基于GPU的高光谱遥感编程模型研究

凌乐鑫 陈志文

摘要：随着空间分辨率和波谱分辨率的不断提高，高光谱遥感的数据量己经达到海量级别，其处理方法过程复杂，数据计算密集，可以进行并行性的优化。本文对基于CUDA框架下的高光谱遥感数据GPU并行应用模型进行研究，在并行设计时，尽可能地减少循环次数和执行指令，减少通信时间，提高GPU的利用率。

关键词：GPU；高光谱遥感；并行设计

GPU是计算机中显卡的核心组成部件，不仅具备高质量、高性能图形图像处理能力，而且随着技术的发展，GPU己经可以用于通用计算。特别是在在浮点数计算、并行处理等方面，GPU的性能要比CPU高出数十倍甚至上百倍。原因在于计算核心的数量，CPU的核心数量一般为是2至4个，目前己经出现8核或者16核，但是在一般的使用還是很少，而且价格昂贵，而GPU己经发展到超过240个计算核心。

1 GPU计算模型分析概述

1.1 GPU计算模型概念

目前针对大数据量高光谱遥感影像的处理主要采用多核CPU或者集群模式，CPU的工作原理是将进入CPU的计算机程序指令，经过控制单元的调度分配后送往指定的逻辑运算单元，根据计算得到处理后的数据，再存放到存储单元中，最后交由应用程序使用，整个过程采用的是单线程的处理模式。该模式的对于环境配置和硬件要求较高，运算速度的提升空间也不理想，很难实现对于海量数高光谱遥感影像的实时处理。与之相对的，GPU的设计完全是从指令并行的角度出发的，它包含了大量的执行处理单元，因而能够轻松的加载并行计算。……