基于多核CPU和GPU的高光譜數據并行幾何校正

在重采樣部分，在計算過程中需根據未幾何校正的原始影像數據求解經校正的高光譜數據，所涉及的輸入輸出數據都是三維的高光譜數據立方體。重采樣部分所耗總時間除了計算時間，還包含較高比例的數據I／O時間，如表4所示。

并行重采樣部分未達到理想的高加速比，是因為重采樣部分平均每個波段計算中硬盤讀／寫時間達到約440 ms，比在GPU上的并行計算時間60 ms(包含核函數計算時間和顯存與內存間的通信時間)高了多達7倍，大幅降低了并行計算所帶來的加速比。高光譜影像數據量巨大的特點決定了其數據I／O時間難以忽略。因此，面向高光譜影像領域的應用問題，實現其快速計算的一個難點。就是如何優化I／O，降低其在運算時間中所占比例。
3．4 基于CPU和GPU的并行幾何校正
將本文所提出的基于多核CPU和GPU的并行方法應用到重采樣計算過程中：CPU端利用多核特性創建多線程進行任務級并行，在主線程調用GPU執行重采樣并行計算任務的同時，派生線程分別完成I／O任務。通過實驗可知，基于CPU和GPU的并行重采樣加速比達到3．53，如表5所示。

該結果證實了本文參考流的思想提出的基于多線程的數據I／O優化方法具有很好的效果，并對高光譜遙感影像領域的應用具有普適性。

4 結語
本文針對幾何校正應用所處理數據量大、計算時間長的特點，針對多核CPU和GPU的特點分析其各自優勢，抽象出一種描述多核CPU和GPU異構并行平臺的并行計算模型，研究基于POS數據的幾何校正并行計算方法，實現航空高光譜數據并行幾何校正。實驗結果表明；數據I／O限制基于GPU的并行重采樣獲得整體加速比。
基于多核CPU和GPU的并行幾何校正創建多線程執行數據讀／寫任務，在基于GPU并行計算的基礎上有效地隱藏了重采樣過程的數據I／O時間，加速比在原來的基礎上提高了1．76倍。幾何校正總體加速比達到4．03，在原有基礎上提高了1．74倍。