CN113870089A - 基于gpu并行化的相位相关sar影像密集配准方法及系统 - Google Patents

基于gpu并行化的相位相关sar影像密集配准方法及系统 Download PDF

Info

Publication number
CN113870089A
CN113870089A CN202111165125.6A CN202111165125A CN113870089A CN 113870089 A CN113870089 A CN 113870089A CN 202111165125 A CN202111165125 A CN 202111165125A CN 113870089 A CN113870089 A CN 113870089A
Authority
CN
China
Prior art keywords
pixel points
window
sar images
sar
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111165125.6A
Other languages
English (en)
Inventor
李志伟
张一帆
许兵
朱焱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202111165125.6A priority Critical patent/CN113870089A/zh
Publication of CN113870089A publication Critical patent/CN113870089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开实施例中提供了一种基于GPU并行化的相位相关SAR影像密集配准方法及系统，属于图像处理技术领域，具体包括：获取不同时间节点的两景SAR影像；分别将两景SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；得到两景SAR影像中每个像素点对应的窗口；利用核函数为每个窗口分配GPU中的线程；分别遍历两景SAR影像中位置相同的像素点，并通过线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部像素点在两景SAR影像上的偏移量。通过本公开的方案，自动选取控制点建立窗口，然后为不同景SAR影像中的窗口分配GPU中的线程，然后对全部窗口并行进行相位相关计算，得到全部像素点的偏移量，提高了配准的效率和精准度。

Description

基于GPU并行化的相位相关SAR影像密集配准方法及系统
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种基于GPU并行化的相位相关SAR影像密集配准方法及系统。
背景技术
目前，合成孔径雷达干涉测量(InSAR)技术被广泛地应用于地表形变监测、早期地质灾害实别、冰川冻土运动跟踪等领域。InSAR技术通过对两景或多景不同时期获取的SAR影像进行干涉处理，根据SAR影像的相位信息提取形变值。而InSAR技术能够达到毫米级的精确位移监测的前提是SAR影像两两之间能够实现1/8像素级别的配准。常规的SAR影像配准方法通常采用粗配准、精配准的两级配准质量控制方法进行，仅选取部分控制点配准结果计算影像整体的像素偏移矩阵，根据矩阵来计算得到每一像素点的偏移量。然而，使用传统方法的配准结果非常依赖控制点的选取及其配准质量，且需要在精配准之后生成变换矩阵来将偏移量映射到每一个像素上，或者使用，利用CPU相位相关法进行密集配准计算，但是在目前的大数据时代，往往需要大规模的SAR影像进行形变监测，现有的方法存在精准度和计算效率较低的问题。
可见，亟需一种高效精准的基于GPU并行化的相位相关SAR影像密集配准方法。
发明内容
有鉴于此，本公开实施例提供一种基于GPU并行化的相位相关SAR影像密集配准方法及系统，至少部分解决现有技术中存在自动化程度低、配准质量分布不均匀、密集配准计算耗时长的问题。
第一方面，本公开实施例提供了一种基于GPU并行化的相位相关SAR影像密集配准方法，包括：
获取不同时间节点的两景SAR影像；
分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
根据本公开实施例的一种具体实现方式，所述分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口的步骤，包括：
利用取模运算分别计算两景所述SAR影像的SLC数据中每个所述像素点的辐射强度；
根据所述辐射强度选取两景所述SAR影像中相同位置的像素点及周围的像素点组成长宽相同的窗口。
根据本公开实施例的一种具体实现方式，所述利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程的步骤，包括：
将两景所述SAR影像划分为二维矩阵，其中，所述二维矩阵包括所述SAR影像的高度和宽度；
利用所述核函数为每个所述窗口分配与所述窗口内像素点的行数/列数相同的线程。
根据本公开实施例的一种具体实现方式，所述分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量的步骤，包括：
所述线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果；
根据所述频域结果，计算两景所述SAR影像中位置相同的像素点对应的窗口之间的互功率谱；
根据所述互功率谱对全部所述窗口进行二维的快速傅里叶逆变换，得到脉冲函数；
寻找所述脉冲函数的峰值，并分别在每个所述窗口中获取以所述峰值为中心的周围预设数量的像素点，计算每个所述像素点对应的亚像素级坐标；
根据每个所述像素点对应的亚像素级坐标得到全部所述像素点在两景所述SAR影像上的偏移量。
根据本公开实施例的一种具体实现方式，所述线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果的步骤，包括：
一个所述线程对一个所述窗口的一行像素点进行所述快速傅里叶变换操作，以及，一个所述线程对一个所述窗口的一列像素点进行所述快速傅里叶变换操作，直至对所述窗口的全部行的像素点和全部列的像素点完成变换，并将变换结果保存至所述窗口；
根据全部所述变换结果形成所述频域结果。
根据本公开实施例的一种具体实现方式，所述互功率谱的表达式为
Figure BDA0003291085340000031
其中，H(u,v)为互功率谱函数，表示在所述窗口坐标(u,v)处的值，其值为复数，F1和F2分别表示两景所述SAR影像的像素的窗口中坐标(u,v)处的值，
Figure BDA0003291085340000032
为F2的共轭复数。
第二方面，本公开实施例提供了一种基于GPU并行化的相位相关SAR影像密集配准系统，包括：
获取模块，用于获取不同时间节点的两景SAR影像；
生成模块，用于分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
遍历模块，用于分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
分配模块，用于利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
计算模块，用于分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
本公开实施例中的基于GPU并行化的相位相关SAR影像密集配准方案，包括：获取不同时间节点的两景SAR影像；分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
本公开实施例的有益效果为：通过本公开的方案，自动选取控制点建立窗口，然后为不同景SAR影像中的窗口分配GPU中的线程，然后对全部窗口并行进行相位相关计算，得到全部像素点的偏移量，提高了配准的效率和精准度。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种基于GPU并行化的相位相关SAR影像密集配准方法的流程示意图；
图2为本公开实施例提供的一种基于GPU并行化的相位相关SAR影像密集配准方法涉及的线程分配方案示意图；
图3为本公开实施例提供的一种基于GPU并行化的相位相关SAR影像密集配准方法的部分流程示意图；
图4为本公开实施例提供的一种基于GPU并行化的相位相关SAR影像密集配准系统的结构示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
现阶段，合成孔径雷达干涉测量(InSAR)技术被广泛地应用于地表形变监测、早期地质灾害实别、冰川冻土运动跟踪等领域。InSAR技术通过对两景或多景不同时期获取的SAR影像进行干涉处理，根据SAR影像的相位信息提取形变值。而InSAR技术能够达到毫米级的精确位移监测的前提是SAR影像两两之间能够实现1/8像素级别的配准。常规的SAR影像配准方法通常采用粗配准、精配准的两级配准质量控制方法进行，仅选取部分控制点配准结果计算影像整体的像素偏移矩阵，根据矩阵来计算得到每一像素点的偏移量。然而，在实际的应用过程中发现，使用传统方法的配准结果非常依赖控制点的选取及其配准质量，且需要在精配准之后生成变换矩阵来将偏移量映射到每一个像素上；在目前的大数据时代，往往需要大规模的SAR影像进行形变监测，因此，继续使用传统配准方法，不能满足大规模SAR影像配准自动化完成的实际应用需要。因此，亟需一种对SAR影像进行密集配准的方法。
利用相位相关法进行图像配准是目前常用的SAR影像配准手段，此方法将位于时域的SAR强度影像通过快速傅里叶变换(FFT)转换到频率域，计算两幅影像的互功率谱，再将互功率谱通过快速傅里叶逆变换(IFFT)得到脉冲函数，寻找脉冲函数的峰值，峰值所在的图像平面坐标即为两幅图像的偏移量。在SAR影像的密集配准中，需要对每一个像素点取其周围若干点组成的窗口(窗口一般为大小不小于128×128像素的可逆矩阵)，求其与另一幅影像的同名像素点的窗口的偏移量，作为SAR影像上该点的偏移量。由于SAR影像动辄千万级别的像素数量，利用CPU进行密集配准计算极为耗时，现如今，在大数据时代往往需要大规模的SAR数据来参与实际工程，继续使用CPU进行计算的成本是难以承担的。
本公开实施例提供一种基于GPU并行化的相位相关SAR影像密集配准方法，所述方法可以应用于地质监测场景的SAR影像分析过程中。
参见图1，为本公开实施例提供的一种基于GPU并行化的相位相关SAR影像密集配准方法的流程示意图。如图1所示，所述方法主要包括以下步骤：
S101，获取不同时间节点的两景SAR影像；
具体实施时，可以获取某一地不同时期的两景SAR影像作为待分析图像，例如，可以从采集到的A地的历史图像中选取当前时刻的SAR影像和两年前的SAR影像进行分析。
S102，分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
在得到两景所述SAR影像后，可以将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口，以使得后续可以对两景影像的同一像素点的这两个窗口进行相位相关计算，得到这两个窗口之间的方位向、距离向的偏移量，将此偏移量作为该点在两景影像上的偏移量保存至该像素点的坐标位置。
S103，分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
对两景所述SAR影像的全部像素点均进行组成窗口的操作，从而得到两景所述SAR影像中每个像素点对应的窗口。
S104，利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
具体实施时，考虑到所述SAR影像中数据量较大，依次对每个所述像素点对应的窗口进行分析效率较低，则可以利用所述核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程，调用GPU中的线程进行并行处理，提高处理效率。
S105，分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
具体实施时，在使用所述核函数为每个所述窗口分配线程后，可以分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量，提高了配准效率。
本实施例提供的基于GPU并行化的相位相关SAR影像密集配准方法，通过自动选取控制点建立窗口，然后为不同景SAR影像中的窗口分配GPU中的线程，然后对全部窗口并行进行相位相关计算，得到全部像素点的偏移量，提高了配准的效率和精准度。
在上述实施例的基础上，步骤S102所述的，分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口，包括：
利用取模运算分别计算两景所述SAR影像的SLC数据中每个所述像素点的辐射强度；
根据所述辐射强度选取两景所述SAR影像中相同位置的像素点及周围的像素点组成长宽相同的窗口。
具体实施时，可以对两景所述SAR影像的SLC数据中相同位置的像素点进行取模运算，得到该店的辐射强度，然后根据所述辐射强度选取该像素点附近多个像素点，共同组成长宽相同的窗口。
可选的，步骤S104所述的，利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程，包括：
将两景所述SAR影像划分为二维矩阵，其中，所述二维矩阵包括所述SAR影像的高度和宽度；
利用所述核函数为每个所述窗口分配与所述窗口内像素点的行数/列数相同的线程。
具体实施时，如图2所示，考虑到在计算过程中单独使用CPU会导致计算效率低下，可以利用GPU对整体计算过程加速。例如，在CUDA环境下，一个核函数对应一个格网，将格网划分为影像宽度×高度尺寸的二维矩阵，其中每一个元素即为一个线程块，对应SAR影像上的一个像素点。在线程块中，将其划分为大小为像素点窗口宽度的一维矩阵，其中，每一个元素即为一个线程，对应SAR影像像素点窗口中的一行或一列。在GPU并行计算过程中，每个线程中所执行的任务是串行的，多个线程同时执行的过程是并行的，通过此种划分方案，能够最大化利用GPU的计算资源，增加计算效率。
在上述实施例的基础上，如图3所示，步骤S105所述的，分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量，包括：
S301，所述线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果；
进一步的，步骤S301所述的，线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果，包括：
一个所述线程对一个所述窗口的一行像素点进行所述快速傅里叶变换操作，以及，一个所述线程对一个所述窗口的一列像素点进行所述快速傅里叶变换操作，直至对所述窗口的全部行的像素点和全部列的像素点完成变换，并将变换结果保存至所述窗口；
根据全部所述变换结果形成所述频域结果。
具体实施时，可以先将两景所述SAR影像由CPU端拷贝至GPU中，启动CUDA核函数开始计算。对于每一个线程，首先获取线程块所对应的像素的窗口的行的数值，进行行的所述快速傅里叶变换操作，完成后将结果保存至原窗口，再获取每一列的数值，进行列的所述快速傅里叶变换操作，完成后保存结果，直至对所述窗口的全部行的像素点和全部列的像素点完成变换，根据全部所述变换结果形成所述频域结果。
S302，根据所述频域结果，计算两景所述SAR影像中位置相同的像素点对应的窗口之间的互功率谱；
可选的，所述互功率谱的表达式为
Figure BDA0003291085340000091
其中，H(u,v)为互功率谱函数，表示在所述窗口坐标(u,v)处的值，其值为复数，F1和F2分别表示两景所述SAR影像的像素的窗口中坐标(u,v)处的值，
Figure BDA0003291085340000092
为F2的共轭复数。
具体实施时，在对两景所述SAR影像的窗口都完成了所述快速傅里叶变换操作后，每一个线程可以根据所述互功率谱的表达式对两景所述SAR影像中位置相同的像素点对应的窗口进行互功率谱的计算。
S303，根据所述互功率谱对全部所述窗口进行二维的快速傅里叶逆变换，得到脉冲函数；
分别对相同位置像素点对应的两个所述窗口进行互功率谱的计算后，得到全部所述窗口的互功率谱，然后可以根据所述互功率谱，对全部所述窗口进行二维的快速傅里叶逆变换，得到所述脉冲函数。
具体的，在得到所述互功率谱后，可以继续由每一个线程获取互功率谱每一行对应的数值，取其共轭复数，进行行的快速傅里叶变换操作，完成后将结果保存，再获取每一列的数值，进行列的快速傅里叶变换操作，完成后得到的是一个实数矩阵，将其除以窗口中的总元素数，得到脉冲函数，也即狄拉克函数。
S304，寻找所述脉冲函数的峰值，并分别在每个所述窗口中获取以所述峰值为中心的周围预设数量的像素点，计算每个所述像素点对应的亚像素级坐标；
例如，对每个所述窗口中，指定一个线程进行脉冲函数峰值的检索工作，获取以峰值为中心周围5×5大小的子窗口，进行亚像素级峰值坐标计算，采用如下的算法进行：
Figure BDA0003291085340000101
其中，x、y分别表示最终的两窗口之间的亚像素级方位向、距离向偏移量，i、j分别表示在5×5的子窗口中的当前坐标，f(i,j)即为子窗口中脉冲函数对应位置的值。
S305，根据每个所述像素点对应的亚像素级坐标得到全部所述像素点在两景所述SAR影像上的偏移量。
具体实施时，在对每个所述像素点对应的窗口进行计算后，根据根据每个所述像素点对应的亚像素级坐标得到全部所述像素点在两景所述SAR影像上的偏移量。
与上面的方法实施例相对应，参见图4，本公开实施例还提供了一种基于GPU并行化的相位相关SAR影像密集配准系统40，包括：
获取模块401，用于获取不同时间节点的两景SAR影像；
生成模块402，用于分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
遍历模块403，用于分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
分配模块404，用于利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
计算模块405，用于分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
图4所示系统可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于GPU并行化的相位相关SAR影像密集配准方法，其特征在于，包括：
获取不同时间节点的两景SAR影像；
分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
2.根据权利要求1所述的方法，其特征在于,所述分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口的步骤，包括：
利用取模运算分别计算两景所述SAR影像的SLC数据中每个所述像素点的辐射强度；
根据所述辐射强度选取两景所述SAR影像中相同位置的像素点及周围的像素点组成长宽相同的窗口。
3.根据权利要求1所述的方法，其特征在于,所述利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程的步骤，包括：
将两景所述SAR影像划分为二维矩阵，其中，所述二维矩阵包括所述SAR影像的高度和宽度；
利用所述核函数为每个所述窗口分配与所述窗口内像素点的行数/列数相同的线程。
4.根据权利要求3所述的方法，其特征在于,所述分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量的步骤，包括：
所述线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果；
根据所述频域结果，计算两景所述SAR影像中位置相同的像素点对应的窗口之间的互功率谱；
根据所述互功率谱对全部所述窗口进行二维的快速傅里叶逆变换，得到脉冲函数；
寻找所述脉冲函数的峰值，并分别在每个所述窗口中获取以所述峰值为中心的周围预设数量的像素点，计算每个所述像素点对应的亚像素级坐标；
根据每个所述像素点对应的亚像素级坐标得到全部所述像素点在两景所述SAR影像上的偏移量。
5.根据权利要求4所述的方法，其特征在于,所述线程对全部所述窗口进行二维的快速傅里叶变换操作，得到每个所述窗口对应的频域结果的步骤，包括：
一个所述线程对一个所述窗口的一行像素点进行所述快速傅里叶变换操作，以及，一个所述线程对一个所述窗口的一列像素点进行所述快速傅里叶变换操作，直至对所述窗口的全部行的像素点和全部列的像素点完成变换，并将变换结果保存至所述窗口；
根据全部所述变换结果形成所述频域结果。
6.根据权利要求4所述的方法，其特征在于,所述互功率谱的表达式为
Figure FDA0003291085330000021
其中，H(u,v)为互功率谱函数，表示在所述窗口坐标(u,v)处的值，其值为复数，F1和F2分别表示两景所述SAR影像的像素的窗口中坐标(u,v)处的值，
Figure FDA0003291085330000022
为F2的共轭复数。
7.一种基于GPU并行化的相位相关SAR影像密集配准系统，其特征在于，包括：
获取模块，用于获取不同时间节点的两景SAR影像；
生成模块，用于分别将两景所述SAR影像的SLC数据中相同位置的像素点及其周围的像素点组成长宽相同的窗口；
遍历模块，用于分别遍历两景所述SAR影像的全部像素点，得到两景所述SAR影像中每个像素点对应的窗口；
分配模块，用于利用核函数为两景所述SAR影像中的每个所述窗口分配GPU中的线程；
计算模块，用于分别遍历两景所述SAR影像中位置相同的像素点，并通过所述线程对每个像素点对应的窗口内的全部像素点进行相位相关计算，得到全部所述像素点在两景所述SAR影像上的偏移量。
CN202111165125.6A 2021-09-30 2021-09-30 基于gpu并行化的相位相关sar影像密集配准方法及系统 Pending CN113870089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111165125.6A CN113870089A (zh) 2021-09-30 2021-09-30 基于gpu并行化的相位相关sar影像密集配准方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111165125.6A CN113870089A (zh) 2021-09-30 2021-09-30 基于gpu并行化的相位相关sar影像密集配准方法及系统

Publications (1)

Publication Number Publication Date
CN113870089A true CN113870089A (zh) 2021-12-31

Family

ID=79001541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111165125.6A Pending CN113870089A (zh) 2021-09-30 2021-09-30 基于gpu并行化的相位相关sar影像密集配准方法及系统

Country Status (1)

Country Link
CN (1) CN113870089A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114814843A (zh) * 2022-06-27 2022-07-29 之江实验室 基于cpu-gpu异构并行的地表形变反演方法与系统
CN115143877A (zh) * 2022-05-30 2022-10-04 中南大学 基于强散射幅度抑制和异常值识别的sar偏移量跟踪方法、装置、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978743A (zh) * 2015-06-12 2015-10-14 中国电子科技集团公司第三十八研究所 一种多核并行sar图像变化信息实时提取方法及装置
CN106997602A (zh) * 2017-03-17 2017-08-01 西安电子科技大学 基于gpu和金字塔互信息的sar图像配准方法
CN112068136A (zh) * 2020-09-14 2020-12-11 广东省核工业地质局测绘院 一种基于幅度偏移量的方位向形变监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978743A (zh) * 2015-06-12 2015-10-14 中国电子科技集团公司第三十八研究所 一种多核并行sar图像变化信息实时提取方法及装置
CN106997602A (zh) * 2017-03-17 2017-08-01 西安电子科技大学 基于gpu和金字塔互信息的sar图像配准方法
CN112068136A (zh) * 2020-09-14 2020-12-11 广东省核工业地质局测绘院 一种基于幅度偏移量的方位向形变监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YINGBING LIU ET AL.: "Accelerating SAR Image Registration Using Swarm-Intelligent GPU Parallelization", 《 IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》, vol. 13, 18 September 2020 (2020-09-18), pages 5694 - 5703, XP011812159, DOI: 10.1109/JSTARS.2020.3024899 *
周靖鸿;彭云;: "一种遥感影像亚像素快速配准方法", 东华理工大学学报(自然科学版), no. 1, 30 June 2016 (2016-06-30), pages 91 - 96 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115143877A (zh) * 2022-05-30 2022-10-04 中南大学 基于强散射幅度抑制和异常值识别的sar偏移量跟踪方法、装置、设备和介质
CN114814843A (zh) * 2022-06-27 2022-07-29 之江实验室 基于cpu-gpu异构并行的地表形变反演方法与系统

Similar Documents

Publication Publication Date Title
CN113870089A (zh) 基于gpu并行化的相位相关sar影像密集配准方法及系统
US9734558B2 (en) Method for generating high-resolution images using regression patterns
US8139650B2 (en) Fast noise reduction in digital images and video
DE102018108324A1 (de) System und Verfahren zur Schätzung eines optischen Flusses
DE102013020614A1 (de) Mit Mehrfachauflösung konsistente Rastereinteilung
Li et al. Carn: Convolutional anchored regression network for fast and accurate single image super-resolution
CN111768337B (zh) 一种图像处理方法、装置和电子设备
CN111476835B (zh) 多视角图像一致性的无监督深度预测方法、系统、装置
CN115794414B (zh) 基于并行计算的卫星对地通视分析方法、装置和设备
CN109300083B (zh) 一种分块处理Wallis匀色方法及装置
DE102018125472A1 (de) Grafikprozessor, der Abtastungs-basiertes Rendering durchführt, und Verfahren zum Betreiben desselben
Auccahuasi et al. Processing of fused optical satellite images through parallel processing techniques in multi GPU
CN112712034A (zh) 一种高光谱图像的解混方法及系统
CN105701760A (zh) 一种地理栅格数据任选多边形区域的直方图实时生成方法
CN107730464B (zh) 基于块匹配的图像降噪并行算法
CN105894494A (zh) 基于gpu技术的三线阵立体航测相机并行谱段配准方法
CN108009988A (zh) 一种优化粒子群的图像分形插值方法
Lei et al. Stream model-based orthorectification in a GPU cluster environment
Lai et al. Accelerating geospatial applications on hybrid architectures
Li et al. GPU-based parallel optimization for real-time scale-invariant feature transform in binocular visual registration
CN110230996A (zh) 基于二维稀疏s变换快速频域解相的三维面形测量方法
CN113885028A (zh) 基于多服务器多gpu的星载sar成像实时处理方法
Xu et al. Acceleration of stereo-matching on multi-core cpu and gpu
JP6116271B2 (ja) 特徴量算出装置、方法及びプログラム
Serykh et al. Seasonal-Trend Time Series Decomposition on Graphics Processing Units

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination