论文部分内容阅读
压缩光谱成像技术作为一种新型的光谱成像技术,在成像的过程中实现对光谱数据的压缩采样。具体的过程是场景的三维光谱信息经过编码孔径和色散棱镜联合编码后被二维的探测器所获取,后端的计算机利用采样得到的数据通过优化恢复算法进行解码估计出原始的光谱信息。所以优化恢复处理算法对最终结果的好坏至关重要,而结构稀疏优化算法作为一种充分挖掘图像本身先验特性的重构算法,将其用于光谱图像重构恢复上可以得到较高分辨率的结果。但是结构稀疏优化算法本身的算法复杂度比较大,对于要求快速求解的应用场景来说对该算法进行加速就显得十分重要。本文基于结构稀疏压缩光谱成像方法,分析了该算法本身的特点及其并行性,在分析了现有各种加速技术的基础上,提出了基于结构稀疏压缩光谱成像的分布式并行计算,具体来说采用了以MPI和OpenMp技术为基础的多核分布式混合并行计算框架,实现了对结构稀疏压缩光谱成像的快速求解。首先本文研究了压缩光谱成像的基本原理,剖析了结构稀疏优化恢复算法的流程,分析了当将其用于光谱图像重构时的并行性,给出了分布式并行加速解决方案。在此基础上,详细的分析了基于OpenMp的多核并行计算,并通过具体的实验加速结果来验证所设计的多核并行程序的有效性。另一方面,本文重点研究了用于多机分布式加速的MPI技术。从MPI强大灵活的通信机制到基于MPI的分布式集群加速计算,全面的设计了用于多光谱图像恢复的MPI和OpenMp混合模型。具体包括MPI和OpenMp内外层相结合的模块结构、标准通信方式和组间通信方式相结合的加速流程及其最终结果的可视化分析。算法最终的并行加速测试结果显示了所设计的用于多光谱图像恢复的解决方案可以实现结构稀疏压缩光谱成像的快速求解。