重点区域变化检测 |
| 6.2.4 小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文及研究成果 |
| 作者简历 |
| 已发表的论文 |
| 申请或已获得的专利 |
| 申请或已获得的软件着作权 |
| 参加的研究项目及获奖情况 |
| 致谢 |
（5）多媒体应用的软件并行化及低功耗优化方法的研究与实现（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.3 研究目的及意义 |
| 1.4 本文主要内容和研究成果 |
| 1.5 文章组织结构 |
| 2 技术背景论述 |
| 2.1 引言 |
| 2.2 多核处理器简介 |
| 2.2.1 多处理器的发展历程 |
| 2.2.2 多核处理器的结构 |
| 2.2.3 多核处理器上的并行技术 |
| 2.3 OpenMP |
| 2.3.1 OpenMP简介 |
| 2.3.2 多线程的创建 |
| 2.3.3 任务并行 |
| 2.3.4 OpenMP在内核中的调度和映射 |
| 2.4 DVFS |
| 2.4.1 DVFS简介 |
| 2.4.2 能耗模型 |
| 2.4.3 DVFS实现流程 |
| 2.5 本章小结 |
| 3 并行化模型 |
| 3.1 引言 |
| 3.2 软件并行化的模型方案 |
| 3.2.1 任务划分 |
| 3.2.2 并行性分析 |
| 3.2.3 预处理 |
| 3.2.4 并行化实现 |
| 3.3 并行化中的节能模型 |
| 3.4 本章小结 |
| 4 JPEG编码算法并行化研究 |
| 4.1 JPEG标准简介 |
| 4.2 JPEG编码算法分析 |
| 4.3 JPEG-EN-DE并行化研究 |
| 4.3.1 任务划分 |
| 4.3.2 并行性分析 |
| 4.3.3 预处理 |
| 4.3.4 并行化实现 |
| 4.4 节能的实现 |
| 4.5 本章小结 |
| 5 H.264解码并行化研究 |
| 5.1 H.264标准简介 |
| 5.2 H.264解码算法分析 |
| 5.2.1 H.264基本定义 |
| 5.2.2 H.264解码流程 |
| 5.3 基于H.264标准的视频编解码软件 |
| 5.3.1 JM软件简介 |
| 5.3.2 JM软件解码流程 |
| 5.4 JM并行化研究 |
| 5.4.1 任务划分 |
| 5.4.2 并行性分析 |
| 5.4.3 预处理 |
| 5.4.4 并行化实现 |
| 5.5 本章小结 |
| 6 实验评估 |
| 6.1 JPEG并行化实验评估 |
| 6.1.1 实验环境搭建 |
| 6.1.2 实验结果 |
| 6.1.3 实验结果分析 |
| 6.2 H.264并行化实验评估 |
| 6.2.1 实验环境搭建 |
| 6.2.2 实验结果 |
| 6.2.3 实验结果分析 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 本文总结 |
| 7.2 未来研究方向的展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间内发表的论文目录 |
| B. 作者在攻读学位期间内参加的科研项目 |
（6）遥感影像协同处理体系及摄影测量应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 摄影测量与遥感数据处理技术发展 |
| 1.2.1 摄影测量与遥感并行处理系统及其核心技术 |
| 1.2.2 高性能计算现状及发展 |
| 1.2.3 摄影测量并行处理技术的发展 |
| 1.2.4 协同处理的难点与现有研究的不足 |
| 1.3 本文的研究内容和结构安排 |
| 第2章 遥感影像协同处理体系设计 |
| 2.1 遥感影像协同处理系统需求分析 |
| 2.1.1 能力需求 |
| 2.1.2 技术需求 |
| 2.2 并行计算平台设计 |
| 2.2.1 并行计算机架构 |
| 2.2.2 集群计算机构建模式 |
| 2.2.3 GPU-CPU混合集群计算平台搭建方式 |
| 2.2.4 网络互联技术 |
| 2.2.5 并行I/O体系 |
| 2.3 遥感影像协同处理软件体系设计 |
| 2.3.1 软件系统的功能组成 |
| 2.3.2 软件系统的体系结构设计 |
| 2.4 遥感影像协同处理系统总体结构与运行机制 |
| 2.4.1 遥感影像协同处理系统体系结构 |
| 2.4.2 遥感影像协同处理系统部署结构 |
| 2.4.3 遥感影像协同处理系统运行模式和流程 |
| 2.5 本章小结 |
| 第3章 遥感影像协同处理服务网格设计与实现 |
| 3.1 网格与遥感影像处理服务网格 |
| 3.2 遥感影像处理服务网格总体设计 |
| 3.2.1 遥感影像处理服务网格系统结构 |
| 3.2.2 Condor基础 |
| 3.2.3 基于Condor的网格系统总体结构及运行机制 |
| 3.2.4 核心服务与数据库的设计与实现 |
| 3.3 遥感影像协同处理服务网格门户设计 |
| 3.3.1 遥感影像协同处理服务网格门户总体结构 |
| 3.3.2 网格门户关键服务的设计与实现 |
| 3.3.3 网格门户应用接口设计 |
| 3.4 本章小结 |
| 第4章 遥感影像协同处理工作流及其管理技术 |
| 4.1 科学工作流概念及生命周期 |
| 4.1.1 科学工作流相关概念 |
| 4.1.2 科学工作流的生命周期 |
| 4.2 遥感影像协同处理工作流设计 |
| 4.2.1 能力需求 |
| 4.2.2 流程编辑方式 |
| 4.2.3 流程建模 |
| 4.2.4 基本概念和模型 |
| 4.2.5 工作流类型系统 |
| 4.3 遥感影像协同处理工作流的执行 |
| 4.3.1 工作流调度 |
| 4.3.2 与网格系统的集成 |
| 4.3.3 工作流服务 |
| 4.4 遥感影像协同处理工作流管理系统功能及应用实例 |
| 4.5 本章小结 |
| 第5章 摄影测量处理算法及其GPU并行优化研究 |
| 5.1 摄影测量处理的并行性 |
| 5.1.1 摄影测量自动化处理流程 |
| 5.1.2 并行模式 |
| 5.1.3 摄影测量协同处理模式 |
| 5.2 遥感影像多基线立体匹配及其GPU优化 |
| 5.2.1 实现模式与并行性分析 |
| 5.2.2 多基线立体匹配的多分辨率半全局优化 |
| 5.2.3 GPU并行优化 |
| 5.2.4 实验分析与结论 |
| 5.3 正射纠正及其GPU并行优化 |
| 5.3.1 正射纠正算法的并行性分析 |
| 5.3.2 重采样过程的GPU优化策略 |
| 5.3.3 面阵航空影像正射纠正中重采样过程的GPU并行处理实验 |
| 5.4 本章小结 |
| 第6章 面向摄影测量整体任务的遥感影像协同处理 |
| 6.1 摄影测量算法与遥感影像协同处理体系的集成 |
| 6.1.1 处理插件的形成机制 |
| 6.1.2 摄影测量处理算法的模块化分解 |
| 6.1.3 基于并行抽象接口的摄影测量处理算法改造 |
| 6.1.4 系统功能 |
| 6.2 系统处理能力实验 |
| 6.2.1 论文搭建的实验平台 |
| 6.2.2 实验数据 |
| 6.2.3 实验过程及结果 |
| 6.2.4 实验结论 |
| 6.3 系统动态适应性实验 |
| 6.3.1 实验平台和实验数据 |
| 6.3.2 实验过程及结果分析 |
| 6.4 应用实例 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 进一步研究的内容 |
| 参考文献 |
| 作者简历 |
| 致谢 |
（7）基于单机多核的网格DEM数字流域并行分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 论文研究的现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究的内容及技术路线 |
| 1.3.1 论文研究的内容 |
| 1.3.2 论文研究的技术路线 |
| 1.4 论文的组织结构 |
| 第二章 数字流域串行分析算法结构及其可并行性分析 |
| 2.1 格网DEM数字流域分析原理 |
| 2.1.1 格网DEM数据 |
| 2.1.2 无洼地DEM矩阵 |
| 2.1.3 流向计算 |
| 2.1.4 流量汇算 |
| 2.1.5 河网生成 |
| 2.2 格网DEM数字流域分析的基本过程 |
| 2.2.1 无洼地的DEM生成 |
| 2.2.2 水流流向与汇流量的确定 |
| 2.2.3 流域分割与河网的确定 |
| 2.3 格网DEM数字流域流向分析的主要方法 |
| 2.3.1 单流向分析方法 |
| 2.3.2 多流向分析方法 |
| 2.3.3 小结 |
| 2.4 主要串行分析算法结构及可并行性分析 |
| 2.4.1 洼地处理串行算法结构与可并行性分析 |
| 2.4.2 水流流向与汇流计算串行算法结构与可并行性分析 |
| 2.4.3 流域分割串行算法结构与可并行性分析 |
| 2.5 本章小结 |
| 第三章 基于OpenMP的数字流域串行算法的并行化 |
| 3.1 多核并行计算技术概述 |
| 3.1.1 传统并行计算模型 |
| 3.1.2 并行计算机的分类 |
| 3.2 单机多核并行程序设计 |
| 3.2.1 并行化分解与并行化模式 |
| 3.2.2 多核多线程程序并行设计 |
| 3.3 单机多核共享内存环境下的格网DEM数据拆分 |
| 3.3.1 拆分策略 |
| 3.4 多核多线程共享内存模型OpenMP |
| 3.4.1 并行执行模式与负载均衡 |
| 3.4.2 循环结构与任务调度 |
| 3.4.3 程序指令和库函数及相关子句 |
| 3.5 数字流域串行算法的多核并行化 |
| 3.5.1 格网DEM数据读取 |
| 3.5.2 并行填洼处理 |
| 3.5.3 流向的并行计算 |
| 3.5.4 汇流累积 |
| 3.5.5 流域并行分割 |
| 3.5.6 河网提取 |
| 3.6 本章小结 |
| 第四章 数字流域多核并行算法实验分析与优化 |
| 4.1 实验环境与实验平台搭建 |
| 4.1.1 实验环境 |
| 4.1.2 实验数据 |
| 4.1.3 实验平台搭建 |
| 4.2 实验项目 |
| 4.2.1 洼地处理并行分析算法测试 |
| 4.2.2 并行流向分析算法测试 |
| 4.2.3 汇流累计并行分析算法测试 |
| 4.2.4 流域分割并行分析算法测试 |
| 4.3 并行算法性能分析与优化 |
| 4.3.1 加速比性能分析 |
| 4.3.2 并行效率性能分析 |
| 4.3.3 准确性分析 |
| 4.3.4 并行处理时间分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
| 在校期间参与的科研项目 |
（8）遥感影像像素级融合通用模型及其并行计算方法（论文提纲范文）
| 本论文创新点 |
| 摘要 |
| Abstract |
| 目录 |
| 图索引 |
| 表索引 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 本文研究内容与组织结构 |
| 1.2.1 本文研究内容 |
| 1.2.2 本文组织结构 |
| 2 研究综述与存在的问题 |
| 2.1 遥感影像像素级融合 |
| 2.1.1 融合机理 |
| 2.1.2 融合评价指标 |
| 2.1.3 融合应用 |
| 2.1.4 融合算法与模型综述 |
| 2.1.5 存在的问题 |
| 2.2 遥感影像并行计算 |
| 2.2.1 并行计算硬件平台及编程环境 |
| 2.2.2 遥感影像并行处理中的分解策略 |
| 2.2.3 遥感影像并行处理方法综述 |
| 2.2.4 存在的问题 |
| 3 遥感影像像素级融合通用模型 |
| 3.1 通用模型数学推导过程 |
| 3.1.1 基于变量替换融合方法 |
| 3.1.2 基于调制融合方法 |
| 3.1.3 基于多尺度分析融合方法 |
| 3.2 通用模型的提出 |
| 3.2.1 通用模型的数学表达式 |
| 3.2.2 不同融合算法两个重要参量的确定 |
| 3.3 基于通用模型的融合算法实现与执行 |
| 3.4 通用模型的优越性 |
| 3.5 本章小结 |
| 4 基于通用模型的影像融合多核并行计算方法 |
| 4.1 基于通用模型的并行计算方法 |
| 4.1.1 直接计算通用模型中的两个参量 |
| 4.1.2 分块处理 |
| 4.1.3 并行处理机制 |
| 4.2 八个实现并行处理的融合算法 |
| 4.2.1 IHS |
| 4.2.2 PCA |
| 4.2.3 CN Brovey |
| 4.2.4 SFIM |
| 4.2.5 分块回归融合算法(BR) |
| 4.2.6 LCM |
| 4.2.7 AWT(a trous wavelet transform) |
| 4.2.8 结合PCA和α trous小波变换融合算法 |
| 4.3 实验结果 |
| 4.3.1 实验平台与数据 |
| 4.3.2 并行处理实验结果 |
| 4.3.3 融合视觉效果 |
| 4.4 比较与分析 |
| 4.4.1 决定最大加速比的因素 |
| 4.4.2 进程数的最优选择 |
| 4.4.3 与其它多核并行方法比较 |
| 4.4.4 与商业软件比较 |
| 4.5 本章小结 |
| 5 基于通用模型的影像融合GPU并行计算方法 |
| 5.1 使用GPU进行遥感影像处理基本流程 |
| 5.2 GPU支持的遥感影像融合并行计算方法 |
| 5.2.1 直接计算融合结果 |
| 5.2.2 应对大幅面的核外计算方法(out-of-core) |
| 5.2.3 GPU支持的整个处理流程 |
| 5.2.4 CUDA环境中参数优化设置 |
| 5.3 不同分块大小处理实验结果与分析 |
| 5.3.1 计算平台与实验影像 |
| 5.3.2 实验结果 |
| 5.3.3 结果分析 |
| 5.4 完成整个融合流程实验 |
| 5.5 本章小结 |
| 6 分块回归融合算法及其并行优化方法 |
| 6.1 BR算法原理、流程及优点 |
| 6.1.1 算法原理 |
| 6.1.2 BR融合算法流程 |
| 6.1.3 BR融合算法的优点 |
| 6.2 分块回归算法的并行优化方法 |
| 6.2.1 改进前任务分配及读数据策略 |
| 6.2.2 改进后任务分配及读数据策略 |
| 6.2.3 ParaBR算法并行性分析 |
| 6.3 块长优化选择 |
| 6.3.1 针对高分辨率光学影像融合的块长优化选择 |
| 6.3.2 针对SAR与光学影像融合的块长优化选择 |
| 6.4 融合效果与其它算法的比较 |
| 6.4.1 高分辨率光学影像融合 |
| 6.4.2 用于特征增强的SAR与光学影像融合 |
| 6.5 并行优化方法计算性能 |
| 6.5.1 优化前后比较 |
| 6.5.2 与其它融合算法处理性能比较 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 本文主要结论及创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间主要成果 |
| 致谢 |
（9）面向大规模三维地形构建的高性能计算支撑技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 图录 |
| 表录 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 技术进步对应用的拓展 |
| 1.1.2 新需求带来的新挑战 |
| 1.2 三维地形构建技术概述 |
| 1.2.1 三维地形构建方法 |
| 1.2.2 三维地形构建关键技术 |
| 1.3 高性能计算支撑技术在地形构建方面的研究概况 |
| 1.3.1 基于专用高性能计算平台的地形构建 |
| 1.3.2 基于高性能运算器件加速的地形构建 |
| 1.4 本文的主要工作及组织结构 |
| 1.4.1 课题研究内容 |
| 1.4.2 论文组织结构 |
| 第二章 MEGA：一种 GPU 加速的大规模三维地形可视化框架 |
| 2.1 引言 |
| 2.2 支持大规模地形数据高效存储和调度的多分辨率模型：FMRM |
| 2.2.1 问题的提出 |
| 2.2.2 FMRM 整体结构 |
| 2.2.3 分块存储子模型 |
| 2.2.4 多分辨率逻辑子模型 |
| 2.3 SFNE：一种融合地表特征表示的嵌套几何误差度量算法 |
| 2.3.1 常用误差度量 |
| 2.3.2 地表特征表示：粗糙度计算 |
| 2.3.3 嵌套几何误差度量 |
| 2.3.4 误差度量的约束：逼真度计算 |
| 2.4 基于顶点过渡权值的视觉平滑处理 |
| 2.4.1 问题的提出 |
| 2.4.2 基本思想 |
| 2.4.3 过渡权值计算 |
| 2.4.4 实现流程 |
| 2.5 SRCaster：一种简化的 GPU 快速光线投射地形渲染方法 |
| 2.5.1 基本原理 |
| 2.5.2 问题的提出 |
| 2.5.3 快速相交测试 |
| 2.5.4 光线方向控制 |
| 2.5.5 实现流程 |
| 2.6 实验分析 |
| 2.6.1 FMRM 地形数据调度性能对比分析 |
| 2.6.2 SFNE 算法性能对比分析 |
| 2.6.3 视觉平滑处理有效性验证 |
| 2.6.4 SRCaster 渲染性能对比分析 |
| 2.7 本章小结 |
| 第三章 基于 CPU/GPU 异构协同加速的大规模地形数据高性能编码 |
| 3.1 引言 |
| 3.2 基于提升小波机制的地形多分辨率模型 |
| 3.2.1 提升小波机制 |
| 3.2.2 变换模型建立及小波选取 |
| 3.2.3 基于小波变换的地形数据多分辨率四叉树的构建 |
| 3.2.4 层进传输 |
| 3.3 基于 CUDA 的地形数据并行混合熵编码 |
| 3.3.1 引入并行前缀和扫描的游程编解码器 |
| 3.3.2 并行霍夫曼编解码器 |
| 3.4 实验分析 |
| 3.4.1 压缩比和 PSNR |
| 3.4.2 编解码吞吐量 |
| 3.4.3 渲染效果和帧率 |
| 3.5 本章小结 |
| 第四章 基于 CUDA 的稀疏矩阵向量乘算法及其优化方法 |
| 4.1 问题的提出 |
| 4.2 算法详情 |
| 4.3 数据分布优化 |
| 4.3.1 线程划分优化 |
| 4.3.2 数据访问优化 |
| 4.3.3 分级多层存储的数据复用 |
| 4.4 负载均衡设计 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 第五章 多核 CPU 加速的地上自然景观模拟——以三维动态云为例 |
| 5.1 引言 |
| 5.2 细胞自动机概述 |
| 5.3 基于细胞自动机的三维动态云建模 |
| 5.3.1 云模型研究现状 |
| 5.3.2 动态云建模 |
| 5.3.3 云的运动特性模拟 |
| 5.3.4 基于多重前向散射的云粒子光照模型 |
| 5.3.5 多线程框架 |
| 5.4 实验分析 |
| 5.4.1 不同处理器下的性能分析 |
| 5.4.2 不同方法的性能对比 |
| 5.4.3 渲染效果 |
| 5.5 扩展应用讨论 |
| 5.6 本章小结 |
| 第六章 M3NSQ：多核多线程加速的细胞自动机多近邻单元状态查询算法 |
| 6.1 问题的提出 |
| 6.2 算法框架 |
| 6.2.1 预处理 |
| 6.2.2 查询执行 |
| 6.2.3 算法实现 |
| 6.3 实验分析 |
| 6.4 本章小结 |
| 第七章 VWBuilder：支持大规模三维地形构建及应用的框架系统 |
| 7.1 引言 |
| 7.2 VWBuilder 的设计与实现 |
| 7.2.1 数据和资源管理子系统 |
| 7.2.2 场景管理子系统 |
| 7.2.3 渲染子系统 |
| 7.3 VWBuilder 应用验证 |
| 7.3.1 VWBuilder 构建三维地形数据库 |
| 7.3.2 VWBuilder 支持的飞行过程重现及飞参评估 |
| 7.3.3 VWBuilder 支持的虚拟战场环境态势模拟 |
| 7.4 本章小结 |
| 第八章 结束语 |
| 8.1 本文研究工作总结 |
| 8.2 进一步的研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（10）基于多通道置信度传播算法的航空核线影像稠密立体匹配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 研究课题的目的与意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国内部分研究机构及其成果 |
| 1.2.2 国外部分研究机构及其成果 |
| 1.2.3 逐像素立体匹配算法及相关技术 |
| 1.3 航空影像逐像素稠密立体匹配的主要干扰 |
| 1.4 本文研究的主要内容 |
| 1.5 本文的组织结构 |
| 第二章 逐像素立体匹配原理与算法概述 |
| 2.1 立体匹配算法的基本原理 |
| 2.1.1 透视投影 |
| 2.1.2 立体视觉原理 |
| 2.2 立体匹配算法概述 |
| 2.2.1 匹配基元 |
| 2.2.2 局部匹配算法 |
| 2.2.3 全局匹配算法 |
| 2.2.4 立体匹配基本约束 |
| 2.2.5 计算机视觉中图像立体匹配的挑战 |
| 2.3 航空影像在稠密立体匹配中的难点与解决方案 |
| 2.4 本章小结 |
| 第三章 RGB-BP多通道置信度传播算法 |
| 3.1 置信度传播理论 |
| 3.1.1 显示节点与隐含节点 |
| 3.1.2 置信度传播算法 |
| 3.2 RGB-BP多通道置信度传播算法 |
| 3.2.1 基础匹配模型 |
| 3.2.2 RGB-BP算法 |
| 3.3 RGB-BP算法实验结果的评估与分析 |
| 3.3.1 数据源与检验数据 |
| 3.3.2 实验结果 |
| 3.3.3 结果评估 |
| 3.4 算法讨论 |
| 3.5 本章小结 |
| 第四章 集成多种控制技术的稠密立体匹配方法 |
| 4.1 图像彩色分割 |
| 4.1.1 常用图像分割方法 |
| 4.1.2 Mean Shift图像彩色分割技术 |
| 4.1.3 Mean Shift彩色分割实验结果 |
| 4.2 基于窗口模式的匹配代价生成 |
| 4.2.1 算法基本处理过程 |
| 4.2.2 算法结果与评估 |
| 4.3 视差图后处理 |
| 4.3.1 基于左右对称检测的视差图像素分类 |
| 4.3.2 基于图像分割结果图的视差图增强 |
| 4.3.3 亚像素估计 |
| 4.4 本章小结 |
| 第五章 并行计算加速技术 |
| 5.1 并行计算基本发展 |
| 5.2 并行计算机硬件系统与并行程序开发技术 |
| 5.2.1 并行计算机硬件系统 |
| 5.2.2 并行程序开发技术 |
| 5.3 航空影像密集匹配的并行加速方法 |
| 5.3.1 并行计算实验的设计 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究成果与创新 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间论文及科研情况 |
| 致谢 |
四、利用P_4CPU的超线程技术提升处理TM影像数据的速度（论文参考文献）
- [1]静止海洋水色卫星数据并行重构研究 ——以GOCI为例[D]. 陈奕君. 浙江大学, 2019(02)
- [2]MPI并行技术在测绘数据处理中的应用[D]. 崔家武. 广东工业大学, 2019(02)
- [3]摄影测量影像快速立体匹配关键技术研究[D]. 李迎松. 武汉大学, 2018(06)
- [4]多数据中心架构下遥感云数据管理及产品生产关键技术研究[D]. 阎继宁. 中国科学院大学(中国科学院遥感与数字地球研究所), 2017(10)
- [5]多媒体应用的软件并行化及低功耗优化方法的研究与实现[D]. 林晓浩. 重庆大学, 2016(03)
- [6]遥感影像协同处理体系及摄影测量应用研究[D]. 张丽. 解放军信息工程大学, 2015(07)
- [7]基于单机多核的网格DEM数字流域并行分析[D]. 张海天. 江西理工大学, 2015(02)
- [8]遥感影像像素级融合通用模型及其并行计算方法[D]. 杨景辉. 武汉大学, 2014(01)
- [9]面向大规模三维地形构建的高性能计算支撑技术研究[D]. 郭浩然. 解放军信息工程大学, 2013(01)
- [10]基于多通道置信度传播算法的航空核线影像稠密立体匹配研究[D]. 胡腾. 武汉大学, 2013(10)