| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 道路提取研究现状 | 第11-13页 |
| 1.2.2 高性能计算在遥感图像处理中的应用 | 第13-14页 |
| 1.2.3 基于高分辨率影像的道路提取系统 | 第14-15页 |
| 1.3 论文研究内容及技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 面向道路提取算法的GPU并行优化 | 第18-39页 |
| 2.1 道路提取相关研究 | 第18-26页 |
| 2.1.1 道路提取算法 | 第18-20页 |
| 2.1.2 道路宽度估算 | 第20-22页 |
| 2.1.3 道路提取结果矢量化 | 第22-26页 |
| 2.2 GPU概述 | 第26-30页 |
| 2.2.1 GPU通用计算 | 第26-27页 |
| 2.2.2 CUDA编程模型 | 第27-29页 |
| 2.2.3 CUDA存储模型 | 第29-30页 |
| 2.3 道路提取相关算法GPU并行优化设计 | 第30-35页 |
| 2.3.1 基于FCM道路提取算法GPU并行设计与实现 | 第30-31页 |
| 2.3.2 道路宽度估计算法GPU并行优化与实现 | 第31-32页 |
| 2.3.3 矢量化算法GPU并行优化实现 | 第32-33页 |
| 2.3.4 CUDA优化方法 | 第33-35页 |
| 2.4 实验结果和分析 | 第35-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于集群的高性能道路提取并行处理模型研究 | 第39-51页 |
| 3.1 MPI集群编程模型 | 第39-40页 |
| 3.2 并行处理模式 | 第40-41页 |
| 3.2.1 流水线并行 | 第40页 |
| 3.2.2 任务并行 | 第40-41页 |
| 3.2.3 数据并行 | 第41页 |
| 3.3 集群并行处理模型设计 | 第41-45页 |
| 3.3.1 数据划分方式 | 第42-43页 |
| 3.3.2 任务调度策略 | 第43-44页 |
| 3.3.3 负载均衡影响因素 | 第44-45页 |
| 3.3.4 容灾策略 | 第45页 |
| 3.3.5 结果归并 | 第45页 |
| 3.4 集群并行处理模型具体实现 | 第45-50页 |
| 3.4.1 集群主节点 | 第46-48页 |
| 3.4.2 计算节点 | 第48-49页 |
| 3.4.3 容灾实现 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 集群高性能道路提取原型系统的实现 | 第51-63页 |
| 4.1 需求分析 | 第51-52页 |
| 4.1.1 功能需求 | 第51页 |
| 4.1.2 性能需求 | 第51-52页 |
| 4.2 道路提取系统总体框架 | 第52-53页 |
| 4.2.1 系统开发环境 | 第52-53页 |
| 4.2.2 系统总体构架 | 第53页 |
| 4.3 客户端与集群服务端集成 | 第53-55页 |
| 4.3.1 客户端 | 第53-54页 |
| 4.3.2 集群服务端 | 第54-55页 |
| 4.4 客户端的设计与实现 | 第55-62页 |
| 4.4.1 数据的读取和显示 | 第56-58页 |
| 4.4.2 道路提取模块 | 第58-60页 |
| 4.4.3 道路矢量数据库设计 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 道路提取原型系统性能分析 | 第63-71页 |
| 5.1 硬件环境 | 第63-64页 |
| 5.2 节点数量对系统性能的影响 | 第64-65页 |
| 5.3 数据分块大小对系统性能影响 | 第65-66页 |
| 5.4 系统任务调度性能分析 | 第66-67页 |
| 5.5 系统容灾性能分析 | 第67-68页 |
| 5.6 系统集群处理与串行处理性能比较 | 第68-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |