首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于GPU的二维超声散斑运动追踪算法研究

摘要第3-4页
Abstract第4-5页
第1章 绪论第8-12页
    1.1 研究背景与意义第8-9页
    1.2 国内外研究现状第9-10页
        1.2.1 超声弹性成像第9页
        1.2.2 运动位移估计技术第9-10页
        1.2.3 CUDA并行计算第10页
    1.3 本文工作创新第10-11页
    1.4 组织结构第11-12页
第2章 传统互相关算法及基于和表的互相关算法二维实现第12-24页
    2.1 传统的互相关算法第12-13页
    2.2 基于和表的互相关算法第13-15页
    2.3 传统的二维互相关算法第15-16页
    2.4 基于和表的二维互相关算法第16-19页
        2.4.1 二维和表模型构建及计算方式第16-17页
        2.4.2 基于和表的二维互相关算法实现第17-19页
    2.5 实验结果与分析第19-23页
        2.5.1 计算效率第20-22页
        2.5.2 模拟仿真试验第22-23页
    2.6 本章小结第23-24页
第3章 基于GPU并行的传统二维互相关算法和基于和表的二维互相关算法第24-39页
    3.1 GPU并行计算第24-25页
    3.2 基于GPU并行的归一化二维互相关算法第25-28页
        3.2.1 传统二维算法的并行化策略第25-27页
        3.2.2 片上访问优化第27-28页
    3.3 基于GPU并行的二维和表互相关算法第28-33页
        3.3.1 基于和表的二维互相关算法的并行性分析第28页
        3.3.2 基于和表的二维互相关算法的并行策略第28-31页
        3.3.3 基于和表的二维互相关算法的并行化实现第31-33页
    3.4 实验结果与分析第33-38页
        3.4.1 计算效率第33-37页
        3.4.2 模拟仿真试验第37-38页
    3.5 本章小结第38-39页
第4章 基于互相关系数矩阵插值的运动位移估计第39-51页
    4.1 基于纹理内存的双线性插值第40-42页
        4.1.1 双线性插值第40-41页
        4.1.2 基于纹理内存的双线性插值第41-42页
    4.2 基于纹理内存的三次B样条插值第42-46页
        4.2.1 三次B样条插值第42-44页
        4.2.2 基于纹理内存的三次B样条插值第44-46页
    4.4 实验结果与分析第46-49页
        4.4.0 对比度噪声比(CNRE)第46页
        4.4.1 计算效率第46-48页
        4.4.2 模拟仿真试验第48-49页
    4.5 本章小结第49-51页
第5章 总结与展望第51-53页
    5.1 本文工作总结第51页
    5.2 后续工作展望第51-53页
致谢第53-54页
参考文献第54-58页
攻读硕士学位期间发表的论文及科研成果第58页

论文共58页,点击 下载论文
上一篇:基于多目标优化的代价敏感算法研究
下一篇:基于RFID技术的钻井工具管理系统研究与实现