| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图形列表 | 第8-10页 |
| 表格列表 | 第10-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景及研究意义 | 第11-13页 |
| ·国内外相关领域发展现状 | 第13-14页 |
| ·本文研究内容和主要工作 | 第14-15页 |
| 第2章 GPU 和CUDA 技术 | 第15-28页 |
| ·GPU 硬件发展历程 | 第15-16页 |
| ·渲染架构发展过程 | 第16-21页 |
| ·分离渲染架构 | 第16-19页 |
| ·统一渲染架构 | 第19-21页 |
| ·CUDA 技术 | 第21-27页 |
| ·CUDA 对GPU 的抽象 | 第21-23页 |
| ·CUDA 对C 语言的扩展 | 第23页 |
| ·CUDA 结构 | 第23-24页 |
| ·CUDA 编程模型 | 第24-26页 |
| ·数据传输 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 典型算法在GPU 上的实现 | 第28-43页 |
| ·二值化算法在GPU 上的实现 | 第29-32页 |
| ·Sobel 算法在GPU 上的实现 | 第32-39页 |
| ·Canny 算法在GPU 上的实现 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第4章 GPU 在工业视觉中的应用 | 第43-65页 |
| ·利用GPU 加速圆投影模板匹配 | 第43-52页 |
| ·二值化处理 | 第44-45页 |
| ·圆投影模板匹配 | 第45-47页 |
| ·算法优化 | 第47-51页 |
| ·算法 GPU 实现及实验结果 | 第51-52页 |
| ·利用 GPU 加速 mean shift 图像预处理 | 第52-59页 |
| ·基本 mean shift 算法 | 第54-55页 |
| ·Mean shift 图像滤波 | 第55-56页 |
| ·K-means 预分类重采样 | 第56-58页 |
| ·重采样集上 mean shift 聚类 | 第58-59页 |
| ·实验结果 | 第59页 |
| ·GPU 应用于图像卡通化 | 第59-63页 |
| ·小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |