项目名称: 基于剖分模型的遥感影像模板并行处理方法研究

项目编号: No.U1304403

项目类型: 联合基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 杜根远

作者单位: 许昌学院

项目金额: 30万元

中文摘要: 遥感影像数据在诸多军事和民用领域有着越来越广泛的应用,随着数据量的增加和应用需求的扩大,遥感数据的组织管理和处理速度已经成为制约遥感技术应用的瓶颈,地球剖分理论和高性能计算为上述问题解决提供了一种可能途径。本项目旨在通过研究剖分遥感影像面片模板的快速并行处理方法来解决这一关键性问题,主要研究内容包括:(1)在地图分幅拓展的地球剖分模型基础上,建立剖分面片模板的数据模型,提出模板快速生成方法,设计剖分面片模板计算模式及模板并行计算机制;(2)在MPI与OpenMP混合并行计算框架下,对模板处理算法进行并行性分析,建立模板快速并行处理模型与方法,设计实现算法的并行化类库;(3)开发剖分面片模板并行处理算法软件平台,利用特定地区遥感影像资源实现模板快速应用模式。本研究对于拓展地球剖分理论应用领域,提高遥感影像处理速度,加快空间信息快速可视化表达、分析及决策反应速度,具有十分重要的战略意义。

中文关键词: 空间剖分;面片模板;并行计算;分层组织;

英文摘要: Remote sensing image data has more and more wide application in many military and civilian areas. With the increasing data amount and the extending application requirements, the organization management and processing speed of remote sensing image data has become a bottleneck of restricting the application of remote sensing technique. Both The Global Partition Theory and the high performance of computing provide a possible solution for the above problem. This project aims to study the fast parallel processing methods of spatial data partition facets to solve the key problem. The main contents include: (1) based on the global spatial data partition model of EMD, propose the fast generation method of templates and design the computing mode of partition facets template and template parallel computing system; (2) on the hybrid parallel compute framework of MPI and OpenMP, analyze the parallelism of template processing algorithms, put forward the parallel method of template processing algorithms, design and realize the parallel class library; (3) develop the parallel processing algorithms software platform of the partition facets template, use remote sensing images of specific areas to confirm the rapid application mode. This research has very important strategic significance for expanding the application field of the

英文关键词: spatial partition;facet template;parallel computing;layer-based organization;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年5月10日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
30+阅读 · 2021年1月9日
领域知识图谱研究综述
专知会员服务
142+阅读 · 2020年8月2日
AI 框架部署方案之模型转换
极市平台
2+阅读 · 2021年11月2日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
36+阅读 · 2021年5月10日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
30+阅读 · 2021年1月9日
领域知识图谱研究综述
专知会员服务
142+阅读 · 2020年8月2日
相关资讯
AI 框架部署方案之模型转换
极市平台
2+阅读 · 2021年11月2日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员