大區(qū)域遙感影像快速處理流程研究

國(guó)仲凱　鄭福海

摘要：本文通過(guò)利用并行處理技術(shù)對(duì)大區(qū)域遙感影像進(jìn)行稀少控制區(qū)域網(wǎng)平差、DEM密集匹配及影像批量糾正試驗(yàn)，總結(jié)并行處理技術(shù)在遙感影像快速糾正中的生產(chǎn)流程、效率以及相關(guān)的應(yīng)用條件等。

關(guān)鍵詞：遙感影像；并行計(jì)算；密集匹配；快速處理；流程研究

引言

隨著遙感影像使用范圍越來(lái)越廣泛，現(xiàn)在已經(jīng)成為提供空間信息的重要數(shù)據(jù)源。遙感數(shù)據(jù)的應(yīng)用范圍擴(kuò)大到各個(gè)社會(huì)信息服務(wù)領(lǐng)域，發(fā)揮著重大作用。經(jīng)過(guò)定向后的遙感影像數(shù)據(jù)可為測(cè)繪、城市基礎(chǔ)地理信息動(dòng)態(tài)更新、國(guó)土資源調(diào)查、生態(tài)環(huán)境監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)、海洋資源、農(nóng)業(yè)監(jiān)測(cè)、快速響應(yīng)等不同的領(lǐng)域提供相應(yīng)的地理信息數(shù)據(jù)。

傳統(tǒng)影像處理需要高性能的計(jì)算機(jī)，并且配備多種影像數(shù)據(jù)處理軟件協(xié)同作業(yè)，各工序僅對(duì)流程負(fù)責(zé)，數(shù)據(jù)處理效率低，精度差。現(xiàn)代遙感影像的獲取頻率越來(lái)越快，同時(shí)數(shù)據(jù)量也越來(lái)越大，傳統(tǒng)的基于串行計(jì)算的處理方式已很難滿足高效率的生產(chǎn)需求和快速響應(yīng)，因此必須采用并行計(jì)算來(lái)快速地對(duì)大區(qū)域影像進(jìn)行處理，提高數(shù)據(jù)處理效率。

1. 并行處理技術(shù)簡(jiǎn)介

1.1 并行技術(shù)處理種類

現(xiàn)代計(jì)算機(jī)并行處理技術(shù)主要有基于CPU和基于GPU這兩大類處理方法，各有相應(yīng)的具體處理方案，如通過(guò)CPU加速的MPI、OpenMP、PVM等，還有Intel的TBB等；基于GPU的有NVIDIA的CUDA和ATI的Stream技術(shù)。本試驗(yàn)根據(jù)數(shù)據(jù)特點(diǎn)和計(jì)算機(jī)硬件配置情況，采用基于GPU方法的軟件系統(tǒng)進(jìn)行影像的快速糾正試驗(yàn)。

1.2 GPU并行處理優(yōu)勢(shì)

1.2.1 高效的并行性

在目前主流的GPU中，配置多達(dá)16個(gè)片段處理流水線，6個(gè)頂點(diǎn)處理流水線。多條流水線可以在單一控制部件的集中控制下運(yùn)行，也可以獨(dú)立運(yùn)行。GPU的頂點(diǎn)處理流水線使用MIMD方式控制，片段處理流水線使用SIMD結(jié)構(gòu)。相對(duì)于并行機(jī)而言，GPU提供的并行性在十分廉價(jià)的基礎(chǔ)上，為適合于在GPU上進(jìn)行處理的應(yīng)用提供了一個(gè)很好的并行方案。

1.2.2 高密集的運(yùn)算

GPU通常具有128位或256位的內(nèi)存位寬，因此GPU在計(jì)算密集型應(yīng)用方面具有很好的性能。

1.2.3 超長(zhǎng)圖形流水線

GPU超長(zhǎng)圖形流水線的設(shè)計(jì)以吞吐量的最大化為目標(biāo)（如NVIDIA GeForce 3流水線有800個(gè)階段），因此GPU作為數(shù)據(jù)流并行處理機(jī)，在對(duì)大規(guī)模的數(shù)據(jù)流并行處理方面具有明顯的優(yōu)勢(shì)。

2. 遙感影像快速處理應(yīng)用

2.1 應(yīng)用區(qū)簡(jiǎn)介

試驗(yàn)區(qū)內(nèi)覆蓋46景P5影像，布設(shè)外業(yè)控制點(diǎn)68個(gè)、檢查點(diǎn)17個(gè)，用于區(qū)域網(wǎng)平差的解算及精度檢查；在立體模型中選取26個(gè)檢測(cè)點(diǎn)，用于檢測(cè)DEM和DOM成果精度。試驗(yàn)區(qū)范圍及控制點(diǎn)分布（見(jiàn)圖1）。

2.2 使用的軟硬件

主要軟硬件設(shè)備包括集群式影像處理系統(tǒng)PCI GXL軟件及可進(jìn)行圖形、圖像處理的高配置計(jì)算機(jī)等。

2.3 應(yīng)用區(qū)生產(chǎn)

2.3.1 稀少控制區(qū)域網(wǎng)平差

（1）建立測(cè)區(qū)工程

建立測(cè)區(qū)工程，設(shè)置工程參數(shù)及投影坐標(biāo)系、控制點(diǎn)文件、DEM格網(wǎng)間距及正射影像分辨率。同時(shí)根據(jù)影像之間的相互關(guān)系設(shè)置影像列表，導(dǎo)入衛(wèi)星影像并建立模型。

（2）區(qū)域網(wǎng)平差

首先利用軟件對(duì)所有影像自動(dòng)進(jìn)行連接點(diǎn)的量測(cè)，然后對(duì)控制點(diǎn)進(jìn)行預(yù)測(cè)，人工輔助量測(cè)控制點(diǎn)，最后采用“RPC測(cè)區(qū)絕對(duì)定位”解算方法對(duì)區(qū)域網(wǎng)進(jìn)行平差解算，剔除掉粗差點(diǎn)，得到滿足精度的區(qū)域網(wǎng)平差結(jié)果，控制點(diǎn)平差結(jié)果見(jiàn)表1。

表1 區(qū)域網(wǎng)平差結(jié)果（單位：m）

[類型＼&個(gè)數(shù)＼&平面中誤差＼&高程中誤差＼&平面最大誤差＼&高程最大誤差＼&控制點(diǎn)＼&68＼&1.385＼&0.836＼&2.723＼&1.042＼&檢查點(diǎn)＼&17＼&4.667＼&1.436＼&6.679＼&1.496＼&]

2.3.2 DEM及DOM生產(chǎn)

首先利用區(qū)域網(wǎng)平差定向后的影像進(jìn)行DEM密集匹配，然后利用擬合、平滑、內(nèi)插、定值等工具對(duì)密集匹配結(jié)果進(jìn)行編輯，得到滿足精度的DEM數(shù)據(jù)，最后利用DEM數(shù)據(jù)采用并行計(jì)算的方法對(duì)影像進(jìn)行批量糾正，得到DOM數(shù)據(jù)。DEM及DOM批量鑲嵌結(jié)果見(jiàn)圖2。

2.3.3 精度統(tǒng)計(jì)

利用立體模型量測(cè)的檢測(cè)點(diǎn)對(duì)DEM及DOM進(jìn)行精度檢測(cè)，檢測(cè)結(jié)果見(jiàn)表2。

2.3.4 效率統(tǒng)計(jì)

數(shù)據(jù)處理整理耗時(shí)情況見(jiàn)表3。

3. 結(jié)論

通過(guò)生產(chǎn)試驗(yàn)表明，利用并行處理技術(shù)對(duì)大區(qū)域遙感影像數(shù)據(jù)進(jìn)行區(qū)域網(wǎng)平差后制作的DEM與DOM精度能夠滿足不同比例尺規(guī)范的相關(guān)要求，同時(shí)并行處理技術(shù)能夠簡(jiǎn)化生產(chǎn)流程，大幅度提高運(yùn)算效率并減少運(yùn)算時(shí)間，特別在對(duì)大區(qū)域遙感影像進(jìn)行處理時(shí)，優(yōu)勢(shì)明顯。

參考文獻(xiàn)：

[1] 鄭福海，楊木，宋紅艷等.利用IRS—P5影像制作1：500003D產(chǎn)品的試驗(yàn)研究[J].測(cè)繪與空間地理信息，2011，34（6）：117—120.

[2] 肖漢，張祖勛等.基于GPGPU的并行影像匹配算法[J].測(cè)繪學(xué)報(bào)，2010，39（1）：46—51.

[3] 孫影，鄭福海，王鐵軍等.PixelGrid集群式系統(tǒng)在影像快速糾正中的應(yīng)用研究[J].測(cè)繪與空間地理信息，2014，37（10）：221—223.

[4] 李宏寬，楊曉冬，鄒珍軍.基于MPI并行的遙感影像系統(tǒng)幾何校正快速處理技術(shù)研究[J].河南工程學(xué)院學(xué)報(bào)·自然科學(xué)版，2011，23（1）：49—52.

[5] 陳國(guó)良，孫廣中.并行計(jì)算的一體化研究現(xiàn)狀與發(fā)展趨勢(shì)[J].科學(xué)通報(bào)，2009，（8）：25—27.

[6] 張利娜， 張東芳， 白亞彬. 基于GDAL的遙感影像快速讀取與顯示方法研究[J]. 西部資源， 2014（1）.

[7] 杜斌， 張煒. 基于面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[J]. 西部資源， 2016（5）.