一种基于GPU并行计算的无人机影像快速镶嵌方法.pdf

在当今的遥感技术应用中，无人机（Unmanned Aerial Vehicle, UAV）作为一种重要的数据获取平台，以其灵活、快速获取高分辨率影像的特点，成为了重要的地理信息数据来源。然而，随着影像采集技术的进步和无人机飞行高度的提高，影像重叠度增加，传统处理方法在效率上已不能满足大规模数据处理的需求。为了解决这一问题，本文提出了一种基于GPU并行计算的无人机影像快速镶嵌方法，该方法能有效提升数据处理效率，减少时间和存储资源的消耗。 匀光处理是确保影像拼接质量的关键步骤。本文采用Wallis滤波方法对无人机影像进行匀光处理，以解决不同影像间的色彩不一致问题，保障影像拼接时的色彩连续性。Wallis滤波是一种自适应的对比度增强技术，能够使影像的统计特性趋于一致，进而提高影像的视觉效果和后续处理的准确性。 Voronoi图生成技术被用于确定最优镶嵌线。Voronoi图是一种几何结构，通过连接各影像中心点与相邻影像中心点，可以自动生成一张能够反映影像实际重叠情况的网络图。这种图能够考虑影像的重叠度和投影差，有效避免建筑物等地物因素造成的镶嵌错误，从而提高镶嵌质量。 紧接着，本文的创新点在于引入了GPU并行计算技术，充分发挥其强大的计算能力。通过使用如CUDA（Compute Unified Device Architecture）这样的并行计算架构，实现了对每张无人机影像的快速正射纠正和镶嵌操作。相比传统的CPU串行处理方式，GPU并行计算能显著减少数据冗余，提高处理速度。 实验结果表明，本文提出的GPU并行计算方法在处理大量高分辨率无人机影像时具有明显效率提升。例如，在处理230张空间分辨率为0.1m的无人机影像时，本方法与传统方法相比，不仅大幅缩短了处理时间，而且确保了处理质量。这表明，GPU并行计算技术在无人机影像快速镶嵌中的应用是有效的，并且在应急测绘等需要快速响应的领域具有较高的实用价值。 文章还回顾了GPU并行计算技术在遥感数据处理领域的相关技术背景。近年来，随着并行计算技术的发展，CUDA等技术的出现，使得GPU并行计算在遥感数据处理中的应用变得更加广泛和深入。先前的研究，如侯毅、李朋龙等人的工作，展示了GPU在航空影像正射纠正中的卓越性能。本文提出的GPU并行计算影像镶嵌方法，进一步扩展了GPU并行计算在更复杂的数据处理任务中的应用范围。 本文总结认为，基于GPU并行计算的无人机影像快速镶嵌方法，结合了GPU的计算优势，不仅实现了快速的正射纠正和影像镶嵌，而且显著减少了数据冗余，提高了处理效率。尤其在对时效性要求较高的应急测绘等应用场景中，具有重要的应用价值。未来，随着GPU并行计算技术的不断发展和优化，预计该技术将在无人机遥感数据处理乃至整个遥感领域中得到更加广泛的应用，推动遥感技术的进步与发展。