1 引言

　　隨著現(xiàn)代遙感技術的發(fā)展，可獲取的遙感影像數(shù)據(jù)越來越豐富。遙感技術應用的主要障礙不再是影像源的不足，而是如何從中提取更豐富、有用和可靠信息。多源遙感圖像數(shù)據(jù)融合技術是對地觀測信息獲取與處理技術的重要研究內(nèi)容，是解決海量遙感圖像數(shù)據(jù)問題的一個有效途徑。在處理大數(shù)據(jù)量的遙感影像數(shù)據(jù)時，處理速度成為一種融合算法能否普遍適用的一個關鍵因素。IHS變換可以提高結果圖像的地物紋理特性，增強其空間細節(jié)的表現(xiàn)能力，因此，在遙感圖像融合中，IHS變換法也是常用、基本的方法。但IHS變換融合算法比較復雜，在CPU的串行編程模式中實現(xiàn)較為費時。

　　圖形處理單元（GraphicsProcessingUnit,GPU）由于具備強大的并行處理能力和極高的存儲器帶寬而被抽象成一個“流處理器”，用于科學運算、數(shù)據(jù)分析、線性代數(shù)、流體模擬等需要大量重復的數(shù)據(jù)集運算和密集的內(nèi)存存取的應用程序。CPU本質(zhì)上是一個標量計算模型，計算單元偏少，主要針對復雜控制和低延遲而非高帶寬優(yōu)化。GPU比CPU更適用于流處理計算。

　　2 IHS變換融合算法模型

　　圖像處理中經(jīng)常應用的彩色坐標系統(tǒng)（或稱彩色空間）有2種：（1）由紅（R）、綠（G）、藍（B）三原色組成的彩色空間，即RGB空間；（2）IHS，即亮度（Intensity）、色調(diào)（Hue）、飽和度（Saturation）。RGB空間和IHS空間相互轉換的處理過程稱為IHS變換。IHS空間中的3分量I,H,S具有相對獨立性，可分別對它們進行控制，并能夠準確定量地描述顏色特征。

　　IHS變換的步驟如下：

　?。?）將原始灰度值R0,G0,B0進行歸一化R=R0L,0G=GL,0B=BL其中，L為圖像的灰度級數(shù)。

　?。?）正變換，計算I,H,S的值當R=G=B時，S=H=0,I=R；否則：

　　當G≥B時，H=h；當G<B時，H=2π？h。

　　（3）直方圖匹配，將高分辨率全色影像經(jīng)過灰度拉伸，使其灰度的均值與方差和IHS空間中I分量圖像一致。

　　（4）反變換，將拉伸過的高分辨率圖像作為新的I分量代入計算，求原始空間的RGB值，反變換如下：

　　IHS變換融合的流程如圖1所示。

　　3 IHS變換的GPU實現(xiàn)

　　基于GPU編程的基礎是流和核。在流式編程模型中，所有的數(shù)據(jù)都表現(xiàn)為流。流的定義是具有相同數(shù)據(jù)類型數(shù)據(jù)的有序集。核操作輸入流上的所有元素而不是獨立的元素，核對輸入流的每個元素用一個函數(shù)進行求值。流式模型用多種方式實現(xiàn)了高效計算，其中重要的一點是流利用了應用程序中的并行性。由于核操作整個流，流元素可以用數(shù)據(jù)并行硬件并行地處理，有很多元素的長流使數(shù)據(jù)級的并行性有很高的效率。由此可以看出GPU是利用各個流元素之間的獨立性并行地處理多個數(shù)據(jù)來實現(xiàn)加速。IHS變換融合算法對遙感影像數(shù)據(jù)中各個像素點的處理是相對獨立的，因此，可以將其映射為GPU上的流式計算。

　　3.1 并行的輸入流

　　進入GPU的數(shù)據(jù)分為2類：

　　（1）描述幾何形狀的頂點數(shù)據(jù)；

　　（2）片元數(shù)據(jù)，片元數(shù)據(jù)通常從紋理中獲得。頂點處理器接收頂點數(shù)據(jù)并轉化為屏幕上的窗口坐標，這些頂點組合成幾何形狀，在光柵化過程中，形狀所覆蓋的像素被構造成許多片元，由頂點所構成的多變性內(nèi)部片元可在這一步驟中計算出來。片元傳入片元處理器進行并行計算并被終寫入幀緩沖區(qū)。

　　相對于頂點處理器而言，GPU往往具有更多個片元處理器，因此，片元級的向量計算可獲得更高的并行處理能力。

　　本文利用4個頂點生成一個矩形，經(jīng)過光柵化過程生成片元值。為保證所生成的片元與所處理的遙感圖像數(shù)據(jù)一一對應，將矩形大小定義為紋理大小而不是圖像本身的大小。

　　本文實驗處理的是經(jīng)過配準好的高空間分辨率全色影像和低空間分辨率的RGB3波段多光譜影像，假設每幅影像大小為M×N。為充分利用GPU中的RGBA4個通道的計算資源，須對輸入數(shù)據(jù)進行打包或分組。本文將高空間分辨率全色影像和低空間分辨率的RGB3波段多光譜影像分別載入4塊紋理之中，盡量減少紋理中空的區(qū)域。

　　這樣即可將各影像每4個中相鄰的像素分為一組，將它們打包進一個RGBA紋理之內(nèi)，過程如圖2所示。

　　為保證數(shù)據(jù)處理的，本文將紋理內(nèi)部格式定義為GL_FLOAT_RGBA32_NV，即每個像素中的4個分量各占1個32位浮點空間，將紋理類型設置為GL_TEXTURE_RECTANGLE_ARB，紋理尺寸的大小是任意的，不必要求是2的n次方，紋理坐標不要求單位化，范圍不會被限定在0~1之間。

　　3.2 渲染到紋理技術

　　在傳統(tǒng)的GPU渲染流水線中，每次渲染運算的終結束點就是幀緩沖區(qū)。幀緩沖區(qū)其實是顯卡內(nèi)存中的一塊，保存在該內(nèi)存區(qū)塊中的圖像數(shù)據(jù)會實時地在顯示器上顯示出來。

　　使用傳統(tǒng)的GPU渲染管線作圖像處理須將幀緩沖區(qū)對應的窗口大小設置為與紋理大小嚴格一致，這就會把所能處理的圖像大小限制在一定大小的范圍之內(nèi)（圖像打包后的紋理大小不能超過屏幕大小），否則就會因為系統(tǒng)對圖像數(shù)據(jù)的重采樣而造成失真。根據(jù)顯示器設置的不同，幀緩沖區(qū)可以取得32位的顏色深度，即紅、綠、藍、alpha4個顏色通道共享這32位的數(shù)據(jù)，每個通道占8位。這對于顯示器來說已足夠，但如果要在浮點數(shù)字下工作，用8位來記錄一個浮點數(shù)，其數(shù)學遠遠不夠。為解決這2個問題，本文采用FBO擴展將數(shù)據(jù)直接渲染進紋理?，F(xiàn)在消費級的顯卡支持的紋理一般是4096×4096，的顯卡會更大，范圍遠遠超過了屏幕窗口的范圍，同時在紋理中可將RGBA4個通道的每個通道都設置為32位的浮點型數(shù)據(jù)，也比幀緩沖區(qū)中的高得多，而且這種離屏渲染的模式是通過硬件加速的。

　　在GPU計算中，一個紋理對象不能同時被讀寫。根據(jù)IHS融合算法，本文將一個FBO與6個紋理對象進行綁定（不同的顯卡對每個FBO支持的綁定點數(shù)目不一樣，可以用GL_MAX_COLOR_ATTACHMENTS_EXT進行查詢，如果所用顯卡所支持的綁定數(shù)為4，則須建立2個FBO，每個FBO綁定3個紋理對象），其中3個紋理用來保存正變換獲得的I,H,S值，另外3個紋理用來保存反變換獲得的R,G,B值，紋理格式和大小都和輸入紋理一致。

　　3.3 多渲染目標

　　從IHS融合算法可以看出，正變換同時計算出了I,H,S3個變量的值，反變換同時計算出了R,G,B3個變量的值，傳統(tǒng)的渲染方法只能繪制一張紋理，要繪制多張紋理需要不停地切換渲染對象，還須設計不同的片元著色程序多次渲染，這種只繪制一張紋理的方法效率不高。本文采用繪圖緩沖擴展實現(xiàn)了多渲染目標，在IHS的正、反變換中分別將I,H,S3個變量及R,G,B3個變量的值分別并行的渲染輸出到3個紋理對象之中。

　　3.4 計算過程

　　按3.1節(jié)中的方法分別將低空間分辨率的RGB3波段多光譜影像載入3幅紋理中，創(chuàng)建FBO，將其與6個幀緩沖區(qū)進行綁定，這6個幀緩沖區(qū)的綁定點分別設定為GL_COLOR_ATTACHMENT0_EXT,GL_COLOR_ATTACHMENT1_EXT,?,GL_COLOR_ATTACHMENT5_EXT，每個幀緩沖區(qū)對應1個輸出紋理。

　　正變換由一個片元著色程序在單遍內(nèi)實現(xiàn)。本文的著色程序通過OpenGL著色語言（GLSL）實現(xiàn)，將低空間分辨率的RGB3波段多光譜影像紋理數(shù)據(jù)作為輸入紋理，用繪圖緩沖擴展將渲染輸出的顏色緩沖區(qū)個數(shù)設置為3，對應GL_COLOR_ATTACHMENT0_EXT,GL_COLOR_ATTACHMENT1_EXT,GL_COLOR_ATTACHMENT2_EXT這3個緩沖區(qū)，分別用它們來保存I,H,S3個變量的值。本文根據(jù)IHS變換融合算法模型設計了正、反變換2個片元著色程序。

　　第1次渲染用正變換的片元著色程序，目標緩沖區(qū)將獲得I,H,S3個分量的值。對于在輸出統(tǒng)計或量度時須將數(shù)據(jù)散射保存的算法，并不合適在GPU中處理[3]，因此，本文將直方圖匹配的工作交給CPU處理。將保存I分量的緩沖區(qū)數(shù)據(jù)到系統(tǒng)內(nèi)存，在CPU中將高空間分辨率全色影像與其做直方圖匹配，因為I中的數(shù)據(jù)在正變換過程中經(jīng)過單位化，所以將I中的數(shù)據(jù)還原為原始的灰度級，匹配完成后將經(jīng)過直方圖拉伸的高空間分辨率全色影像單位作為新的I分量載入紋理，同時將保存H,S分量的緩沖區(qū)作為源緩沖區(qū)（將其中的紋理數(shù)據(jù)與新的I分量數(shù)據(jù)一起作為第2次渲染的輸入流），將GL_COLOR_ATTACHMENT3_EXT,GL_COLOR_ATTACHMENT4_EXT,GL_COLOR_ATTACHMENT5_EXT作為目標緩沖區(qū)。第2次渲染用反變換的片元著色程序，將保存變換結果R,G,B值的目標緩沖區(qū)中的數(shù)據(jù)到系統(tǒng)內(nèi)存中完成IHS融合。整個計算過程如圖3所示。

　　4 實驗分析

　　實驗在一臺裝有3GHzPentium（R）4和NVIDIAGeForce8800GTS的DELLPC上進行，顯卡具有320MB的顯存，實驗中的真實數(shù)據(jù)是同一地區(qū)的LandsatTM第8波段影像（分辨率為15m）與第2,4,7這3個波段影像（分辨率為30m），實驗選取了配準后大小一致的影像，分4組，各組影像大小分別為：256×256,512×512,1024×1024,2048×2048，單位為像素?；贕PU的IHS融合算法使用OpenGLAPI，利用OpenGLShadingLanguage（GLSL）的片元著色程序加以實現(xiàn)，基于CPU的IHS融合算法在MicrosoftVisalC++6.0中實現(xiàn)。

　　效率評價采用算法執(zhí)行時間進行度量，文中基于GPU的IHS融合算法的實現(xiàn)主要分為以下幾步：

　?。?）內(nèi)存中的低空間分辨率多光譜影像數(shù)據(jù)載入紋理；

　?。?）在GPU中用正變換的片元著色程序，獲得I,H,S3個分量的值；

　?。?）I分量到系統(tǒng)內(nèi)存；

　?。?）在CPU中將高空間分辨率全色影像與I分量做直方圖匹配；

　　（5）將經(jīng)過直方圖匹配的高空間分辨率全色影像載入紋理，替代I分量；

　?。?）在GPU中用反變換的片元著色程序，獲得R,G,B的值；

　?。?）將R,G,B值到主內(nèi)存。將這7步所耗的時間分別記為t1,t2,?,t7。表1為t1~t7在不同影像數(shù)據(jù)量下的執(zhí)行時間（括號內(nèi)為其所占的百分比）。

　　從表1可以看出，t4（在CPU中執(zhí)行）基本上隨圖像數(shù)據(jù)量的增加倍數(shù)而相應地成倍增加，而t2和t6（在GPU中執(zhí)行）的增加速度卻較慢，而且與圖像數(shù)據(jù)量增加的倍數(shù)沒有對應關系。從t1~t7所占的百分比可以看出t4隨著圖像數(shù)據(jù)量的增加其所占的比例越來越大，而t2和t6所占的比例越來越小。

　　本文的IHS變換融合算法與基于CPU的IHS變換融合算法在不同數(shù)據(jù)量下的時間比較如圖4所示。

　　從圖4可以看出，當圖像數(shù)據(jù)量較小時，基于GPU的算法不一定占優(yōu)，而當圖像數(shù)據(jù)增大時，基于GPU的IHS融合算法的優(yōu)勢越來越明顯，在圖像大小達到2048×2048時，基于GPU的算法比基于CPU的算法速度提高超過4倍。這是因為GPU的流處理機制是對輸入流的每個元素用同一個函數(shù)并行求值的過程，有很多元素的長流使數(shù)據(jù)級的并行性有很高的效率，所以隨著圖像數(shù)據(jù)量的增大，GPU對數(shù)據(jù)并行處理的優(yōu)勢會更明顯。

　　5 結語

　　遙感影像融合往往涉及到大數(shù)據(jù)量、過程復雜的運算，存在一定的并行性。隨著GPU的飛速發(fā)展，的圖形處理器能夠支持32位的顏色通道和更多的顯存空間及更復雜的渲染程序，這是實現(xiàn)更多的復雜計算的基礎。但基于GPU的程序設計比較復雜，而且有很多限制條件，缺乏像CPU那樣的靈活性，這使其應用受到一定的限制。NVIDIA公司的CUDA架構是針對GPU的C語言開發(fā)環(huán)境，簡化了程序設計的復雜程度，可以充分應用流處理單元強大的浮點運算能力，解決復雜的科學運算問題，這也為解決大數(shù)據(jù)量的處理問題帶來了新變革。