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

GPU环境下几种并行图像处理算法的设计与实现

摘要第3-4页
Abstract第4-5页
目录第6-8页
第一章 绪论第8-14页
    1.1 研究背景和选题意义第8-9页
    1.2 国内外研究现状第9-11页
    1.3 研究内容和创新第11-12页
    1.4 本文组织结构第12-14页
第二章 GPU编程技术与相关背景知识第14-22页
    2.1 GPU编程技术第14-18页
        2.1.1 CUDA相关技术第14-16页
        2.1.2 OpenCL标准第16-18页
    2.2 图像去噪第18-19页
        2.2.1 图像去噪概述第18-19页
        2.2.2 图像去噪的评价指标第19页
    2.3 图像特征选择第19-21页
    2.4 本章小结第21-22页
第三章 基于GPU的并行非局部均值去噪算法第22-36页
    3.1 引言第22-25页
    3.2 非局部均值去噪算法第25-26页
    3.3 并行非局部均值去噪算法第26-30页
        3.3.1 串行算法分析第26-28页
        3.3.2 并行方案设计第28-30页
    3.4 实验结果与分析第30-34页
        3.4.1 实验测试数据第30-31页
        3.4.2 实验环境第31页
        3.4.3 实验结果第31-34页
    3.5 本章小结第34-36页
第四章 基于GPU的并行PPB去噪算法第36-48页
    4.1 引言第36-37页
    4.2 PPB去噪算法第37-39页
    4.3 提出的并行PPB去噪算法第39-42页
        4.3.1 串行算法分析第39-40页
        4.3.2 并行PPB算法设计方案第40-42页
    4.4 实验结果与分析第42-47页
        4.4.1 实验测试数据第42-44页
        4.4.2 实验环境第44页
        4.4.3 实验结果第44-47页
    4.5 本章小结第47-48页
第五章 基于GPU的并行图像特征选择算法第48-60页
    5.1 引言第48-49页
    5.2 基于免疫克隆的图像特征选择方法第49-53页
        5.2.1 纹理特征提取第49-50页
        5.2.2 纹理降维算法第50-51页
        5.2.3 基于免疫克隆的图像特征选择算法第51-53页
    5.3 基于GPU的PICFS算法第53-55页
    5.4 实验结果与分析第55-58页
        5.4.1 实验测试数据第55-56页
        5.4.2 实验环境与参数设置第56-57页
        5.4.3 实验结果第57-58页
    5.5 本章小结第58-60页
第六章 总结与展望第60-62页
致谢第62-64页
参考文献第64-70页
硕士期间成果第70页

论文共70页,点击 下载论文
上一篇:基于正则化方法的图像去噪模型的研究
下一篇:2007-2012年秦皇岛市普通高校大学生体质健康状况发展的动态分析与对策研究