基于CUDA和OpenCV的快速干涉测量
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9页 |
| 1.2 干涉相移技术的发展和现状 | 第9-11页 |
| 1.2.1 相移技术的发展和现状 | 第10页 |
| 1.2.2 解包裹算法的发展和研究现状 | 第10-11页 |
| 1.3 CPU/GPU异构并行计算的发展 | 第11-12页 |
| 1.4 本文的研究内容与结构 | 第12-14页 |
| 2. 相移干涉测量原理 | 第14-24页 |
| 2.1 概述 | 第14页 |
| 2.2 菲佐干涉仪测量原理 | 第14-16页 |
| 2.3 相移算法原理 | 第16-19页 |
| 2.3.1 随机相移算法 | 第16-18页 |
| 2.3.2 定步长相移算法 | 第18-19页 |
| 2.4 相位解包裹原理 | 第19-20页 |
| 2.5 测量误差与算法抗噪性仿真分析 | 第20-23页 |
| 2.5.1 建立误差模型 | 第21页 |
| 2.5.2 算法抗噪性仿真分析 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3. CUDA架构下的CPU/GPU异构并行计算 | 第24-34页 |
| 3.1 CPU和GPU处理器的发展 | 第24-25页 |
| 3.2 统一设备计算架构CUDA | 第25-29页 |
| 3.2.1 编程模型 | 第25-26页 |
| 3.2.2 执行模型 | 第26-28页 |
| 3.2.3 存储模型 | 第28-29页 |
| 3.3 CUDA编程的主要语法 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4. 基于OpenCV的干涉条纹分割 | 第34-45页 |
| 4.1 概述 | 第34页 |
| 4.2 OpenCV开源库介绍 | 第34-35页 |
| 4.3 图像分割技术简介 | 第35-37页 |
| 4.4 基于Hough变换的圆检测方法 | 第37-42页 |
| 4.4.1 算法原理 | 第37-40页 |
| 4.4.2 实验与结果分析 | 第40-42页 |
| 4.5 OpenCV中基于轮廓的区域分割 | 第42-44页 |
| 4.5.1 算法概述 | 第42页 |
| 4.5.2 实验与结果分析 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5. 基于CUDA的面形快速干涉测量 | 第45-70页 |
| 5.1 实验开发环境介绍 | 第45-48页 |
| 5.1.1 软硬件平台 | 第45-46页 |
| 5.1.2 辅助分析工具与优化策略 | 第46-48页 |
| 5.2 GPU加速的随机相移算法 | 第48-58页 |
| 5.2.1 算法可并行性分析与任务分解 | 第48-50页 |
| 5.2.2 算法的并行化设计与实现 | 第50-56页 |
| 5.2.3 实验结果与分析 | 第56-58页 |
| 5.3 GPU加速的相位解包裹算法 | 第58-63页 |
| 5.3.1 Goldstein枝切解包裹算法 | 第58-60页 |
| 5.3.2 算法的并行化策略 | 第60-62页 |
| 5.3.3 实验结果与分析 | 第62-63页 |
| 5.4 利用最小二乘法去面形倾斜 | 第63-65页 |
| 5.4.1 算法原理 | 第63-64页 |
| 5.4.2 实验结果与分析 | 第64-65页 |
| 5.5 干涉面形快速测量的性能验证 | 第65-68页 |
| 5.5.1 动态处理效果演示 | 第65-67页 |
| 5.5.2 时间性能分析 | 第67-68页 |
| 5.6 本章小结 | 第68-70页 |
| 6. 总结与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简介及在学期间发表的学术论文 | 第74页 |
