1、主要技术内容：该项目通过多年联合攻关，在高分辨率遥感影像大数据实时处理领域突破了一系列制约行业发展的技术瓶颈，形成了一批具有自主知识产权的关键核心技术，创造了巨大经济效益。项目主要技术内容如下：(1)基于跨平台的遥感影像大数据异构计算研究：顾及CPU并行计算效率、图形处理器(Graphic Processing Unit, GPU)并行计算效率、I/O效率和存储效率的基础上，建立以多GPU平台为基础的高效能异构计算的理论和方法；开展基于CUDA架构/OpenCL架构的异构计算方法和软件重用技术相结合的遥感影像大数据构件式软件开发模型的研究，包括模型的内涵及所涉及的关键技术；探索与该软件开发模型相适应的遥感影像大数据实时处理异构计算的并行算法分析方法和设计模式；发展高效能遥感影像大数据多级并行计算实时处理新技术。(2)通过对高分辨率遥感影像匹配(配准)系统和基于构件的软件重用技术的研究，研制基于多GPU平台的统一计算设备架构(Compute Unified Device Architecture, CUDA)和基于异质多GPU平台的开放式计算语言(Open Computing Language, OpenCL)跨平台架构下最小二乘法求解齐次二元多项式、卷积、累加和、求最大(小)值、求均值、求方差、矩阵乘/矩阵加/矩阵转置/矩阵求逆、排序构件，构建面向遥感影像大数据实时处理领域的构件库。(3)研究基于多GPU平台的CUDA加速和基于异质多GPU平台的OpenCL加速的影像重采样并行算法、Wallis变换影像增强并行算法、Harris角点检测并行算法、相关系数影像匹配并行算法和SIFT特征匹配并行算法，进而将并行算法核心打包和发布为构件，并集成相应构件构成遥感影像匹配(配准)系统。2、授权专利情况：该项目研究期间，共申请获得相关计算机软件著作权5项。3、技术经济指标：(1)多GPUs加速的Wallis变换影像增强并行算法，相比其串行算法可将计算速度提高2个数量级；(2)基于GPU的Harris角点检测多设备控制并行算法，相对于CPU上运行的Harris角点检测算法，其执行效率有近60倍的提高；(3)基于CUDA架构的快速相关系数影像匹配并行算法的速度是基于CPU实现的近20倍；(4)面向CPU+GPU群核架构的SIFT特征匹配并行算法，与SIFT特征匹配的串行CPU实现方式相比，能够实现超过27倍的性能加速；(5)基于OpenCL研发遥感影像匹配并行算法和集成系统具有平台独立性，兼容不同硬件平台和操作系统。4、应用推广及效益情况：该项目已经推广应用到近10家单位，同时，该软件系统不仅可以应用在高效能计算实验室自主产权的基于GPU平台的高分辨率遥感影像大数据实时处理系统上，而且可以为下一代航空航天数字摄影测量处理平台系统的开发和生产提供理论基础和技术支持。为政府和国民经济各部门提供空间信息综合应用的解决方案，全方位的为建设智慧地球、智慧城市、数字政府等提供技术经验、技术框架和技术支撑。(1)试点单位：北京华唐信通科技有限公司、郑州贵德和时电子科技有限公司、河南省哲浩电子技术有限公司等。(2)推广范围：预计将环境、国土、国防和减灾等多个行业领域得到广泛的推广应用，促进国民经济的快速发展。

1. 下载详细PDF版/Doc版

提示：为方便大家复制编辑，博主已将PDF文件制作为Word/Doc格式文件。