王淼

【摘 要】隨著遙感圖像數(shù)據(jù)規(guī)模的不斷擴(kuò)大與融合算法計(jì)算復(fù)雜度的增大，遙感圖像的快速融合成為很多遙感處理步驟的關(guān)鍵一環(huán)。計(jì)算機(jī)技術(shù)快速發(fā)展，CPU多核架構(gòu)逐漸普及，為了充分利用多核處理器資源，Matlab提供了并行計(jì)算模型。本文選取了基于小波變換和IHS空間的圖像融合算法進(jìn)行并行化設(shè)計(jì)，利用Matlab并行計(jì)算工具箱與分布式計(jì)算服務(wù)器進(jìn)行任務(wù)分割，實(shí)現(xiàn)了算法的并行化。實(shí)驗(yàn)結(jié)果表明，并行化處理可以有效縮短圖像融合的時(shí)間，獲得良好的加速比，驗(yàn)證了并行算法的高效性，對(duì)進(jìn)一步研究并行圖像處理有一定的指導(dǎo)意義。

【關(guān)鍵詞】Matlab；圖像融合；IHS；小波變換；并行計(jì)算

0 引言

隨著遙感技術(shù)的飛速發(fā)展，由于信息獲取的途徑越來越多，從而得到了各式各樣的遙感數(shù)據(jù)，而且數(shù)據(jù)量也越來越大。圖像融合技術(shù)的誕生使多源遙感數(shù)據(jù)得到了充分的利用，產(chǎn)生了比單一信息源更精確、更可靠的估計(jì)和判斷。由于數(shù)據(jù)規(guī)模的不斷增大，基于單處理器的傳統(tǒng)的串行圖像融合算法已經(jīng)無法滿足計(jì)算量不斷增加的需求，基于多處理器或集群的并行計(jì)算使圖像的快速融合成為了可能，為高效地分析遙感圖像提供了有效的解決途徑。

當(dāng)前流行的并行化工具與多核計(jì)算平臺(tái)有很多，如OpenMP、MPI等[1]，還有基于GPU并行計(jì)算的GUDA語言[2]。為高效利用多核處理器進(jìn)行并行計(jì)算，增強(qiáng)計(jì)算能力，Mathwork 公司推出了Matlab 分布式計(jì)算服務(wù)器與并行計(jì)算工具箱[3]，可以實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行快速、便捷地并行任務(wù)劃分，而且具有良好的可擴(kuò)展性。

近年來，小波變換理論被廣泛應(yīng)用于圖像融合并行處理當(dāng)中，有基于MPI的復(fù)小波變換的遙感圖像并行融合算法[4]，有基于GPU的小波變換圖像融合快速實(shí)現(xiàn)算法等[5]。本文在Matlab并行計(jì)算環(huán)境下，分析了基于小波變換與IHS空間的圖像融合算法流程，將讀入內(nèi)存數(shù)據(jù)規(guī)模較大的遙感圖像像元矩陣進(jìn)行均等任務(wù)劃分，分配給不同的處理單元進(jìn)行融合計(jì)算，實(shí)現(xiàn)了算法的并行化，為提高大規(guī)模矩陣的計(jì)算速度與多核處理器的利用率提供了并行處理方法。

1 Matlab并行計(jì)算

Matlab并行計(jì)算架構(gòu)主要依賴兩個(gè)工具：并行計(jì)算工具箱（PCT）和分布式計(jì)算服務(wù)器（MDCS）[6]，用戶可以通過使用以上兩個(gè)工具完成多種并行計(jì)算任務(wù)，例如基于多核平臺(tái)、多處理器平臺(tái)的并行計(jì)算以及基于集群平臺(tái)的并行計(jì)算。PCT與MDCS可以自動(dòng)幫助用戶完成參與計(jì)算的多個(gè)核、多個(gè)處理器或多個(gè)集群節(jié)點(diǎn)之間的底層數(shù)據(jù)通信，用戶則可以更加專注于并行算法的設(shè)計(jì)，于此同時(shí)，Matlab提供了各式各樣的函數(shù)工具箱，以便用戶高效便捷地完成并行計(jì)算任務(wù)。

典型的Matlab并行計(jì)算架構(gòu)包含Client、Job Manager和Worker，它們既可以運(yùn)行在網(wǎng)絡(luò)中的多臺(tái)計(jì)算機(jī)上，也可以運(yùn)行在同一臺(tái)計(jì)算機(jī)上。用戶通過Client可以編輯代碼，輸入各種命令，將Job提交給Job Manager；Job Manager負(fù)責(zé)Worker的管理和Task分配，將Job中的Task分配到Worker上執(zhí)行，并收集Worker的執(zhí)行結(jié)果返回給Client；Worker負(fù)責(zé)執(zhí)行由Job Manager分配的Task，并將執(zhí)行結(jié)果返回Job Manager。其中，Job作為任務(wù)的基本單元，由Client向Job Manager提交，而Task則作為任務(wù)的基本單元被Job Manager分配到各個(gè)Worker中去，一個(gè)Job可以只包含一個(gè)Task，也可以包含多個(gè)Task。

2 IHS小波融合算法并行設(shè)計(jì)

2.1 基本原理

IHS小波融合算法1999年由Nunez 提出[7]，通過將傳統(tǒng)的IHS變換與小波變換相結(jié)合，既有效地增強(qiáng)了融合圖像的空間分辨率，又較好的保持了融合圖像的光譜特性，減小了光譜失真。該方法先將待融合多光譜圖像作由RGB空間到IHS空間的轉(zhuǎn)換，然后利用小波變換將得到的多光譜圖像的I分量與全色圖像進(jìn)行小波分解、融合與重構(gòu)，最后將得到的新的Inew分量與原先的H、S分量進(jìn)行IHS逆變換得到最終的融合結(jié)果。

2.2 并行算法實(shí)現(xiàn)

在進(jìn)行并行IHS小波融合算法設(shè)計(jì)之前，首先需要分析在整個(gè)串行算法中各個(gè)函數(shù)調(diào)用的頻率以及函數(shù)執(zhí)行消耗的時(shí)間，這個(gè)過程可以由Matlab提供的Profiler剖析器來完成，經(jīng)過分析可知，程序中將多光譜圖像的I分量與高分辨率全色圖像進(jìn)行小波融合花費(fèi)處理器時(shí)間最多，這是由于進(jìn)行逐層小波分解與重構(gòu)時(shí)，計(jì)算復(fù)雜度不斷升高，計(jì)算量不斷加大。為了充分利用多核處理器資源，采用均等原則劃分計(jì)算量較大的復(fù)雜計(jì)算任務(wù)，使這部分過程可以在Matlab環(huán)境下實(shí)現(xiàn)并行化，該算法并行化過程見圖1。

本文將并行小波融合算法設(shè)計(jì)成一個(gè)獨(dú)立的模塊函數(shù)P-Fusion（）[8]，該模塊函數(shù)主要完成的工作是：圖像像元矩陣的小波分解與重構(gòu)、由小波系數(shù)陣以3X3為窗口大小計(jì)算像元梯度矩陣和融合圖像小波系數(shù)陣的計(jì)算。

作為實(shí)現(xiàn)并行計(jì)算的獨(dú)立模塊函數(shù)P-Fusion（），其輸入?yún)?shù)為過IHS變換后提取的I分量像元矩陣與經(jīng)配準(zhǔn)后的全色圖像像元矩陣，函數(shù)執(zhí)行完成后，將輸出參量作為新的Inew通道信息與H、S通道信息作IHS逆變換即可得到融合圖像。在Matlab多核處理器并行計(jì)算平臺(tái)下實(shí)現(xiàn)基于均等任務(wù)劃分原則的并行計(jì)算，其主要步驟如下：

（1）調(diào)用FindResource（）函數(shù)創(chuàng)建對(duì)象Job Manager，并將該對(duì)象命名為Jm，它作為一個(gè)調(diào)度器負(fù)責(zé)整個(gè)并行計(jì)算程序的調(diào)度工作。

（2）通過createJob（）函數(shù)在對(duì)象Jm上創(chuàng)建一個(gè)作業(yè)，命名為Job，并完成定義并行小波融合模塊函數(shù)P-Fusion（）。

（3）設(shè)置該作業(yè)的文件關(guān)聯(lián)，讓所有Workers都可以找到原程序文件。

（4）通過createTask（）函數(shù)將作業(yè)Job進(jìn)行任務(wù)劃分，P-Fusion（）作為函數(shù)句柄，并設(shè)置好函數(shù)的輸入?yún)?shù)與輸出參數(shù)。

（5）利用Submit（）函數(shù)完成作業(yè)Job的提交，Job Manager調(diào)度后臺(tái)可用于計(jì)算的處理器核心完成作業(yè)任務(wù)的分配，各工作核獲取任務(wù)后執(zhí)行模塊函數(shù)P-Fusion（）完成各自計(jì)算任務(wù)，此時(shí)各個(gè)核同時(shí)工作，互不干擾，完成并行計(jì)算。

（6）當(dāng)所有任務(wù)全部完成后，將計(jì)算結(jié)果通過GetAllOutputArguments（）函數(shù)回收并整理后返回給客戶端Client。

完成該并行計(jì)算過程的主要代碼如下：

3 實(shí)驗(yàn)及結(jié)果分析

本文選擇的實(shí)驗(yàn)數(shù)據(jù)為北京地區(qū)Landset8遙感影像，將2048X2048大小的空間分辨率為30m的多光譜圖像與空間分辨率為15m的全色圖像進(jìn)行融合。

3.1 實(shí)驗(yàn)環(huán)境

硬件配置：節(jié)點(diǎn)Intel Core i5-4590 CPU，四核，4GB內(nèi)存；

軟件配置：Windows 7專業(yè)版64位操作系統(tǒng)，Matlab2010a（并行計(jì)算工具箱Parallel Computing Toolbox 4.3和分布式計(jì)算服務(wù)器Matlab Distributed Computing Server 4.3）。

3.2 結(jié)果分析

在多核處理器并行環(huán)境下完成了圖像像元矩陣的小波分解與重構(gòu)、像元梯度矩陣和融合圖像小波系數(shù)陣的計(jì)算，且融合結(jié)果基本穩(wěn)定，其結(jié)果如圖2-4圖所示：

通過對(duì)串行融合程序與并行融合程序的執(zhí)行時(shí)間進(jìn)行測(cè)試，對(duì)比分析了并行計(jì)算的優(yōu)化效果，其測(cè)試性能對(duì)比如表1所示：

表1 IHS小波融合并行化性能對(duì)比

由表1可知：在進(jìn)行相同任務(wù)量的計(jì)算時(shí)，參與計(jì)算的內(nèi)核數(shù)不同，程序的執(zhí)行時(shí)間也會(huì)隨之改變，其具體表現(xiàn)為Worker數(shù)目增加，運(yùn)行時(shí)間變短，但減小趨勢(shì)變緩，這是因?yàn)橛?jì)算機(jī)在執(zhí)行并行程序時(shí)會(huì)產(chǎn)生額外的通訊開銷。并行算法的加速比大致呈線性增長(zhǎng)，當(dāng)開啟Worker數(shù)為4，即等于處理器的最大內(nèi)核數(shù)時(shí)，并行程序加速比達(dá)到2.2。算法的并行化設(shè)計(jì)，能有效的縮短程序執(zhí)行的時(shí)間，充分利用多處理器資源，滿足了快速處理的需要。

4 結(jié)語

本文針對(duì)IHS小波融合算法，利用Matlab并行環(huán)境進(jìn)行了算法并行化設(shè)計(jì)與實(shí)現(xiàn)，有效的提高了程序的運(yùn)行速度并充分運(yùn)用了多核處理器資源，均等的任務(wù)劃分、模塊化的處理方法為處理大規(guī)模遙感數(shù)據(jù)提供了可能。相較于其他并行模式，Matlab并行計(jì)算程序設(shè)計(jì)更為簡(jiǎn)便，豐富的函數(shù)工具箱能滿足不同的應(yīng)用需求，將會(huì)在不同的鄰域有著廣闊的應(yīng)用前景。

【參考文獻(xiàn)】

[1]王鵬，等.并行計(jì)算應(yīng)用及實(shí)戰(zhàn)[M].北京：機(jī)械工業(yè)出版社，2009.

[2]劉金碩，等.基于CUDA的并行程序設(shè)計(jì)[M].北京：科學(xué)出版社，2015.

[3]MathWorks. Matlab distributed computing server [EB/OL] [2009-10-01] http：//www.mathworks.com/help/toolbox/mdce/index.html.

[4]王攀峰，杜云飛，周海芳，楊學(xué)軍.基于復(fù)小波變換的遙感圖像并行融合算法[J].計(jì)算機(jī)工程與科學(xué).2008.30（3）：35-39.

[5]閆鈞華，杭誼青，孫思佳. 基于GPU的可見光與紅外圖像融合快速實(shí)現(xiàn)[J].計(jì)算機(jī)工程.2013.39（11）：249-253.

[6]劉維.實(shí)戰(zhàn)Matlab之并行程序設(shè)計(jì)[M].北京：北京航空航天大學(xué)出版社，2012.

[7]Jorge Nunez， Xavier Otazu， Octavi Fors. Multiresolution Based Image Fusion with Additive Wavelet Decomposition[J].IEEE Transactions on Geoscience and Remote-sensing.1999（3）：1204-1211.

[8]鄭曉薇，于夢(mèng)玲.基于Matlab多核集群的人臉識(shí)別算法的并行化設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用.2011.31（10）：2597-2599.

[責(zé)任編輯：張濤]