| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 矿产资源高光谱遥感图像处理研究现状 | 第10-12页 |
| 1.2.2 基于GPU的高光谱图像处理研究现状 | 第12-14页 |
| 1.3 课题研究内容及本文组织结构 | 第14-16页 |
| 2 CPU+GPU异构编程与CUDA概述 | 第16-26页 |
| 2.1 GPU并行编程发展 | 第16-17页 |
| 2.2 GPU可编程图形处理器概述 | 第17-21页 |
| 2.2.1 GPU概述 | 第17-19页 |
| 2.2.2 CPU+GPU异构编程 | 第19-21页 |
| 2.3 CUDA编程平台概述 | 第21-25页 |
| 2.3.1 CUDA发展历程 | 第21-22页 |
| 2.3.2 CUDA存储模型 | 第22-24页 |
| 2.3.3 CUDA并行编程方法 | 第24-25页 |
| 2.4 本文方法实验平台 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于GPU的高光谱遥感岩矿信息快速提取流程设计 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 岩矿光谱特性机理分析 | 第26-28页 |
| 3.3 基于GPU/CUDA的岩矿信息提取方法 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于CUDA的高光谱岩矿信息提取算法并行优化 | 第32-50页 |
| 4.1 引言 | 第32页 |
| 4.2 PCA算法并行优化 | 第32-36页 |
| 4.2.1 PCA算法原理 | 第32-34页 |
| 4.2.2 PCA算法并行优化设计 | 第34-36页 |
| 4.3 PPI算法并行优化 | 第36-40页 |
| 4.3.1 PPI算法原理 | 第36-38页 |
| 4.3.2 PPI算法并行优化设计 | 第38-40页 |
| 4.4 包络线去除算法并行优化 | 第40-42页 |
| 4.4.1 包络线去除算法原理 | 第40-41页 |
| 4.4.2 包络线去除算法并行优化设计 | 第41-42页 |
| 4.5 SAM算法并行优化 | 第42-45页 |
| 4.5.1 SAM算法原理 | 第42-43页 |
| 4.5.2 SAM算法并行优化设计 | 第43-45页 |
| 4.6 系统实现与实验测试 | 第45-49页 |
| 4.6.1 精度分析 | 第47-48页 |
| 4.6.2 并行性能分析 | 第48-49页 |
| 4.7 本章总结 | 第49-50页 |
| 5 基于组合核的支撑向量机高光谱遥感图像并行快速分类方法 | 第50-71页 |
| 5.1 引言 | 第50页 |
| 5.2 基于组合核的SVM分类算法原理 | 第50-53页 |
| 5.3 基于CPU+GPU异构平台的SVMCK分类算法并行优化 | 第53-58页 |
| 5.4 实验结果及分析 | 第58-70页 |
| 5.4.1 Indian Pines数据集分类实验分析 | 第59-64页 |
| 5.4.2 Pavia University数据集分类实验分析 | 第64-69页 |
| 5.4.3 实验分析 | 第69-70页 |
| 5.5 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 研究总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
