遙感影像像素級(jí)融合通用模型及其并行計(jì)算方法

楊景輝

中國(guó)測(cè)繪科學(xué)研究院，北京100830

影像融合是衛(wèi)星影像處理流程中重要的一環(huán)，已經(jīng)廣泛應(yīng)用于遙感影像目視解譯、自動(dòng)分類(lèi)、正射影像制作、影像測(cè)圖等。隨著衛(wèi)星影像分辨率的提高和在軌衛(wèi)星數(shù)目的增加，大量的數(shù)據(jù)處理需求及短時(shí)間的響應(yīng)要求對(duì)影像融合的處理帶來(lái)了極大的挑戰(zhàn)。

已有融合模型只能描述一至兩類(lèi)融合方法，通用性不強(qiáng)，缺乏可描述更多算法、更一般性的融合模型；其二缺乏可適用大部分融合算法而且可大幅提升處理性能的影像融合并行計(jì)算方法；再者少數(shù)幾個(gè)具有調(diào)節(jié)能力的融合算法調(diào)節(jié)參數(shù)多，運(yùn)算量大，實(shí)用性不強(qiáng)，缺乏調(diào)節(jié)參數(shù)少、便于并行計(jì)算、融合效果可調(diào)節(jié)的算法。

針對(duì)上述問(wèn)題，本文的主要?jiǎng)?chuàng)新點(diǎn)如下：

（1）遙感影像融合通用模型。在3類(lèi)融合算法分析與數(shù)學(xué)推導(dǎo)的基礎(chǔ)上，提出了遙感影像像素級(jí)融合通用模型，該模型通過(guò)一個(gè)簡(jiǎn)單的數(shù)學(xué)公式清晰地反映了參與融合的多光譜影像、從高分辨率全色影像提取的空間細(xì)節(jié)信息和采取的融合策略三者之間的運(yùn)算關(guān)系；該模型能描述大多數(shù)融合算法，列舉了常用融合算法映射成通用模型時(shí)兩個(gè)重要參量的數(shù)學(xué)表達(dá)式。該模型的建立有助于融合算法分析與比較，用于算法實(shí)現(xiàn)與執(zhí)行時(shí)，大部分算法基本步驟相同，有利于算法集成和模塊復(fù)用，針對(duì)某些算法能舍棄一些不必要的步驟，減少計(jì)算量需求。

（2）耦合通用模型的影像融合多核并行計(jì)算方法。將通用模型與多核計(jì)算機(jī)結(jié)合，提出了適應(yīng)性廣、計(jì)算效率高的影像融合并行處理策略，開(kāi)發(fā)了一個(gè)集成八個(gè)典型融合算法、運(yùn)行于多核計(jì)算機(jī)的并行計(jì)算框架，并在兩臺(tái)分別安裝Windows和Linux操作系統(tǒng)的工作站上進(jìn)行了并行處理試驗(yàn)。該并行計(jì)算方法不僅能取得較高的加速比，而且能有效地利用多核計(jì)算機(jī)的計(jì)算資源；最好情況下完成整個(gè)融合流程最短時(shí)間接近一個(gè)極限，該極限為直接讀取源影像，未經(jīng)過(guò)任何計(jì)算之后再將數(shù)據(jù)寫(xiě)入輸出影像所用時(shí)間之和；在一臺(tái)具有兩個(gè)CPU的工作站上進(jìn)行并行融合處理時(shí)，整個(gè)融合流程相對(duì)串行處理可取得最高13.9倍的加速；融合算法的并行版本最高32.6倍快于商業(yè)軟件ERDAS IMAGINE中相應(yīng)算法版本，其融合效果與商業(yè)軟件沒(méi)有明顯的差別。

（3）耦合通用模型的影像融合GPU并行計(jì)算方法。將通用模型和GPU結(jié)合提出了可用于大幅面處理、適應(yīng)性廣的融合并行處理方法，并對(duì)CUDA環(huán)境中參數(shù)進(jìn)行優(yōu)化設(shè)置，以Nvidia公司新一代Fermi架構(gòu)GPU為計(jì)算平臺(tái)，對(duì)整景影像進(jìn)行了并行處理實(shí)驗(yàn)。該方法加速性能明顯，根據(jù)整景影像測(cè)試結(jié)果，采用目前中等級(jí)別的GPU加速卡計(jì)算性能可提高至107倍；適用性廣，可應(yīng)用于多個(gè)影像融合算法。

（4）融合效果可調(diào)節(jié)且經(jīng)過(guò)并行優(yōu)化的分塊回歸融合算法。提出了經(jīng)過(guò)并行優(yōu)化的分塊回歸融合算法ParaBR，并分別針對(duì)高分辨率光學(xué)影像融合和SAR與光學(xué)影像融合進(jìn)行塊長(zhǎng)優(yōu)化。分塊回歸融合算法具有調(diào)節(jié)能力，可根據(jù)需求調(diào)節(jié)融合效果偏重光譜信息還是偏重空間細(xì)節(jié)信息，也可通過(guò)優(yōu)化在光譜信息保持與空間細(xì)節(jié)增強(qiáng)之間取得一個(gè)較好的平衡。與5個(gè)算法（常用或前沿）的融合效果進(jìn)行比較表明，分塊回歸算法針對(duì)高分辨率光學(xué)影像融合效果比較穩(wěn)定；也能很好地應(yīng)用于SAR與光學(xué)影像融合；并行優(yōu)化后的分塊回歸融合算法ParaBR相比5個(gè)融合算法的商業(yè)版本或開(kāi)源版本具有最高的處理性能。