基于GPU的空谱联合核稀疏表示高光谱分类并行优化
【出 处】:《
计算机工程与科学
》
CSCD
2014年第36卷第12期 2321-2330页,共10页
【作 者】:
王启聪
[1,3] ;
吴泽彬
[1,2] ;
刘建军
[1] ;
韦志辉
[1,3] ;
叶舜
[1] ;
柳家福
[1]
【摘 要】
高光谱图像分类是遥感信息处理领域的热点问题,在核稀疏表示分类框架下,联合光谱信息和像元空间信息,空谱联合核稀疏表示高光谱图像分类能够取得较好的分类效果,但较高的计算复杂度及高光谱图像较大的数据量限制了其在实时性要求较高情况下的应用。基于GPU/CUDA架构,提出了一种空谱联合核稀疏表示高光谱分类的并行优化方法,设计访存优化策略对主机和设备端数据交互进行优化;充分利用GPU并行计算能力,加速分类过程中核矩阵的计算;采用依据GPU并行特性实现的矩阵运算,优化基于交替方向乘子法的分类模型求解过程。利用实际高光谱图像数据进行的实验,验证了该方法的有效性和高效性。
相关热词搜索: 遥感 高光谱 GPU 并行 分类 remote sensing hyperspectral GPU parallel classification
上一篇:3D SRAM中的TSV开路故障模型研究
下一篇:高性能计算专栏约稿