本发明公开一种基于CPU/GPU协同处理的遥感数据快速入库方法。首先调用CPU对影像进行入库预处理；其次调用GPU构建影像金字塔；最后调用GPU和CPU协同对影像金字塔数据进行压缩。本发明为包含主机端和客户端的多机系统，使得构建影像金字塔和数据压缩能够并行工作，从而提高了遥感影像数据入库的速度。

在该系统中，主机端和设备端以一个CPU核为控制核，其他CPU核为计算核，其中控制核主要负责主机端和设备端之间的数据传输、CPU和GPU之间的数据传输、核函数执行参数配置、核函数启动等工作。而计算核主要参与数据入库中计算密集的部分。设备端的计算核主要是用来处理遥感影像入库中的影像金字塔构建(主要包括分配内存、拷贝数据)和影像预处理步骤。主机端的计算核则用来参与影像数据压缩步骤(主要包括影像压缩预处理、tier-1算法、tier-2算法)。

 自20世纪60年代航天遥感技术兴起以来，遥感数据的获取技术日趋完善，一个立体、多角度、全方位、全天候的对地观测网正在形成。特别是近些年，随着国内外亚米级高分辨率遥感卫星的商业推广、航空有人/无人遥感作业的增多、地面移动遥感设备的普及，以及计算机、网络、通信等技术的快速发展，推动了遥感数据生产的爆发式增长。成像方式的多样化以及遥感数据获取能力的增强，导致遥感数据的多元化和海量化。为了在各种遥感应用系统中及时有效地利用这些规模庞大的数据，首先必须对其进行有序的组织和管理。目前基于空间数据库管理是遥感数据的主流管理方式，面对不断产生的海量多源异构遥感数据，如何在第一时间快速、精准地将数据处理入库就成为一个迫切需要解决的问题。遥感数据入库通常包括遥感数据预处理(如投影变换、坐标变换、匀光、色彩均匀化等操作)、构建影像金字塔、遥感数据压缩等步骤。其中包含大量对遥感影像的计算密集型操作。传统的入库方法采用的是使用CPU进行串行运算处理，或者基于原有串行算法的多CPU并行运算处理，在海量遥感数据的环境下，该方法的效率并不能满足实际需求。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，将GPU的处理能力融入到系统中，形成一种系统化的处理能力，可为遥感数据入库处理提供高效的技术手段。

发明人有黄杰、朱丰炜、万健、贾刚勇、司华友。贾刚勇，男，1987年2月生，现任职于杭州电子科技大学计算机学院。万健，男，汉族，1968年02月生，江苏海安人，在职研究生，管理学博士，副研究员，1991年05月加入中国共产党，1991年08月参加工作。现任江苏海事职业技术学院院长。司华友，男，博士，杭州电子科技大学计算机学院讲师。

1、构建影像金字塔主要耗费的时间是在对数据进行重采样，本发明中CPU主要负责程序中串行执行的部分以及对任务进行调度，而GPU作为协处理器，主要负责数据并行计算密集的部分，从而充分发挥CPU和GPU各自的运算优势。同时，本发明增加了一个设备端专门用来构建影像金字塔，当主机端对接收到的遥感影像数据进行压缩处理时，设备端则可以构建下一幅影像的金字塔，从而实现了不同影像处理步骤之间的同步执行，加快了遥感数据入库的速度。 2、在对遥感影像进行基于JPEG2000算法的压缩操作过程中，主要耗费的时间是在tier-1算法。现有的基于GPU的算法是用CPU处理tier-1算法，然后用GPU处理tier-1算法，但是由于一方面tier-1算法的计算量较大，会占用较多的CPU资源，影响其他类型操作的执行速度；另一方面量化、小波变化占用的GPU资源较少，造成了GPU空闲的状况，因此，导致CPU和GPU协同处理遥感数据快速入库时资源分配利用不合理。为了解决上述问题，本发明提供了一种根据CPU、GPU的工作状态以及影像分辨率三个因素来更加合理的分配GPU和CPU资源，从而加快遥感数据压缩的速度。 3、本发明在主机端采用线程之间并行，线程块之间并行的方法，克服了现有技术中采用中央处理器CPU并行度不高的缺点，使得本发明能够同时处理多幅影像，提高了影像的压缩并行度。

技术入股，本发明涉及遥感数据的处理和管理技术领域，涉及一种利用计算机CPU/GPU协同计算方式来提高遥感数据入库效率的方法，即一种基于CPU/GPU协同处理的遥感数据快速入库方法。 本发明要解决的技术问题是在海量遥感数据的环境下，如何合理有效利用GPU和CPU资源，提高遥感影像入库的速度。技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。