摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第12-17页 |
1.1 研究背景及意义 | 第12页 |
1.2 国内外研究现状及发展 | 第12-16页 |
1.2.1 图像去噪研究现状及发展 | 第12-13页 |
1.2.2 GPU研究现状及发展 | 第13-14页 |
1.2.3 基于GPU的医学成像研究现状及发展 | 第14-16页 |
1.3 主要研究内容与章节安排 | 第16-17页 |
第2章 GPU与CUDA | 第17-22页 |
2.1 GPU计算与GPGPU | 第17-18页 |
2.2 CUDA架构 | 第18-19页 |
2.3 CUDA编程模型 | 第19页 |
2.4 CUDA线程层次结构 | 第19-20页 |
2.5 CUDA内存 | 第20-21页 |
2.6 本章小结 | 第21-22页 |
第3章 实验策略及实验前期准备 | 第22-33页 |
3.1 DSA噪声分析 | 第22页 |
3.2 图像降质复原模型的建立 | 第22-23页 |
3.3 噪声模型选择 | 第23-25页 |
3.4 DSA医学图像去噪效果评价体系的建立及选择 | 第25-29页 |
3.4.1 主观评价 | 第26页 |
3.4.2 客观评价 | 第26-29页 |
3.5 DSA医学图像去噪耗时分析 | 第29-30页 |
3.6 实验前期准备 | 第30-32页 |
3.6.1 硬件准备 | 第30-31页 |
3.6.2 软件准备 | 第31-32页 |
3.6.3 DSA医学图像数据准备 | 第32页 |
3.7 本章小结 | 第32-33页 |
第4章 基于KNN算法DSA医学图像去噪及GPU加速 | 第33-55页 |
4.1 KNN算法描述 | 第33-34页 |
4.1.1 KNN算法介绍 | 第33-34页 |
4.1.2 KNN算法与暴力搜索法 | 第34页 |
4.2 基于KNN算法DSA医学图像去噪的实现 | 第34-35页 |
4.3 去噪实验结果及分析 | 第35-41页 |
4.3.1 实验结果 | 第36-37页 |
4.3.2 结果分析 | 第37-41页 |
4.4 基于KNN算法DSA医学图像去噪并行化实现 | 第41-45页 |
4.4.1 距离计算 | 第41-43页 |
4.4.2 线程分配 | 第43-44页 |
4.4.3 实现流程 | 第44-45页 |
4.5 并行化实验结果及分析 | 第45-47页 |
4.6 基于多GPU系统的KNN算法并行化实现 | 第47-54页 |
4.6.1 各计算节点间任务与数据的分配 | 第47-49页 |
4.6.2 各计算节点内任务与数据的分配 | 第49-51页 |
4.6.3 各GPU内任务与数据的分配 | 第51-53页 |
4.6.4 实验结果及分析 | 第53-54页 |
4.7 本章小结 | 第54-55页 |
第5章 基于NLM算法DSA医学图像去噪及GPU加速 | 第55-70页 |
5.1 NLM算法描述 | 第55页 |
5.2 基于NLM算法DSA医学图像去噪的实现 | 第55-56页 |
5.3 NLM算法去噪实验结果及分析 | 第56-60页 |
5.3.1 实验结果 | 第56-57页 |
5.3.2 结果分析 | 第57-60页 |
5.4 基于NLM算法并行化实现 | 第60-61页 |
5.5 NLM算法并行化实验结果及分析 | 第61-62页 |
5.6 基于快速NLM算法DSA医学图像去噪的实现 | 第62页 |
5.7 快速NLM算法去噪实验结果及分析 | 第62-67页 |
5.7.1 实验结果 | 第62-63页 |
5.7.2 结果分析 | 第63-67页 |
5.8 快速NLM算法并行化实现 | 第67-68页 |
5.9 快速NLM算法并行化实验结果及分析 | 第68页 |
5.10 本章小结 | 第68-70页 |
第6章 基于两种算法的DSA医学图像去噪对比及分析 | 第70-74页 |
6.1 去噪效果对比及分析 | 第70-71页 |
6.2 并行化时间对比及分析 | 第71-72页 |
6.3 本章小结 | 第72-74页 |
第7章 总结及今后工作 | 第74-75页 |
7.1 总结 | 第74页 |
7.2 今后工作 | 第74-75页 |
参考文献 | 第75-83页 |
致谢 | 第83-84页 |
攻读学位期间取得的科研成果 | 第84页 |