高光谱图像线性光谱解混高性能并行算法研究及其在快速目标探测中的应用

成像光谱仪技术的发展日新月异，高光谱遥感已经获得了十分广泛的应用，但同时又面临着数据量剧增的困境，如何在海量的高光谱数据中快速地提取所需要的信息（如失踪的飞机等），成为了目前迫切需要解决的问题。高性能计算技术的发展为解决这一问题带来了新的契机，本课题结合高性能并行计算的优势，对高光谱数据处理与分析中的热点问题－光谱解混与目标探测展开新的研究，发展面向高光谱数据快速处理的并行算法，设计在并行环境下基于线性光谱解混快速目标探测的一体化流程方案，并开发原型系统，以充分发挥高光谱遥感技术的应用潜力，为新型遥感数据高性能处理技术的发展奠定算法理论基础，并提供系统示范。

近三十年来，成像光谱仪技术的发展日新月异，高光谱遥感已经获得了十分广泛的应用，但目前面临着数据量剧增、数据处理效率低的困境，如何在海量的高光谱数据中准确、快速地提取所需要的信息，是目前急需解决的问题，并引起了国内外研究学者的重视。为此，本项目结合了高性能并行计算技术，对高光谱数据处理与分析的关键技术之一“线性光谱解混－端元提取”展开了研究。所取得的成果简要地概括为以下三个方面。第一，针对目前端元提取算法的局限性，从几何学、盲信号分离两个方面对端元提取技术进行了更深入的改进，并从群智能计算的角度发展了新的端元提取算法，提供了一套全新的、易于并行化的端元提取算法集合，包括零空间光谱投影算法、并行化斜交独立成分分析算法、群智能优化端元提取算法以及面向目标探测应用的邻域独立端元指数。实践证明，这些算法具有良好的抗噪声能力、更高的鲁棒性和更好的适应性，有效提高了端元提取的精度,同时也为后续的并行算法研发奠定了算法基础。第二，从并行算法设计的基本原理出发，在对现有端元提取算法实现并行化的基础上，在并行算法的数据传输、同步开销、收敛速度这些瓶颈问题上取得了突破性的进展，先后提出了同步/异步/分组三种并行模式、多重级连算法模式、自适应同步机制以及可调节参数优化的算法综合模式，发展了一系列新型端元提取并行算法。实践证明，这些并行算法不仅能够保证较高端元提取精度，在执行效率上有了大幅度的提高，拥有更高的加速比性能和稳定的可扩展性，原本需要处理8667秒（2小时以上）的工作，最快的并行算法可在23秒（40个计算节点，同等配置）完成，有效解决了对大容量数据处理效率低下的瓶颈问题，充分发挥了高光谱遥感技术的应用潜力。最后，结合线性光谱解混及其目标探测应用，在多核CPU＋集群的并行平台下，开发了高光谱遥感图像高性能并行处理原型系统，该系统具有环境适应性强、计算资源利用率高、无缝的算法集成等特点，从高性能计算机到个人桌面计算机均适用，并充分匹配可用的计算资源进行并行处理，为新型遥感数据高性能处理提供了原型系统示范。