论文部分内容阅读
从高分辨率遥感影像中自动提取道路,对于灾害应急、军事行动以及GIS路网数据的实时更新等有着重大的意义。但由于遥感影像数据量较大,而大多数基于遥感影像的道路提取算法又比较复杂且计算量庞大,导致基于遥感影像的道路提取方法在处理速度上较为缓慢,极大限制了其在实际中的应用范围。为解决基于遥感影像道路提取方法处理效率低下的问题,本文利用GPU以及集群计算等高性能计算手段对道路提取相关算法进行并行优化,实现基于遥感影像的快速道路提取处理,并开发了一款具有实际应用价值的道路提取软件系统。本文的研究工作如下:(1)从道路提取、道路特征分析以及道路矢量化三个方面对道路提取相关算法进行了探讨。在道路提取算法上,实现了一种基于模糊C均值的道路提取算法;道路宽度估计方面,借鉴了文字识别中的笔划宽度分析算法,实现了一种基于边缘梯度的道路宽度估计算法;道路矢量化方面,对基于特征点追踪的矢量化方法进行研究,采用三次B样条曲线拟合方法对其矢量化结果进行了优化。(2)对道路提取、道路宽度估计以及道路矢量化三个模块的处理算法进行并行性分析,基于CUDA架构,对三种算法进行了GPU并行优化设计,提高了单个计算机节点的道路提取算法执行效率。(3)针对GPU并行计算需要对算法进行重新设计的缺陷,基于集群计算设计了一种面向道路提取的通用并行处理模型,从数据划分、任务分配等方面对模型的具体实现进行了研究,针对MPI集群模型容灾能力弱的问题,设计了一种任务恢复的机制,提高了处理模型的容灾能力。(4)搭建基于集群并行处理模型的高性能道路提取系统。开发一个用于用户交互的系统客户端,并将集群并行处理模型集成于软件系统中,对客户端提交的任务进行快速并行处理。通过实验对系统性能进行了测试与分析,从实验结果上来看,系统表现出了较好的稳定性以及容灾能力,相比基于CPU单节点的道路提取处理,系统在处理效率上得到了极大的提升,在CPU集群处理模式下加速比达到了3倍,GPU集群处理模式下加速比可达到15倍。