[发明专利]一种基于GPU实现的合成孔径雷达图像目标识别方法

摘要

本发明雷达图像目标识别技术领域，具体涉及一种基于GPU实现的合成孔径雷达图像目标识别方法。随着SAR成像技术的发展，SAR图像的分辨率和数据量均迅速增加，所以传统基于CPU串行计算的PCA方法效率过低且计算代价过高。本发明利用GPU通用计算的高效计算能力，对PCA特征提取方法进行并行分析，并将其中并行性强的矩阵乘法、Jacobi特征分解和归约求最值等方法进行GPU并行改进。

主权项

1.一种基于GPU实现的合成孔径雷达图像目标识别方法，该方法采用主成分分析法提取SAR图像特征，获得样本，其特征在于，采用基于GPU的算法，提高以下对样本的识别方法的处理速度：S1、将提取的每个样本处理成一维数据，对于原始n个训练样本，组成一个矩阵P_m*n＝{X₁,X₂,X₃,…,X_n}，获得均值化矩阵P，对输入样本矩阵按行求均值，接着原始矩阵P中每一列向量分别减去均值向量；在计算每一行均值的过程中，采用基于GPU的并行算法，以矩阵行为基本线程单位进行并行计算；S2、计算求出均值后的矩阵P的协方差矩阵：协方差矩阵Q的每个元素都是由矩阵P的某一行和某一列计算内积得到，每个元素的计算过程相互独立，采用GPU的并行计算，每个线程对应计算矩阵Q中一个位置的值；S3、采用Jacobi迭代法对协方差矩阵Q进行特征值分解：Q＝U^TΛUΛ对于一个秩为k的协方差矩阵，其中协方差阵有k个非零特征值，U为正交矩阵，每一列也是相应特征值对应的特征向量，取排好序的特征值的前d个最大特征值所对应的向量作为PCA投影空间；Jacobi迭代过程中，每一轮旋转变换只会改变原始矩阵中一个2×2的子矩阵；采用基于GPU的并行算法，一次同时进行n/2组互不影响的旋转变换，即一次实现原始矩阵中所有元素的变换，所述n/2组旋转变换是互相独立的，具体包括矩阵乘法和求最值运算，其中求最值运算可以通过归约法实现GPU并行计算，将待求最值的数据分别读取到若干个线程块中，此为线程块级并行，然后每个线程块内实现线程级并行，最终将各个线程块所求最值作一次比较，即可得最终的最值；S4、将样本数据投影到步骤S3中获得的特征投影空间T上，得到主成分的特征：Y_PCA＝TP。