基于GPU的Landsat8实时解压缩处理技术

doi:10.3969/j.issn.1000-3428.2016.03.054

计算机工程

基于GPU的Landsat8实时解压缩处理技术

杨仁忠¹,张洁^1,2,韦宏卫¹,石璐 ¹

(1.中国科学院遥感与数字地球研究所,北京 100094; 2.中国科学院大学,北京 100049)

收稿日期:2015-02-11 出版日期:2016-03-15 发布日期:2016-03-15
作者简介:杨仁忠(1952-),男,研究员,主研方向为信号采集与处理、遥感卫星地面系统;张洁,硕士研究生;韦宏卫,高级工程师、硕士;石璐,工程师、硕士
基金项目:
全国遥感技术标准委员会标准研制基金资助项目(Y2C005101B);中国科学院遥感与数字地球研究所青年基金资助项目(Y3SJ6100CX);中国科学院空间科学战略性先导科技专项数据接收系统基金资助项目(Y3YC2000XD)。

Real-time Decompression Processing Technology of Landsat8 Based on GPU

YANG Renzhong ¹,ZHANG Jie ^1,2,WEI Hongwei ¹,SHI Lu¹

(1.Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100094,China; 2.University of Chinese Academy of Sciences,Beijing 100049,China)

Received:2015-02-11 Online:2016-03-15 Published:2016-03-15

摘要/Abstract

摘要：

根据Landsat8卫星下行数据的特点,结合RICE无损数据压缩算法和CUDA编程技术,提出一种基于图像处理单元(GPU)的实时解压缩处理系统方案,采用统一计算设备架构和流水线式解压缩结构进行任务分解及CUDA优化。测试结果表明,与基于CPU的解压缩方案相比,基于GPU的解压缩系统获得7.45倍的加速比,能够达到Landsat8卫星下行数据实时解压缩处理速度要求的1.8倍以上,解压缩的图像数据正确率高且成本较低。

关键词: 无损数据压缩算法, 实时解压缩, 图形处理单元, 卫星下行数据, 并行计算

Abstract:

According to the features of downlink data of Landsat8 as well as the RICE lossless data compression algorithm and the CUDA programming technology,a real-time decompression processing system bsed on Graphic Processing Unit(GPU) is proposed.It adopts Compute Unified Device Architecture(CUDA) and pipelined decompression structure for task decompression and CUDA optimization.Experimental results show that the speed-up of the implemented decompression system is 7.45 times that of the CPU-based solution,and the processing rate is at least 1.8 times as high as that required by Landsat8 satellite downlink data real-time decompression.The decompressed image data has high accuracy with low cost.

Key words: lossless data compression algorithm, real-time decompression, Graphic Processing Unit(GPU), satellite downlink data, parallel computing

中图分类号:

TP391

杨仁忠,张洁,韦宏卫,石璐. 基于GPU的Landsat8实时解压缩处理技术[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2016.03.054.

YANG Renzhong,ZHANG Jie,WEI Hongwei,SHI Lu. Real-time Decompression Processing Technology of Landsat8 Based on GPU[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2016.03.054.

参考文献

参考文献［1］Rice R F,Yeh P S,Miller W H.Algorithms for High Speed Universal Noiseless Coding［C］//Proceedings of the 9th Computing in Aerospace Conference.San Diego,USA:［s.n.］,1993:1921. ［2］Yeh P S.Implementation of CCSDS Lossless Data Compression for Space and Data Archive Applications［C］//Proceedings of CCSDS Space Operations Conference.San Diego,USA:［s.n.］,2002:6069. ［3］陈昕,宋振宇,郝胜勇,等.一体化通用小型高速遥感数据接收处理平台技术［J］.测绘通报,2014,(S1):116118. ［4］刘虹,孙春燕,丁雷.一种基于RICE算法的遥感图像数据的实时无损压缩与解压缩算法的研究与FPGA实现［J］.量子电子学报,2005,22(1):1924. ［5］黄佳,曹金,陈夏.CCSDS无损数据压缩算法在分包遥测中的应用及其FPGA实现［J］.遥测遥控,2014,35(2):4347. ［6］张舒,褚艳利.GPU高性能运算之CUDA［M］.北京:中国水利水电出版社,2011. ［7］Nvidia C.Programming Guide［EB/OL］.［20150310］.http://docs.nvidia.com/cuda/cudacprogrammingguide/#axzz3Ty9ZkCt3. ［8］USGS.Landsat Data Continuity Mission Space to International Cooperation Interface Specification Document［EB/OL］.［20150310］.http://www.usgs.gov/contracts/acq_opp/EROS_tech_library/TSSC%20Recompete/Reference%20Library/LDCM MP007_GS%20Systems%20Engineering%20Management%20Plan_v3.0.pdf. ［9］Mah G R,Garon H,Mott C,et al.Ground System Architectures Landsat8 Test as You Fly,Fly as You Test［EB/OL］.［20150310］.http://gsaw.org/wpcontent/uploads/2014/03/2014s04mah.pdf. ［10］Wu Xianyun,Li Yunsong,Wu Chengke,et al.Is the CCSDS Rice Coding Suitable for GPU Massively Parallel Implementation?［C］//Proceedings of Conference on Highperformance Computing in Remote Sensing.Prague,Czech Republic: ［s.n.］,2011:308316. ［11］杨仁忠,王欣,石璐,等.基于Forman算法HJ1A高光谱数据实时处理技术研究［J］.遥感技术与应用,2013,28(4):647654. ［12］陈鹏,曹剑炜,陈庆奎.基于GPU的H.264并行解码算法［J］.计算机工程,2014,40(1):283286. ［13］Nvidia.Nvidia’s Next Generation CUDATM Compute Architecture:Kepler TM GK110［EB/OL］.(20120524).http://www.nvidia.com/content/PDF/kepler/NVIDIAKeplerGK110ArchitectureWhitepaper.pdf. 编辑顾逸斐

[1]	肖成龙, 聂紫阳, 王宁, 张重鹏, 王珊珊. 基于并行约束规划的最大团识别研究[J]. 计算机工程, 2020, 46(4): 53-59,69.
[2]	李洁, 朱洪亮, 陈玉玲, 辛阳. 基于哈希存储与事务加权的并行Apriori改进算法[J]. 计算机工程, 2020, 46(11): 109-116.
[3]	徐国伟, 陈建, 成怡. 基于GPU并行计算的雷达杂波模拟研究[J]. 计算机工程, 2020, 46(11): 306-314.
[4]	宋匡时, 李翀, 张士波. 一个轻量级分布式机器学习系统的设计与实现[J]. 计算机工程, 2020, 46(1): 201-207.
[5]	薛建伟, 姜爱民. 光学综合孔径原理样机的计算与控制系统[J]. 计算机工程, 2019, 45(8): 107-112.
[6]	周琦,柴小丽,马克杰,俞则人. 基于CUDA与CUBLAS的Tucker分解模块设计与实现[J]. 计算机工程, 2019, 45(3): 41-46.
[7]	沈雁,戴瑜兴. 基于GPU的并行Cholesky分解及其应用[J]. 计算机工程, 2019, 45(2): 284-289.
[8]	李易禅,凌诚. 蛋白质系统发育分析并行计算方法研究[J]. 计算机工程, 2019, 45(2): 296-302.
[9]	李文信, 周晓波, 徐仁海, 齐恒, 李克秋. 一种近似最小有效瓶颈优先的Coflow调度机制[J]. 计算机工程, 2019, 45(10): 19-25,32.
[10]	朱嘉舟,邵培南,陈景. 影像数据分布并行计算处理平台体系架构研究[J]. 计算机工程, 2017, 43(5): 60-66,74.
[11]	张青,王珂,张春艳,张强. 基于高性能并行计算的旋转网球空气动力学模拟[J]. 计算机工程, 2017, 43(12): 45-50.
[12]	程曦,陈军. 基于MapReduce与项目分类的协同过滤算法[J]. 计算机工程, 2016, 42(7): 194-198.
[13]	王爽,冯志勇. 基于语义数据的药物网络模型构建与分析[J]. 计算机工程, 2016, 42(6): 31-36.
[14]	裴鑫,聂俊,陈卯蒸,李健. 基于混合架构的双通道实时相关器实现[J]. 计算机工程, 2016, 42(5): 42-46,53.
[15]	齐向明,郑帅,魏萍. 基于Hadoop的微阵列数据两阶段并行K近邻基因提取[J]. 计算机工程, 2016, 42(5): 54-59.

基于GPU的Landsat8实时解压缩处理技术

Real-time Decompression Processing Technology of Landsat8 Based on GPU

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10