王振华，张鑫月，刘智翔，栾奎峰，常英立

(1.上海海洋大学 信息学院，上海 201306；2.上海海洋大学 海洋科学学院，上海 201306)

0 引言

遥感技术具有大面积同步观测和时效性强等特征[1]，遥感影像被广泛应用于资源调查、环境监测和城市变迁等研究领域。面向遥感影像中目标地物的分割，主要有基于阈值的分割方法[2-3]、基于聚类的分割方法[4-5]、基于区域的分割方法[6-7]、基于边缘检测的分割方法[8-9]以及基于神经网络的分割方法[10-11]等。随着遥感技术的发展，遥感影像数据的空间分辨率和光谱分辨率不断提高，数据量不断增大，对计算资源和图像处理算法提出了新挑战[12]。

为提高遥感影像的处理速度和精度，并行化方法被不断提出并应用于遥感影像的处理。刘张桥等[13]提出了一种多核环境下的图像分割并行算法，提高了较大图像的处理效率。刘扬等[14]提出了基于OpenMP的并行ISODATA聚类算法，提高了遥感影像的处理速度。程栋等[15]提出了基于OpenMP多核计算技术的图像处理并行处理框架，实现了SAR图像目标分类算法的并行计算。同时，图形处理器(graphic process unit，GPU)作为通用大规模并行处理器，具有运算密集、高度并行、体积小和性价比高等特点，为遥感影像的加速处理提供技术手段[16]。邱霁岩等[17]提出了一种基于GPU的离散小波变换算法，将小波变换算法并行化，克服了小波变换耗时长的缺点。卓永等[18]利用CUDA的线程模型、共享内存等存储器将聚类中心计算、曲线演化计算和偏置域计算并行实现，提高了水平集算法分割灰度不均匀图像的效率。……