基于图形处理器的端元提取纯像元指数方法

摘要

本发明公开了一种基于图形处理器的端元提取纯像元指数方法，克服了现有技术中随着高光谱图像精度的增加，纯像元指数PPI算法计算复杂度高、对时间的消耗不断增大，不能满足空载实时处理的要求的缺点。实现步骤为：(1)输入数据；(2)生成随机向量；(3)极值投影；(4)确定端元。本发明具有能能够实时提取高光谱图像立方数据中的端元信息，为后续数据处理提供了可靠保障，显著提高了算法的运行效率，降低了运行时间，并达到高光谱场景图空载实时处理的要求，取得良好性能，并且复杂度有所提高。

主权项

一种基于图形处理器的端元提取纯像元指数方法，包括如下步骤：(1)输入数据：将待处理的高光谱图像立方体数据集合，从内存复制到显存，得到高光谱图像立方体数据；(2)生成随机向量：(2a)由k个n维随机单位向量组成随机向量集合，其中，随机单位向量个数k的取值范围为1×10⁴～9×10⁴，随机单位向量维数n的数值等于高光谱图像的光谱频带的数目；(2b)采用统一计算设备架构CUDA在图形处理器GPU中直接生成模拟随机向量所需的所有随机数，组成模拟随机向量，存储到全局内存中；(3)极值投影：(3a)将高光谱图像立体数据从显存复制到全局内存中；(3b)将全局内存中的高光谱图像立体数据重构为n×p维的矩阵A，其中,n表示高光谱图像的光谱频带数目，p表示高光谱图像的像元数目；(3c)将全局内存中的模拟随机向量组成k×n维的矩阵B，其中，k表示模拟随机向量的个数，k的取值范围为1×10⁴～9×10⁴，n表示模拟随机向量的维数，n的数值等于高光谱图像的光谱频带的数目；(3d)将矩阵B与矩阵A相乘，得到随机投影矩阵C；(3e)对随机投影矩阵C中的最大值和最小值采样，获得采样向量，组成随机投影矩阵的极值集合，得到由最大投影值组成的极值投影矩阵D，将极值投影矩阵D存储在全局内存中；(4)确定端元：(4a)将极值投影矩阵D从全局内存中加载到共享内存中；(4b)将极值投影矩阵D的索引从全局内存中加载到相应的共享内存中；(4c)采用归约法，对极值投影矩阵D中的数据进行并行比较，分别寻找最大投影值组成的极值投影矩阵D中的最大值与最小值、最大值与最小值的索引位置；(4d)由最大投影值与最小投影值确定端元。