위성영상 병렬처리를 위한 CUDA라이브러리 활용 기법 연구 :The study on CUDA Library application method for satellite image parallel processing

이강훈

추천

검색

자료유형: 학위논문

저자정보: 이강훈 (경북대학교, 경북대학교 과학기술대학원)

지도교수: 조명희

발행연도: 2016

저작권: 경북대학교 논문은 저작권에 의해 보호받습니다.

이용수5

이 논문의 연구 히스토리 (2)

2016

위성영상 병렬처리를 위한 CUDA라이브러리 활용 기법 연구

이강훈 융복합시스템공학전공 2016.01 학위논문

CUDA 라이브러리를 이용한 위성영상 병렬처리 : NDVI 연산을 중심으로

이강훈 , 조명희 , 이원희 한국지리정보학회지 2016.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

원격탐사(Remote Sensing)는 넓은 지역을 직접 접촉하지 않고 정보를 취득할 수 있고, 다양한 분야에 적용할 수 있음으로써 급속히 발전하게 되었다. 이에 따라 위성의 제원 또한 원격탐사의 발전과 함께 급속한 발전을 이루게 되었다. 이러한 이유로 여러 분야에서 활용에 관한 연구가 활발히 이루어지고 있지만, 데이터프로세싱에 관련된 연구가 부족한 실정이다. 예전보다 인공위성의 기술이 발전하면서 많은 양의 정보 획득이 가능해 짐과 동시에 데이터의 크기 또한 매우 커졌다. 따라서 과거보다 데이터 프로세싱의 처리속도는 저하된다는 단점이 존재한다. 따라서 본 논문에서는 병렬 처리의 한 가지 기법인 NVIDIA에서 제공하고 있는 CUDA(Compute Unified Device Architecture) 라이브러리를 활용하여 위성영상 데이터프로세싱 성능의 최적화를 목적으로 하고 있다. 본 연구의 흐름은 다음과 같다. 다목적실용위성(Korea Multi-Purpose Satellite, KOMPSAT)의 영상을 크기를 기준으로 5가지 TYPE으로 나눈다. 이렇게 나누어진 영상을 Band math 기법인 NDVI(Normalize Different Vegetation Index)기법을 구현한다. 이때 CPU(Central Processing Unit, 중앙처리장치) 기반과 GPU(Graphic Processing Unit, 그래픽처리장치) 기반 두 가지 방법과 상용 소프트웨어인 ArcMap을 이용하여 NDVI를 구현한다. 그리고 동일한 영상 유무를 판단하기 위해 구현된 결과 영상들을 히스토그램과 시각적으로 비교하고 CPU 버전과 GPU 버전의 처리속도를 비교 분석하였다. 연구결과 CPU 버전과 GPU 버전의 결과 영상은 ArcMap으로 구현한 영상과 시각적 그리고 히스토그램 비교를 통해 같은 결과를 나타내어 NDVI 코드는 올바르게 구현되었으며 처리속도는 CPU보다 GPU가 약 5배 정도 빠른 것으로 확인하였다. 본 연구에서 병렬 처리의 한 기법인 CUDA 라이브러리를 활용하여 위성영상 데이터 프로세싱 성능을 향상시킬 수 있었으며, 향후 NDVI와 같은 단순한 픽셀 연산 이외에도 다양한 원격탐사 기법의 적용이 필요할 것으로 사료된다.

#GPU #NDVI #병렬처리 #CUDA

Ⅰ. 서 론 1
1.1 연구배경 및 목적 1
1.2 관련연구 2
1.3 연구내용 및 구성 3
Ⅱ. CUDA 기술동향 5
2.1 GPU(Graphic Processing Unit,그래픽처리장치) 5
2.2 CUDA(Compute Unified Device Architecture) 6
2.3 데이터 전송 부하 8
2.4 그리드 블록 모델 9
2.5 NVIDIA Visual Profiler 12
Ⅲ. 원격탐사 16
3.1 원격탐사(Remote Sensing) 16
3.2 식생지수 17
3.2.1 기본적인 식생지수 18
3.3 정규식생지수(Normalized Difference Vegetation index) 21
3.4 원격탐사 영상 자료 포맷 21
3.5 KOMPSAT 3호 시스템 23
3.5.1 개요 23
3.5.2 위성의 제원 25
Ⅳ. 영상처리 알고리즘 26
4.1 연구의 흐름 26
4.2 TIFF 이미지 로드 27
4.3 Output tiff 이미지 정보 설정 27
4.4 input 이미지 픽셀 분류 29
4.5 CPU 기반 NDVI 구현 31
4.6 GPU 기반 NDVI 구현 31
4.7 Output Image 저장 33
Ⅷ 구현 결과 및 분석 34
5.1 시험 환경 34
5.2 결과 이미지 비교 34
5.3 속도 측정 및 결과 분석 38
Ⅸ 결론 41
참고문헌 42
Abstract 44

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)