| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-14页 |
| ·高光谱图像混合像元分解技术的研究现状 | 第9-12页 |
| ·GPU在高光谱图像处理领域应用的研究现状 | 第12-14页 |
| ·本文的主要工作及组织结构 | 第14-15页 |
| 2 GPGPU异构编程与CUDA架构 | 第15-26页 |
| ·并行计算的发展 | 第15-16页 |
| ·GPU可编程处理器 | 第16-20页 |
| ·显卡与GPU的概述 | 第16-18页 |
| ·GPGPU异构编程 | 第18-20页 |
| ·CUDA架构 | 第20-25页 |
| ·CUDA编程模型 | 第20-22页 |
| ·CUDA存储器模型 | 第22-23页 |
| ·CUDA基本并行优化策略 | 第23-25页 |
| ·本文实验平台 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 基于GPU的传统高光谱混合像元分解算法的并行优化 | 第26-48页 |
| ·引言 | 第26页 |
| ·端元提取算法GPU并行优化 | 第26-38页 |
| ·算法原理与分析 | 第26-30页 |
| ·基于GPU的并行化设计 | 第30-34页 |
| ·实验结果及分析 | 第34-38页 |
| ·基于约束非负矩阵分解的混合像元分解算法并行优化 | 第38-46页 |
| ·算法基本原理 | 第38-41页 |
| ·基于CPU的并行设计 | 第41-44页 |
| ·实验结果及分析 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 4 基于GPU的稀疏性高光谱混合像元分解算法的并行优化 | 第48-60页 |
| ·引言 | 第48页 |
| ·L_(1/2)-NMF算法并行优化 | 第48-54页 |
| ·L_(1/2)-HNMF算法原理 | 第48-50页 |
| ·并行优化方案设计 | 第50-52页 |
| ·实验结果 | 第52-54页 |
| ·CSNMF算法并行优化 | 第54-58页 |
| ·CSNMF算法原理 | 第54页 |
| ·并行优化方案设计 | 第54-57页 |
| ·实验结果 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |