一種基于OpenACC的遙感影像正射糾正快速實現方法

莫德林，戴晨光，張振超，胡玲

（信息工程大學地理空間信息學院，鄭州450001）

一種基于OpenACC的遙感影像正射糾正快速實現方法

莫德林，戴晨光，張振超，胡玲

（信息工程大學地理空間信息學院，鄭州450001）

利用CUDA語言移植舊程序時需要重新設計算法，花費較多的時間，效率不高。針對這一問題，本文在分析正射糾正算法并行性的基礎上，提出一種基于OpenACC的遙感影像正射糾正快速實現方法，并與基于CUDA的正射糾正方法進行對比。通過正射糾正實驗表明，OpenACC能通過對源代碼的較小改動將其移植到GPU中，獲得一定的加速比，其可移植性好，代碼開發(fā)效率較高。

OpenACC；CUDA；正射糾正；加速比

1 引言

多核的CPU和眾核的GPU（Graphic Processing Unit，即圖形處理器）已經成為目前大多數計算機中最重要的兩種處理器，科研人員積極尋找專業(yè)領域與GPU并行處理的結合點，對GPU并行計算進行了有益的探索。數字正射影像是地球空間數據框架的一個基礎數據層［1］，被視為快速成圖與更新的重要手段。因此，提高數字正射影像的生產效率具有重要的作用。楊靖宇［2］提出一種基于CUDA（Compute Unified Device Architecture，統(tǒng)一計算設備架構）的遙感影像正射糾正GPU-CPU協(xié)同處理方法，實現了重采樣操作的GPU細粒度并行化。然而，初次接觸GPU的科研人員往往需要較長的時間才能完全掌握CUDA程序的編寫與優(yōu)化［3］。為此，PGI、Cray和NVIDIA3家公司聯合創(chuàng)立OpenACC應用編程接口標準。OpenACC使得科研人員能夠更加自由地將時間投入到自己的研究中，而又能在更短的時間內使程序得到加速。本文實現了一種基于OpenACC的遙感影像正射糾正方法，通過將計算密集區(qū)域加載到GPU上進行并行計算，提高了算法的執(zhí)行效率。

2 OpenACC介紹

OpenACC借鑒OpenMP的導語（directive）模式，在原始代碼上添加導語，告訴編譯器將哪些代碼塊加載到加速器上執(zhí)行、如何在主機與加速器之間移動數據［4］。如果編譯器不支持OpenACC標準或支持選項沒有打開，編譯器將忽略所有的OpenACC導語，編譯出的程序只在CPU上運行。OpenACC程序不必對原始代碼作過多的修改，可以讓相同的代碼在多核CPU、GPU或任何編譯器支持的其他類型的并行硬件上運行［5］。

在C/C++語言中，用語言本身提供的#pragam機制來引入OpenACC導語。OpenACC導語在C/C++語言中的語法是：

#pragma acc directive-name［clause［［,］clause］…］new-line

OpenACC導語包含四個部分［5］：

①數據管理

數據管理導語包括data構件和update導語。data構件指明的標量、數組和子數組都會在加速器內存上開辟空間。進入本區(qū)域時，數據被從主機復制到加速器內存，離開本區(qū)域時，數據被從設備復制到主機內存。update導語用在顯式或隱式數據區(qū)域中，使加速器內存中數組的值和主機內存中相應數組的值相互傳遞。

②工作管理

工作管理導語包括parallel構件、kernel構件和loop構件。OpenACC提供兩個計算構件（parallel和kernels），并能詳細指定并行方式（gang、worker、vector的值，對應于CUDA的grid、block、thread的值），通過編譯器將循環(huán)轉換為高效的低層級語言代碼（CUDA/OpenCL）。loop構件可以描述執(zhí)行這個循環(huán)的并行類型，還可以聲明循環(huán)的私有變量、數組和歸約操作。

③其他語法

其他語法包括cache構件、host_data構件、wait導語和declare構件。Cache構件指定哪些數組元素或子數組需要為循環(huán)體而預取到最高層級的緩存中，host_data構件使加速器上數據的地址在主機上可用，wait導語使主機等待一個異步活的完成declare構件指定的變量或數組需要在加速器內存上開辟空間。

④運行時例程

OpenACC提供多個運行時例程，可以設置加速器設備的參數，如例程acc_set_device_type告訴運行時環(huán)境使用哪種類型的設備來執(zhí)行加速器parallel區(qū)域和kernels區(qū)域。

3 基于OpenACC的正射糾正

數字微分糾正中，一般是利用反解公式求解坐標變換系數，計算對應像元的坐標，然后進行灰度重采樣，最后將重采樣后的灰度值賦值給糾正后的像元。影像灰度重采樣操作是典型的計算密集型模塊，其處理流程相對固定，每個數據點上的計算形式相同，數據點之間相互獨立，具有內在的并行性，因此非常適合GPU并行處理。由于遙感影像的數據量一般都比較大，相對于坐標變換系數的求解，重采樣操作將耗費更多的時間，所以正射糾正并行化的重點應該是重采樣操作的并行化［3］。正射糾正的流程如圖1所示。

圖1中虛線框內是并行計算區(qū)域。要將并行計算區(qū)域加載到加速器上進行計算，必須先設定環(huán)境以及將數據復制到加速器內存上。

圖1 正射糾正流程圖

基于OpenACC的正射糾正步驟如下：

①環(huán)境設定；

//設定執(zhí)行并行計算區(qū)域的設備類型

void acc_set_device_type(acc_device_t);

②使用data構件將原始影像、結果影像和DEM數據復制進顯存；

#pragma acc data copyin(SourceImage［0:width*height］)

③使用kernels指令定義核心；

#pragma acc kernels present_or_copyin (SourceImage［0:width*height］){

④使用loop指令定義外層循環(huán)；

#pragma acc loop independent

for(….){

⑤使用loop指令定義內層循環(huán)；

#pragma acc loop independent

for(…){

//計算坐標變換系數、灰度重采樣以及灰度賦值，同時把結果放入目標內存

}}}

⑥將結果復制到主機端，釋放空間。

//#pragma acc update host();

void acc_shutdown(acc_device_t);//斷開程序與加速器設備的連接

4 實驗與分析

本文使用的實驗平臺CPU為Intel(R)Core(TM) i5，內存大小為4GB，顯卡為NVIDIA Quadro FX 3700。實驗平臺的軟件開發(fā)環(huán)境為：Windows7 32位操作系統(tǒng)，PGI編譯器；NVIDIA公司提供的CUDA 5.0版本的開發(fā)包。

本文使用的實驗數據為2009年獲取的河南登封某地區(qū)DMC航攝影像，地面采樣間隔為0.25米。正射糾正所用的DEM數據為影像多視匹配獲得的點云數據經過濾波獲得，將其內插為0.25米規(guī)則格網數據。表1為不同范圍大小的影像基于CUDA與基于OpenACC的正射糾正時間對比結果。

由表1可見，基于CUDA和基于OpenACC的并行算法與基于CPU的串行算法相比，都能獲得一定的加速比，且加速比隨著數據量的增大而增大。在數據量較小時，加速效果并不明顯。這是因為基于CUDA和基于OpenACC的并行計算過程中，要在主機和加速器之間進行數據傳遞，這將耗費一定的時間資源，如果數據量較小，則在加速器上運算時間與數據傳遞時間之比也小，加速效果則不明顯。當數據量增大，在加速器上運算滿載時，運算時間與數據傳遞時間之比合理，則能達到最大的加速比。

CUDA程序經過優(yōu)化后，其加速比較OpenACC大。其原因是CUDA程序經過存儲器優(yōu)化后，可大大減少存儲訪問的時間。在OpenACC中，數據傳遞與訪問是隱式進行的，無法使用類似CUDA的共享內存，所以其訪存時間要比CUDA程序長。然而，從代碼開發(fā)的效率方面看，OpenACC程序只需要在串行代碼中增加OpenACC指令，就能將指定的并行區(qū)域加載到GPU上，取得10倍左右的加速比。這種方式保留了代碼的通用性，不破壞原代碼，開發(fā)速度快，既可并行執(zhí)行又可恢復串行執(zhí)行。而且，在硬件升級時，重新編譯一次代碼即可，不必手工修改代碼。更為重要的是，隨著編譯器的進一步優(yōu)化和硬件技術的發(fā)展，OpenACC與CUDA在底層技術實現上的差距將會越來越小［6］，而且支持OpenACC指令的設備將不僅僅限于CUDA設備，還將擴展到其他更多廠商的硬件加速器，從而提高OpenACC程序的可移植性。

表1 GPU粗粒度并行下灰度重采樣時間結果表

5 結束語

本文以正射糾正算法為對象，通過在串行代碼的基礎上加入OpenACC指令，將坐標計算、灰度重采樣計算以及灰度賦值區(qū)域加載到GPU上，得到較高的加速比，提高了算法的執(zhí)行效率。這種方法不僅效率高，且不改變原來的代碼結構，大大增強了代碼的可移植性，對其他的影像處理算法有一定的參考價值。

［1］耿則勛，張保明，范大昭.數字攝影測量學［M］.北京：測繪出版社，2010.8.

［2］楊靖宇，張永生，李正國等.遙感影像正射糾正的GPU-CPU協(xié)同處理研究［J］.武漢大學學報（信息科學版），2011，36（9）：1043-1046.

［3］張舒，褚艷利.GPU高性能運算之CUDA［M］.北京：中國水利水電出版社，2009.

［4］Tetsuya Hoshino,Naoya Maruyama,Satoshi Matsuoka. CUDA vs OpenACC:Performance Case Studies with Kernel Benchmarks and a Memory-Bound CFD Application［C］. 13th IEEE/ACM International Symposium on Cluster, Cloud,and Grid Computing,2013(136-143).

［5］"The OpenACCApplication Programming Interface,Version 1.0,"November 2011.

［6］曾文權，胡玉貴，何擁軍等.一種基于OPENACC的GPU加速實現高斯模糊算法［J］.計算機技術與發(fā)展，2013，23（7）：147-151.

A Fast Implementation M ethod of Remote Sensing Image Ortho-rectification Based on OpenACC

MO De-lin,DAIChen-guang,ZHANG Zhen-chao,HU Ling
(Institude of Geospatial Information,Information Engineering University,Zhengzhou 450001,China)

Algorithms need to be redesigned when using CUDA to transplant old programs.This will cost a long period of time,which leads to a low efficiency.Aiming at solving this problem,a fast implementationmethod of remote sensing image ortho-rectification based on OpenACC is proposed,and compared with ortho-rectification based on CUDA in this paper.Ortho-rectification experiments show that OpenACC can transplant program to the GPU with small changes,and get a speed up ratio.The portability is good,and the efficiency of code development is high.

OpenACC;CUDA;Ortho-rectification;Accelerated ratio

P231

B

10.3969/j.issn.1001-0270.2014.02.21

2014-01-20

莫德林（1988-），男，廣西貴港人，碩士研究生，主要從事遙感圖像處理的研究。