基于GPU的高光谱图像遥感分类系统设计与实现(2)
5 实验与分析 18
5.1 实验配置 18
5.2 分类结果分析 19
5.3 运行效率分析 22
结论 24
致谢 25
参考文献 26
1 绪论
1.1 课题背景
目前，非常多的科学家从事于研究高光谱遥感图像领域的工作，研发了许多相关的系统还有软件，而且覆盖了科学的各个方面，例如资源勘查、军事侦察等方面。这从侧面也可以反映出，高光谱遥感图像这一相应的技术在我国占据了非常重要的地位。这个过程体现了两个重要的特征，一是应用需求的牵引，另外一个则是体现我们国家国际前沿的发展方向。在三十年前，也就是这项高光谱遥感技术发展的初始阶段，我国的科学家为了解决工业上对于黄金地质勘探的需求，独立自主的开发出了相应的高光谱图像扫描仪高光谱遥感技术有了质的飞跃，高光谱遥感技术开始了新的篇章。从此以后，这项技术成为我们国家独立自主开发的并且拥有知识产权，在各个方面得到了不断的发展和应用，不论是在民用还是军用上，都能起到很不错的效果。本文基于GPU研究高光谱遥感图像分类识别技术，利用GPU的并行计算能力优化设计并实现高光谱图像分类算法，提高分类识别的效率。
目前，通过空间技术不断的发展，人们对于事物识别和认识的能力逐渐提高。其中，最值得一提的当属遥感（Remote Sensing）技术。在许多方面，遥感技术已经有了非常深入的应用，例如：农业、军事侦察等方向。成为了人们获取地球资源和环境信息的主要手段[1,2]，遥感技术的核心是光谱成像和雷达成像这两个技术。这两个技术的成熟使我们日常的生活以及对事物的认识变得更加的直观。图1-1讲述了遥感技术的流程。经过多光谱扫描成像以后出现的高光谱遥感技术，使遥感技术进入了新的阶段。高光谱遥感是具有高光谱分辨率的遥感科学和技术，它将成像和光谱技术结合，不但能够获取地表空间图像，而且可以获取每个像元对应的地物光谱信息。高光谱遥感在地球科学领域之所以能够得到广泛的应用，正是因为它能够获取更加丰富的地表信息。