基于多尺度分解的图像融合算法及其实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 引言 | 第9页 |
| 1.1 本论文研究的目的和意义 | 第9-10页 |
| 1.2 研究现状及未来的发展趋势 | 第10-11页 |
| 1.3 图像融合面临的难题 | 第11-12页 |
| 1.4 论文的组织和结构 | 第12-14页 |
| 第2章 图像融合算法介绍 | 第14-23页 |
| 引言 | 第14页 |
| 2.1 图像融合的分类 | 第14-16页 |
| 2.1.1 像素级图像融合算法 | 第14-16页 |
| 2.1.2 特征级图像融合算法 | 第16页 |
| 2.1.3 决策级图像融合算法 | 第16页 |
| 2.2 图像融合结构模型 | 第16-17页 |
| 2.3 图像融合的评价指标 | 第17-22页 |
| 2.3.1 图像的主观评价 | 第19页 |
| 2.3.2 图像的客观评价 | 第19-22页 |
| 小结 | 第22-23页 |
| 第3章 GPU 技术介绍 | 第23-36页 |
| 引言 | 第23页 |
| 3.1 GPU 技术简介 | 第23-25页 |
| 3.1.1 GPU 发展历程 | 第23页 |
| 3.1.2 GPU 加速原理 | 第23-25页 |
| 3.2 GPU 计算的特点 | 第25-27页 |
| 3.2.3 GPU/CPU 对比 | 第25-27页 |
| 3.3 CUDA 架构 | 第27-35页 |
| 3.3.1 CUDA 硬件架构 | 第27-28页 |
| 3.3.2 CUDA 软件架构 | 第28页 |
| 3.3.3 CUDA 体系结构 | 第28-29页 |
| 3.3.4 CUDA 编程模型 | 第29-32页 |
| 3.3.5 CUDA 的内存模型 | 第32-35页 |
| 小结 | 第35-36页 |
| 第4章 多尺度分解图像融合算法仿真实现 | 第36-51页 |
| 引言 | 第36页 |
| 4.1 拉普拉斯金字塔分解图像融合算法 | 第36-41页 |
| 4.1.1 拉普拉斯金字塔分解变换过程 | 第36-39页 |
| 4.1.2 拉普拉斯金字塔融合结果 | 第39-41页 |
| 4.2 对比度金字塔分解图像融合 | 第41-44页 |
| 4.2.1 对比度金字塔分解变换过程 | 第41-43页 |
| 4.2.2 对比度金字塔图像融合结果 | 第43-44页 |
| 4.3 梯度金字塔分解图像融合 | 第44-48页 |
| 4.3.1 梯度金字塔分解变换过程 | 第44-47页 |
| 4.3.2 梯度金字塔图像融合结果 | 第47-48页 |
| 4.4 多尺度分解图像融合算法对比 | 第48-50页 |
| 小结 | 第50-51页 |
| 第5章 算法硬件实现及优化 | 第51-61页 |
| 引言 | 第51页 |
| 5.1 基于 CUDA 的图像融合算法平台搭建 | 第51页 |
| 5.1.1 硬件配置 | 第51页 |
| 5.1.2 软件环境 | 第51页 |
| 5.2 基于 CUDA 的图像融合算法设计与实现 | 第51-53页 |
| 5.2.1 Host 端实现 | 第51-52页 |
| 5.2.2 Device 端实现 | 第52-53页 |
| 5.3 CUDA 程序的优化策略 | 第53-54页 |
| 5.4 程序运行的时间比较及结果分析 | 第54-60页 |
| 小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录 | 第64-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |
