[发明专利]基于图形处理器的端元提取纯像元指数方法

权利要求书

1.一种基于图形处理器的端元提取纯像元指数方法，包括如下步骤：

(1)输入数据：

将待处理的高光谱图像立方体数据集合，从内存复制到显存，得到高光谱图像立方体数据；

(2)生成随机向量：

(2a)由k个n维随机单位向量组成随机向量集合，其中，随机单位向量个数k的取值范围为1×10⁴～9×10⁴，随机单位向量维数n的数值等于高光谱图像的光谱频带的数目；

(2b)采用统一计算设备架构CUDA在图形处理器GPU中直接生成模拟随机向量所需的所有随机数，组成模拟随机向量，存储到全局内存中；

(3)极值投影：

(3a)将高光谱图像立体数据从显存复制到全局内存中；

(3b)将全局内存中的高光谱图像立体数据重构为n×p维的矩阵A，其中,n表示高光谱图像的光谱频带数目，p表示高光谱图像的像元数目；

(3c)将全局内存中的模拟随机向量组成k×n维的矩阵B，其中，k表示模拟随机向量的个数，k的取值范围为1×10⁴～9×10⁴，n表示模拟随机向量的维数，n的数值等于高光谱图像的光谱频带的数目；

(3d)将矩阵B与矩阵A相乘，得到随机投影矩阵C；

(3e)对随机投影矩阵C中的最大值和最小值采样，获得采样向量，组成随机投影矩阵的极值集合，得到由最大投影值组成的极值投影矩阵D，将极值投影矩阵D存储在全局内存中；

(4)确定端元：

(4a)将极值投影矩阵D从全局内存中加载到共享内存中；

(4b)将极值投影矩阵D的索引从全局内存中加载到相应的共享内存中；

(4c)采用归约法，对极值投影矩阵D中的数据进行并行比较，分别寻找最大投影值组成的极值投影矩阵D中的最大值与最小值、最大值与最小值的索引位置；

(4d)由最大投影值与最小投影值确定端元。

2.根据权利要求1所述的基于图形处理器的端元提取纯像元指数方法，其特征在于：步骤(3b)中所述的重构的步骤如下：

第一步，按照宽优先的原则，将以长宽高三维分布的高光谱图像立体数据，保持长度不变，沿着高度方向依次连接起来，组成一个向量；

第二步，将以长宽高三维分布的高光谱图像立体数据，沿着长度方向，按照宽优先的原则，沿着高度方向依次连接起来，组成多组向量，由生成的多组向量组成二维的高光谱图像数据。

3.根据权利要求1所述的基于图形处理器的端元提取纯像元指数方法，其特征在于：步骤(3d)中所述的矩阵乘法的计算方法为，在多线程块中进行如下划分，每个线程块计算C矩阵的一个子矩阵Csub,线程块中的每个线程计算Csub中若干元素，Csub是A的子矩阵Asub与B的子矩阵Bsub的乘积，得到矩阵A、B的乘积C矩阵，其中，子矩阵Asub与子矩阵Csub有相同的行数，子矩阵Bsub与子矩阵Csub有相同的列数。

4.根据权利要求1所述的基于图形处理器的端元提取纯像元指数方法，其特征在于：步骤(4c)中所述的归约法是指，将待比较的数据从中间位置分为两组，得到长度相同的两组数据A和B；比较两组数据A和B对应位置上的数据，当获取最大值时，将所分的两组数据对应位置上的数据中较大者及其索引位置存储到全局内存中，得到长度减半由较大值构成的数据G；当获取最小值时，将所分的两组数据对应位置上的数据中较小者及其索引位置存储到全局内存中，得到长度减半由较小值构成的数据G，将长度减半的数据G继续从中间位置分为两组，得到长度相同的两组数据C和D，比较两组数据C和D对应位置上的数据，直到找到待比较的数据中的最大值、最小值，将所找到的最大值、最小值作为端元。

5.根据权利要求1所述的基于图形处理器的端元提取纯像元指数方法，其特征在于：步骤(4c)中所述的并行比较是指，每个统一计算设备架构CUDA块默认启用256个线程，每次归约方法只能找到最多256个数据中的极限值索引，对512个像元做归约，将这些数据从全局内存加载到共享内存，采用归约法做一次比较；对每次投影产生的614*512个样本数据，其中614*512表示实验中采用的高光谱数据集合的空间维度，每次只能比较512个像元值，每次投影产生的614*512个样本数据需要进行614次比较，对于每次迭代找到的极值索引，再做一次比较以寻找最终的极值索引。