| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1. 目标识别 | 第11-14页 |
| 1.1.1. 研究背景、意义 | 第11-13页 |
| 1.1.2. 研究现状与发展趋势 | 第13-14页 |
| 1.2. GPU加速应用 | 第14-18页 |
| 1.2.1. GPU简介 | 第15-16页 |
| 1.2.2. GPU特点与优势 | 第16-18页 |
| 1.3. 本文技术内容与组织结构 | 第18-21页 |
| 第2章 目标识别技术概述 | 第21-31页 |
| 2.1. 遥感图像目标识别技术 | 第21-28页 |
| 2.1.1. 特征判别法 | 第21-24页 |
| 2.1.2. 模板匹配法 | 第24-27页 |
| 2.1.3. 模式识别 | 第27-28页 |
| 2.2. 神经网络和深度学习 | 第28-31页 |
| 第3章 高分辨率遥感下目标识别算法 | 第31-49页 |
| 3.1. 高分辨率遥感数据 | 第31-32页 |
| 3.2. 图像处理方法和流程 | 第32-43页 |
| 3.2.1. 多分辨率预处理 | 第35-38页 |
| 3.2.2. 分割处理 | 第38-41页 |
| 3.2.3. 边缘检测与目标提取 | 第41-43页 |
| 3.3. 算法PC流程 | 第43-49页 |
| 第4章 图像处理的GPU并行加速 | 第49-55页 |
| 4.1. GPU加速的CUDA框架 | 第49-51页 |
| 4.2. GPU算法的实现 | 第51-52页 |
| 4.3. 目标识优化高斯滤波和差分应用 | 第52-55页 |
| 第5章 实验与讨论 | 第55-65页 |
| 5.1 算法的CPU与GPU实验验证 | 第55-63页 |
| 5.1.1. 海陆分割算法CPU和GPU实现 | 第56-58页 |
| 5.1.2. 边缘检测与最终检测的CPU和GPU实现 | 第58-63页 |
| 5.2 实验结果讨论 | 第63-65页 |
| 第6章 总结与展望 | 第65-69页 |
| 6.1. 总结 | 第65-66页 |
| 6.2. 本文创新点 | 第66-67页 |
| 6.3. 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 在学期间学术成果情况 | 第75-77页 |
| 指导教师及作者简介 | 第77-79页 |
| 致谢 | 第79-80页 |