ハイパースペクトル画像からのエンドメンバー抽出のためのANTコロニー最適化アルゴリズムのマルチGPUベースの並列設計

スペクトルアンミキシングは、ハイパースペクトルリモートセンシング画像の搾取における重要な手順です。線形混合モデルは、ハイパースペクトルの専門用語でエンドメンバーと呼ばれる一連の純粋なスペクトルシグネチャを抽出し、シーンの各ピクセルでそれぞれの部分的存在量を推定することにより、Unmixハイパースペクトル画像に広く利用されています。エンドメンバーを自動的に抽出するために多くのアルゴリズムが提案されています。これは、スペクトル解除チェーンの重要なステップです。近年、Ant Colony Optimization（ACO）アルゴリズムは、Hyperspectralデータからのエンドメンバー抽出のために開発されました。これは、組み合わせ最適化問題と見なされていました。エンドメンバー抽出のACO（ACOEE）は正確なエンドメンバーの結果を取得できますが、その高い計算の複雑さにより、ハイパースペクトルデータ分析への応用が制限されています。GPUの並列コンピューティング手法を利用してACOEEの計算パフォーマンスを向上させることができますが、GPUのアーキテクチャは、GPUのリソースを最大限に活用するためにACOEEを再設計する必要があると判断します。この論文では、ACOEEの複数のサブアントコロニーベースの並列設計が提案されました。この設計では、サブアントコロニーの局所フェロモンの革新的なメカニズムが利用され、ACOEEをマルチGPUシステムで実行できるようにします。提案された方法は、異なるGPU間の多くの同期を回避して、計算パフォーマンスの改善に影響を与えることができます。2つの実際のハイパースペクトルデータセットの実験は、ACOEEの計算パフォーマンスが提案された方法から大きな恩恵を受けたことを実証しました。

Spectral unmixing is a vital procedure in hyperspectral remote sensing image exploitation. The linear mixture model has been widely utilized to unmix hyperspectral images by extracting a set of pure spectral signatures, called endmembers in hyperspectral jargon, and estimating their respective fractional abundances in each pixel of the scene. Many algorithms have been proposed to extract endmembers automatically, which is a critical step in the spectral unmixing chain. In recent years, the ant colony optimization (ACO) algorithm has been developed for endmember extraction from hyperspectral data, which was regarded as a combinatorial optimization problem. Although the ACO for endmember extraction (ACOEE) can acquire accurate endmember results, its high computational complexity has limited its application in the hyperspectral data analysis. The GPUs parallel computing technique can be utilized to improve the computational performance of ACOEE, but the architecture of GPUs determines that the ACOEE should be redesigned to take full advantage of computing resources on GPUs. In this paper, a multiple sub-ant-colony-based parallel design of ACOEE was proposed, in which an innovative mechanism of local pheromone for sub-ant-colonies is utilized to enable ACOEE to be preferably executed on the multi-GPU system. The proposed method can avoid much synchronization among different GPUs to affect the computational performance improvement. The experiments on two real hyperspectral datasets demonstrated that the computational performance of ACOEE significantly benefited from the proposed methods.