| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究目的及意义 | 第10-11页 |
| 1.2 图像配准及滤波研究现状 | 第11-12页 |
| 1.3 研究主要内容 | 第12-13页 |
| 1.4 论文框架 | 第13-15页 |
| 第二章 CUDA并行计算原理 | 第15-25页 |
| 2.1 CUDA简介 | 第15页 |
| 2.2 CUDA编程技术 | 第15-24页 |
| 2.2.1 CUDA编程模型 | 第15-17页 |
| 2.2.2 CUDA C开发方法 | 第17-20页 |
| 2.2.3 CUDA存储器模型 | 第20-23页 |
| 2.2.4 CUDA编程相关问题 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于CUDA的SURF配准算法实现 | 第25-44页 |
| 3.1 SURF算法原理 | 第25-29页 |
| 3.1.1 特征点检测 | 第25-27页 |
| 3.1.2 特征点描述 | 第27-28页 |
| 3.1.3 特征点匹配 | 第28-29页 |
| 3.2 SURF算法的CUDA并行实现 | 第29-31页 |
| 3.2.1 SURF算法的可并行度 | 第29-30页 |
| 3.2.2 SURF算法的浮点计算量与访存比 | 第30页 |
| 3.2.3 SURF算法的分支差异性与任务依赖性 | 第30-31页 |
| 3.3 SURF算法并行实现流程 | 第31-36页 |
| 3.3.1 积分图像的计算 | 第31-33页 |
| 3.3.2 尺度空间的构造 | 第33-34页 |
| 3.3.3 特征点定位 | 第34-35页 |
| 3.3.4 赋予特征点主方向 | 第35页 |
| 3.3.5 构造特征点描述子 | 第35-36页 |
| 3.3.6 基于Ransac算法的特征匹配 | 第36页 |
| 3.4 实验结果和对比分析 | 第36-42页 |
| 3.4.1 实验系统平台 | 第36-37页 |
| 3.4.2 实验结果与分析 | 第37-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于CUDA的引导滤波算法实现 | 第44-53页 |
| 4.1 引导滤波算法原理 | 第44-46页 |
| 4.2 引导滤波算法的CUDA实现 | 第46-49页 |
| 4.2.1 图像邻域均值的CUDA并行优化计算 | 第46-47页 |
| 4.2.2 引导滤波算法的CUDA并行算法实现步骤 | 第47-49页 |
| 4.3 实验结果和对比分析 | 第49-52页 |
| 4.3.1 实验系统平台 | 第49-50页 |
| 4.3.2 图像平滑的对比实验 | 第50页 |
| 4.3.3 图像羽化的对比实验 | 第50页 |
| 4.3.4 图像增强的对比实验 | 第50-51页 |
| 4.3.5 图像flash去噪的对比实验 | 第51页 |
| 4.3.6 对比实验结果用时及加速比分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |