[发明专利]基于CUDA的大幅面遥感影像快速分割方法

摘要

本发明公开了一种基于CUDA的大幅面遥感影像快速分割方法，该方法以“按像元处理”的并行策略设计了三个高效的GPU核函数，实现了并行化的分形网络分割方法，很大程度地提高了分割效率，同时针对大幅面遥感影像采取了“分块分割‑快速合并结果”的分割策略，解决了影像数据量过大而导致的显存不足的问题。相比现有遥感影像分割技术，本发明无论在分割效果、分割效率上均达到了较高的水准，尤其是针对大幅面遥感影像分割，本发明的效率优势更为明显而且稳定性更好，同时对计算机硬件条件要求不高，实用性强，有利于推广使用。

主权项

一种基于CUDA的大幅面遥感影像快速分割方法，其特征在于，包括以下步骤：1)对输入的大幅面遥感影像进行分块处理获得影像子块，所述分块处理的分块大小以及分块数量根据当前显卡可用显存容量以及影像数据量计算；2)采用基于CUDA的并行分割算法依次对各个影像子块进行分割；2.1)为影像子块中的每个像元分配内存空间，所述内存空间用于记录像元以及其所属分割对象的必要信息以满足运算需求；所述必要信息包括：像元所属对象的ID；像元是否在所属对象的边缘上；像元所属对象的光谱信息，包括各波段的均值、方差；像元所属对象的形状信息，包括对象面积、周长以及外包矩形区域；异质度最小的相邻对象ID以及异质度值；2.2)分割对象初始化：将每一个像元看作是一个初始分割对象，初始化对象的属性信息；所述对象的属性信息包括：对象的属性信息包括对象各个波段的光谱属性信息以及形状属性信息；2.3)计算相邻对象异质度：局部运算部分：取待处理像元，首先搜索相邻对象，以线程所处理像元的“上下左右”四邻域进行搜索，若邻域对象ID与当前像元所属对象ID不相同，则说明找到相邻对象，接下来根据两对象的属性信息计算其异质度，最后将相邻对象中与当前对象异质度最小的对象ID以及其异质度值保存在GPU共享内存中；全局运算部分：基于局部运算的结果，将对象边缘中每一个像元的计算结果进行比较，得到对象最小异质度的相邻对象及其异质度值；2.4)合并异质度小于阈值的相邻对象并计算新对象的属性信息；然后，跳转到步骤2.3)；2.5)若步骤2.4)中没有新对象合并，则当前影像子块分割运算完成；3)对影像子块拼接处的分割对象进行重新分割，消除影像分块而导致的拼接线；具体如下：将分块拼接线处的对象所包含的像元进行掩膜处理，利用步骤2)中的并行分割算法以掩膜影像作为输入参数进行掩膜分割。