基于CUDA的PCA-SIFT算法研究

致谢	第1-6页
中文摘要	第6-7页
ABSTRACT	第7-10页
1 绪论	第10-14页
·GPU与通用计算	第10-11页
·图像的特征检测	第11-13页
·本文主要工作及各章节内容	第13页
·本章小结	第13-14页
2 CUDA概述	第14-21页
·CUDA的编程模型	第14-16页
·CUDA的线程组织	第16-18页
·CUDA的存储结构	第18-20页
·本章小结	第20-21页
3 PCA-SIFT算法原理	第21-27页
·SIFT算法特征点检测原理	第21-25页
·构建金字塔	第21-22页
·查找与定位特征点	第22-23页
·计算特征方向	第23-24页
·计算128维描述信息	第24-25页
·PCA-SIFT算法原理	第25-26页
·提取像斑	第25-26页
·统计梯度	第26页
·投影降维	第26页
·本章小结	第26-27页
4 基于CUDA的PCA-SIFT算法实现	第27-41页
·SIFT特征点的并行提取	第27-34页
·金字塔的并行构建	第27-30页
·特征点的并行查找与定位	第30-32页
·特征点方向的并行计算	第32-34页
·PCA-SIFT特征描述的并行计算	第34-40页
·r×r像素像斑的并行提取	第35-36页
·像斑的并行缩放和梯度的并行统计	第36-37页
·描述向量的并行归一化	第37-38页
·描述向量的并行投影降维	第38页
·归一化及投影降维并行处理的改进	第38-40页
·本章小结	第40-41页
5 实验结果与分析	第41-49页
·实验环境	第41-43页
·实验结果与分析	第43-48页
·本章小结	第48-49页
6 总结与展望	第49-50页
参考文献	第50-53页
学位论文数据集	第53页