STNLFFM|图像融合数据集|遥感技术数据集

MODIS和Landsat表面反射率产品在空间和时间分辨率方面具有互补的特征。为了充分利用这些数据集，Gao等人 (2006) 开发了空间和时间自适应反射融合模型 (STARFM)。STARFM方法融合了来自MODIS的高频时间信息和来自Landsat的高分辨率空间信息，以30m的空间分辨率和每日时间分辨率生成合成的表面反射率产品。STARFM使用在相同日期收集的一对或多对Landsat-MODIS图像来预测其他MODIS观测日期在Landsat分辨率下的表面反射率。从那时起，已经开发了许多图像融合模型。Cheng等人 (2017) 提出了一种基于时空非局部滤波的融合模型 (STNLFFM)，该模型借助多时相粗分辨率反射率图像导出了多时相细分辨率反射率图像之间的新变换关系，并充分利用图像序列中的高度时空冗余来产生最终预测。但是，STNLFFM的计算性能一直是批量生产的瓶颈。
为了克服计算障碍并支持大尺寸图像的批量生产，我们设计并实现了基于计算统一设备体系结构 (CUDA) 的支持GPU的STNLFFM程序，称为cuSTNLFFM。通过利用GPU的大量并发计算线程，cuSTNLFFM可以大大减少计算时间并提高计算性能。实验表明，与在英特尔至强E3-1226 CPU上运行的顺序STNLFFM程序相比，使用Nvidia Tesla K40 GPU实现了100的加速。