基于GPU的图像特征提取算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究的背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·基于内容的图像检索 | 第10-12页 |
| ·CUDA应用 | 第12页 |
| ·本文主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 图像检索技术和CUDA | 第14-30页 |
| ·基于内容的图像检索技术 | 第14-15页 |
| ·图像特征提取 | 第15-20页 |
| ·图像的颜色特征 | 第15-18页 |
| ·图像的纹理特征 | 第18-19页 |
| ·图像的形状特征 | 第19-20页 |
| ·相似度度量 | 第20-22页 |
| ·距离度量 | 第21页 |
| ·相关度量 | 第21-22页 |
| ·检索性能的评价 | 第22页 |
| ·GPU概述 | 第22-29页 |
| ·GPU通用计算 | 第23页 |
| ·CUDA平台简介 | 第23-25页 |
| ·CUDA编程模型 | 第25-28页 |
| ·CUDA的存储器模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于颜色特征的图像提取算法 | 第30-50页 |
| ·直方图算法 | 第30-32页 |
| ·颜色空间的选择 | 第30-31页 |
| ·颜色量化 | 第31-32页 |
| ·颜色直方图算法在CPU上的设计与实现 | 第32-34页 |
| ·算法流程描述 | 第32-33页 |
| ·算法实现描述 | 第33-34页 |
| ·基于GPU加速的颜色直方图算法 | 第34-46页 |
| ·Tesla体系结构 | 第34-35页 |
| ·Reduction操作概述 | 第35页 |
| ·基于GPU的并行算法的设计 | 第35-37页 |
| ·原子操作版本的实现 | 第37-40页 |
| ·无原子操作版本的实现 | 第40-46页 |
| ·实验与结果分析 | 第46-49页 |
| ·实验环境及工具 | 第46-47页 |
| ·直方图算法的实验分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于纹理特征的图像提取算法 | 第50-70页 |
| ·灰度共生矩阵算法 | 第50-56页 |
| ·灰度共生矩阵的定义 | 第50-53页 |
| ·灰度共生矩阵的特点 | 第53页 |
| ·纹理特征描述 | 第53-56页 |
| ·灰度共生矩阵算法在CPU上的设计与实现 | 第56-61页 |
| ·总体设计 | 第56-57页 |
| ·彩色图像灰度化 | 第57-58页 |
| ·灰度共生矩阵生成算法的CPU实现 | 第58-59页 |
| ·纹理特征的计算的CPU实现 | 第59-61页 |
| ·基于GPU加速的灰度共生矩阵算法 | 第61-67页 |
| ·总体介绍 | 第62-63页 |
| ·共生矩阵生成算法的GPU实现 | 第63-65页 |
| ·纹理特征的计算的GPU实现 | 第65-67页 |
| ·实验与结果分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第5章 结束语 | 第70-72页 |
| ·本文的主要贡献 | 第70-71页 |
| ·进一步的工作 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
