【技术实现步骤摘要】
一种CPU
‑
GPU协同的遥感影像边缘检测并行计算方法
[0001]本专利技术涉及一种CPU
‑
GPU协同的遥感影像边缘检测并行计算方法，属于数据处理
技术介绍
[0002]对地观测技术的日新月异促使多源异构的地理空间数据呈爆炸式增长，并行计算技术在大规模、高密集度地理空间数据分析方面发挥着重要作用。而随着高性能计算硬件架构的不断发展，如何与时俱进地利用新型并行计算技术，突破数据密集、计算密集和通信密集等问题带来的性能瓶颈成为GIS领域的研究热点。
[0003]栅格邻域分析的计算结果通常仅与焦点栅格及其邻域栅格有关，具有较小的任务依赖性与较强的计算独立性，是众多学者进行并行效率提升的重点研究对象。早期以CPU计算节点执行并行计算，但随着需求增加CPU的并行计算能力愈发难以满足对海量地理空间数据的大规模并行处理需求。随着GPU的问世与发展，其强大的数值并行计算能力已为遥感影像边缘检测、非监督分类、数字地形分析、区域时空变化模拟等分析过程带来更加显著的并行加速效果。与此同时，...
【技术保护点】
【技术特征摘要】
1.一种CPU
‑
GPU协同的遥感影像边缘检测并行计算方法，其特征在于执行如下步骤：步骤1：并行环境初始化；步骤11、读取源栅格数据，获取栅格行数、列数、像元深度和像元数值类型；步骤12、设置并行参数，其中包括GPU计算端的流并行粒度、GPU线程组织模式和CPU计算端的CPU计算线程数；步骤13、创建有向任务队列，将所述源栅格数据以所述栅格行数为最小并行粒度进行分块，并对首、尾行进行锚点标记，从而形成若干具有首锚点标记和尾锚点标记的子任务队列；步骤2：CPU主线程初始化GPU，并优化GPU内存步骤3：由CPU计算端与GPU计算端分别执行计算任务；GPU计算端，由CPU主线程初始化3个GPU流，按照所述流并行粒度从对应子任务队列的首锚点标记开始，向所述子任务队列中部顺次提取数据块，填入各GPU流中并由GPU执行计算；CPU计算端，CPU各计算线程对应子任务队列尾锚点标记开始，向所述子任务队列中部遍历提取数据块，并根据CPU计算线程数目对数据块进行分块计算；步骤4：同步CPU与GPU；CPU主线程等待各GPU流中的操作执行完毕，同时各CPU计算...
【专利技术属性】
技术研发人员：周琛，余治欣，陈振杰，杜皓阳，温伯清，王梓安，邱小倩，李满春，
申请(专利权)人：南京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。