| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 第2章 理论基础及硬件架构 | 第13-21页 |
| 2.1 图像边缘检测理论 | 第13-14页 |
| 2.2 图像边缘检测基本流程 | 第14-15页 |
| 2.3 GPU简介 | 第15-19页 |
| 2.3.1 GPU与CPU对比 | 第15-17页 |
| 2.3.2 GPU发展概述 | 第17-18页 |
| 2.3.3 GPU体系架构发展 | 第18-19页 |
| 2.4 MIC简介 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 并行化边缘检测算法分析与设计 | 第21-39页 |
| 3.1 CUDA编程模型 | 第21-26页 |
| 3.1.1 CUDA编程模型 | 第22-23页 |
| 3.1.2 CUDA存储结构模型 | 第23-25页 |
| 3.1.3 CUDA C语言 | 第25-26页 |
| 3.2 MIC编程模型和超线程 | 第26页 |
| 3.3 滤波处理的分析与设计 | 第26-30页 |
| 3.3.1 常见滤波方法分析与设计 | 第27-28页 |
| 3.3.2 基于并行运算平台的分析与设计 | 第28-30页 |
| 3.4 边缘检测算法分析与设计 | 第30-37页 |
| 3.4.1 常见边缘检测算子分析 | 第30-35页 |
| 3.4.2 常见边缘检测算子设计 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 边缘检测算法的实现和优化 | 第39-52页 |
| 4.1 实验平台 | 第39-40页 |
| 4.2 边缘检测的程序优化 | 第40-45页 |
| 4.2.1 CUDA性能分析工具 | 第40页 |
| 4.2.2 CUDA程序优化 | 第40-42页 |
| 4.2.3 CUDA程序参数自选方法 | 第42-44页 |
| 4.2.4 MIC程序优化 | 第44-45页 |
| 4.3 边缘检测的实现与结果分析 | 第45-51页 |
| 4.3.1 Roberts和Sobel的实现及结果分析 | 第45-49页 |
| 4.3.2 Kirsch边缘检测的实现及结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 Kirsch算法并行化的改进 | 第52-61页 |
| 5.1 改进的Kirsch算法的设计 | 第52-56页 |
| 5.2 GPU上Kirsch算子的设计及优化 | 第56-57页 |
| 5.3 GPU上Kirsch算子的结果分析 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间的研究成果 | 第68页 |