基于Intel MIC架构的并行无监督SAR图像变化检测

摘要

SAR(Synthetic Aperture Radar)图像变化检测，就是对同一地区不同时段内图像的变化做出检测，在各个领域都有着广泛的应用。森林覆盖率的变化，城市扩展，土地利用情况，湿地、沙漠、沼泽等特殊地段的变化，庄稼的成长状况等等，都可以通过图像变化检测来做出有效的评估。因此，国内外众多学者都对这一课题进行了深入地研究。随着SAR图像规模越来越大，传统的串行算法在处理SAR图像变化检测时效率很低，所以必须对传统的串行算法进行并行化改进以提高效率。近年来异构计算发展迅速，与多核处理器相比，基于MIC架构的处理器具备了更多的核心，更宽的矢量单元以及硬件线程，所以MIC架构能够处理较为复杂的并行计算。比如Intel的Xeon Phi7110 P上有61个核心，能运行244个线程，可以让这244个线程同时并行处理计算任务，并行优势明显。本文提出了基于Intel MIC的SAR图像变化检测。
　　本研究主要内容包括：⑴介绍了传统串行的FLICM(Fuzzy Local Information C-Means）算法，其在处理小规模图像时尚可满足时间效率，可随着图像规模的增大，时间效率越来越差，针对此问题，本文利用OpenMP(Open Multi-Processing)框架在多核CPU和MIC上实施了并行处理，首先利用分析工具找到整个算法最耗时的函数或者是for循环，在其前面加上并行化控制语句，然后再对函数或for循环的内部进行改进以达到更好的并行效果。重点对MIC卡上的并行算法进行优化加速。比如，经过测试发现经过OpenMP并行化的for循环，最外层与次外层之间是没有数据依赖性的，所以对其进行循环融合优化；对程序中被频繁调用的函数进行改写以实现更好的加速效果。实验结果表明，在Intel Xeon Phi下，2048×2048大小的图像可以取得10.39倍的加速比。⑵介绍了FGKM（Fast Global K-Means）算法，针对其在处理大规模SAR图像变化检测时效率低下的问题，本文提出了基于FGKM算法的并行SAR图像变化检测，利用MIC架构多线程的优势，把计算任务分配到各线程上来实现并行处理。首先提出基于多核CPU的并行SAR图像变化检测，利用OpenMP框架来实施并行任务。然后提出了基于MIC-Offload模式的并行SAR图像变化检测，即实现复杂度较低的串行算法在CPU上运行，比较耗时的部分移植到MIC卡上以实现并行处理，以这种CPU-MIC相结合的并行方式来达到加速目的。之后重点对MIC-Offload上的并行算法又进行了优化加速，以实现更高的加速比。实验结果表明，在Intel Xeon Phi下，512×512大小的图像可以取得22.47倍的加速比。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.3本文主要工作

1.4论文的章节内容安排

第二章 并行SAR图像变化检测相关知识

2.1并行硬件架构

2.2 MIC并行编程技术

2.3 SAR图像变化检测相关知识

第三章 基于并行FLICM算法的SAR图像变化检测

3.1 FLICM算法

3.2基于多核CPU的OpenMP并行的FLICM算法

3.3基于MIC架构的FLICM算法

3.4基于并行FLICM算法的SAR图像变化检测实验结果与分析

3.5本章总结

第四章 基于并行FGKM算法的SAR图像变化检测

4.1快速全局K均值算法

4.2基于多核CPU的OpenMP并行的FGKM算法

4.3基于MIC架构的FGKM算法

4.4实验结果与分析

4.5本章总结

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢

作者简介