基于CUDA架构下的灰度图像匹配算法研究与实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 图像匹配的研究背景及意义 | 第7-8页 |
| 1.2 GPU通用计算 | 第8-10页 |
| 1.3 本文的主要研究内容 | 第10页 |
| 1.4 论文结构安排 | 第10-11页 |
| 第2章 GPU和CUDA编程 | 第11-20页 |
| 2.1 GPU简介 | 第11-14页 |
| 2.1.1 GPU发展概述 | 第11-12页 |
| 2.1.2 GPU体系架构发展 | 第12-14页 |
| 2.2 CUDA介绍 | 第14-19页 |
| 2.2.1 CUDA编程模型 | 第15-16页 |
| 2.2.2 CUDA存储结构模型 | 第16-18页 |
| 2.2.3 CUDA C语言 | 第18-19页 |
| 2.2.4 CUDA C编程平台 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于CUDA架构的图像匹配算法分析与设计 | 第20-36页 |
| 3.1 图像匹配基本理论 | 第20-23页 |
| 3.1.1 基于灰度的匹配 | 第20页 |
| 3.1.2 基于特征的匹配 | 第20-21页 |
| 3.1.3 图像匹配的关键要素 | 第21-23页 |
| 3.2 基于CUDA架构的算法分析与设计 | 第23-34页 |
| 3.2.1 NC算法分析 | 第23-25页 |
| 3.2.2 NC算法的CUDA设计 | 第25-27页 |
| 3.2.3 SIFT算法分析 | 第27-33页 |
| 3.2.4 SIFT算法的CUDA设计 | 第33-34页 |
| 3.3 特征向量的匹配 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 NC算法和SIFT算法的CUDA实现 | 第36-47页 |
| 4.1 NC算法的CUDA实现 | 第36-38页 |
| 4.2 SIFT算法的CUDA实现 | 第38-46页 |
| 4.2.1 SIFT算法实现框架 | 第38-39页 |
| 4.2.2 DoG尺度空间的构造 | 第39-41页 |
| 4.2.3 DoG空间极值点的检测 | 第41-43页 |
| 4.2.4 特征点方向的指定 | 第43-45页 |
| 4.2.5 特征点描述子的构建 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 NC算法和SIFT算法实验结果及数据分析 | 第47-57页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验结果 | 第47-53页 |
| 5.2.1 NC算法实验结果 | 第47-49页 |
| 5.2.2 SIFT算法实验结果 | 第49-53页 |
| 5.3 实验数据及分析 | 第53-55页 |
| 5.3.1 NC算法数据及分析 | 第53-54页 |
| 5.3.2 SIFT算法数据及分析 | 第54-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第6章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 进一步工作的方向 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
