基于GPU的车辆轮对图像在线预处理系统的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 引言 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 车辆轮对图像预处理技术 | 第11页 |
| 1.2.2 图像并行预处理技术 | 第11-13页 |
| 1.3 研究主要内容及结构安排 | 第13-15页 |
| 1.3.1 主要内容 | 第13页 |
| 1.3.2 结构安排 | 第13-15页 |
| 第二章 图像预处理的软硬件平台 | 第15-24页 |
| 2.1 图像预处理硬件平台 | 第15-20页 |
| 2.1.1 为什么选择GPU | 第15页 |
| 2.1.2 GPU的架构 | 第15-17页 |
| 2.1.3 系统的硬件配置 | 第17-20页 |
| 2.2 图像预处理软件平台 | 第20-24页 |
| 2.2.1 通用计算架构CUDA | 第20页 |
| 2.2.2 CUDA的使用 | 第20-23页 |
| 2.2.3 系统的软件配置 | 第23-24页 |
| 第三章 车辆轮对图像预处理并行算法设计及实现 | 第24-55页 |
| 3.1 车辆轮对图像预处理的方法 | 第24-30页 |
| 3.1.1 轮对图像特点及处理流程 | 第24-26页 |
| 3.1.2 图像预处理算法 | 第26-30页 |
| 3.2 图像镜像的CUDA并行实现 | 第30-34页 |
| 3.2.1 图像镜像算法并行设计 | 第30页 |
| 3.2.2 图像镜像算法CUDA实现 | 第30-31页 |
| 3.2.3 并行算法性能分析 | 第31-34页 |
| 3.3 图像分割的CUDA并行实现 | 第34-44页 |
| 3.3.1 图像分割算法并行设计 | 第34-39页 |
| 3.3.2 算法的CUDA快速实现 | 第39-43页 |
| 3.3.3 并行算法性能分析 | 第43-44页 |
| 3.4 图像细化的CUDA并行实现 | 第44-49页 |
| 3.4.1 图像细化算法并行设计 | 第44-47页 |
| 3.4.2 图像细化算法CUDA实现 | 第47-49页 |
| 3.5 图像像素跟踪的CUDA并行实现 | 第49-55页 |
| 3.5.1 图像像素跟踪算法并行设计 | 第49-52页 |
| 3.5.2 图像像素跟踪算法CUDA实现 | 第52-53页 |
| 3.5.3 并行算法性能分析 | 第53-55页 |
| 第四章 实验与验证 | 第55-62页 |
| 4.1 轮对图像预处理效果对比实验 | 第55-57页 |
| 4.1.1 图像分割效果对比实验 | 第55-56页 |
| 4.1.2 图像细化效果对比实验 | 第56页 |
| 4.1.3 图像最终效果对比实验 | 第56-57页 |
| 4.2 轮对图像预处理速度实验对比 | 第57-62页 |
| 4.2.1 图像预处理各环节速度对比实验 | 第58-60页 |
| 4.2.2 图像预处理整体速度对比实验及性能分析 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
