| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-12页 |
| ·光流法的理论研究现状 | 第10-11页 |
| ·光流法的计算研究现状 | 第11-12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·组织结构安排 | 第13-14页 |
| 第二章 变分光流法的理论分析 | 第14-23页 |
| ·变分光流法的理论模型 | 第14-16页 |
| ·HS模型 | 第14-15页 |
| ·CLG模型 | 第15页 |
| ·CBG模型 | 第15-16页 |
| ·变分分光流法的数据平滑项的技术策略 | 第16-19页 |
| ·二次的数据项和平滑项 | 第16-17页 |
| ·非二次的数据项和平滑项 | 第17-18页 |
| ·多尺度的数据平滑项 | 第18-19页 |
| ·变分光流法中欧拉-拉格朗日方程的数值计算方法 | 第19-21页 |
| ·线性的计算方法 | 第19-21页 |
| ·非线性的计算方法 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 计算特性分析 | 第23-33页 |
| ·光流法的工作流程介绍 | 第23-25页 |
| ·预处理 | 第24页 |
| ·梯度计算 | 第24页 |
| ·构造运动模型 | 第24页 |
| ·迭代计算 | 第24-25页 |
| ·HS和CBG在CPU上的结果对比 | 第25-27页 |
| ·实验环境 | 第25-26页 |
| ·计算时间 | 第26页 |
| ·计算结果的准确性 | 第26-27页 |
| ·算法并行性分析 | 第27-32页 |
| ·任务并行 | 第27-28页 |
| ·数据并行 | 第28页 |
| ·流水线并行 | 第28-29页 |
| ·迭代部分的并行性分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于CPU+GPU异构方式的变分光流法研究与实现 | 第33-45页 |
| ·GPU平台介绍 | 第33-37页 |
| ·GPU架构简介 | 第33-34页 |
| ·CUDA简介 | 第34-37页 |
| ·基于GPU的光流法的优化实现 | 第37-41页 |
| ·迭代部分 | 第37-39页 |
| ·其他部分的优化 | 第39-41页 |
| ·实验结果 | 第41-44页 |
| ·实验环境 | 第41页 |
| ·不同阶段的加速效果 | 第41页 |
| ·计算结果的准确性 | 第41-42页 |
| ·不同尺度下的加速效果 | 第42页 |
| ·可移植性和可扩展性 | 第42-43页 |
| ·与其他基于GPU的变分光流法的实现对比 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于CPU+众核架构的变分光流法研究与实现 | 第45-58页 |
| ·Tilera平台介绍 | 第45-47页 |
| ·Tilera架构简介 | 第46页 |
| ·Tiles处理器 | 第46页 |
| ·Tile的内存系统 | 第46-47页 |
| ·Tilera内部网格网络 | 第47页 |
| ·基于众核架构的光流法优化方法 | 第47-54页 |
| ·迭代部分 | 第47-52页 |
| ·其他部分的优化 | 第52-53页 |
| ·总体的映射关系 | 第53-54页 |
| ·实验结果 | 第54-56页 |
| ·实验环境 | 第54页 |
| ·计算结果的准确性 | 第54页 |
| ·不同尺度下的加速效果 | 第54-55页 |
| ·可扩展性 | 第55-56页 |
| ·与其他平台的计算结果对比 | 第56页 |
| ·平台之间的对比分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 主要结论与展望 | 第58-59页 |
| 主要结论 | 第58页 |
| 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |