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PCNN的坯布疵点分割及其并行化研究与实现

摘要第1-3页
ABSTRACT第3-6页
1 绪论第6-13页
   ·研究背景与意义第6-7页
   ·国内外研究现状第7-10页
     ·坯布疵点检测研究现状第7-9页
     ·并行计算研究现状第9-10页
   ·坯布疵点检测系统概述第10-11页
   ·本课题研究内容及论文结构第11-13页
2 PCNN 模型及其基本特征第13-21页
   ·PCNN 模型第13-15页
   ·PCNN 基本特性第15-18页
   ·PCNN 的图像分割原理第18页
   ·PCNN 研究现状第18-19页
   ·本章小结第19-21页
3 坯布图像特征提取方法第21-30页
   ·常见的特征提取方法第21-24页
   ·基于改进 FVD 的坯布图像特征提取方法第24-26页
   ·实验结果及分析第26-29页
   ·本章小结第29-30页
4 基于改进 PCNN 的坯布疵点分割方法第30-45页
   ·常见的图像分割方法第30-35页
     ·图像分割技术概述第30-33页
     ·基于阈值的经典分割方法第33-35页
   ·改进 PCNN 的坯布疵点分割方法第35-39页
     ·PCNN 模型改进第35-37页
     ·基于改进 PCNN 的自适应图像分割算法第37-39页
   ·实验结果及分析第39-44页
     ·分割结果对比及分析第39-41页
     ·客观定量分析第41-44页
   ·本章小结第44-45页
5 基于 OpenMP 的改进 PCNN 并行化方法第45-65页
   ·概述第45-50页
   ·串行程序的并行化分析第50-52页
   ·改进 PCNN 算法的并行化设计与实现第52-57页
     ·改进 PCNN 算法并行化设计第52-53页
     ·改进 PCNN 算法并行化实现第53-57页
   ·实验结果及分析第57-64页
     ·不同调度方式的实验对比及分析第57-60页
     ·不同划分粒度的实验对比及分析第60-62页
     ·与串行程序的实验对比及分析第62-64页
   ·本章小结第64-65页
6 总结与展望第65-66页
   ·总结第65页
   ·展望第65-66页
参考文献第66-71页
附录第71-75页
 附录 1 PCNN 子函数代码第71-73页
 附录 2 VC++6.0 平台上配置 OpenMP 编译器步骤第73-75页
攻读学位期间发表文章第75-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:基于SSH2的CRM系统的开发
下一篇:基于文化算法的股票投资收益分析