| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·图像配准的发展及研究现状 | 第12-13页 |
| ·水泥水化微观结构研究的发展及研究现状 | 第13-15页 |
| ·论文研究的创新点 | 第15-16页 |
| ·水泥图像的灰度校准 | 第15页 |
| ·水泥图像的三维配准 | 第15-16页 |
| ·基于 GPU 加速的水泥图像三维配准的设计 | 第16页 |
| ·论文研究的意义 | 第16-17页 |
| ·论文的主要工作和组织框架 | 第17-18页 |
| 第二章 图像配准及其计算环境需求 | 第18-30页 |
| ·图像配准的概念及分类 | 第18-20页 |
| ·主要的图像配准方法 | 第20页 |
| ·基于特征的配准方法 | 第20页 |
| ·基于灰度的配准方法 | 第20页 |
| ·图像配准的基本变换 | 第20-22页 |
| ·刚体变换 | 第20-21页 |
| ·相似性变换 | 第21-22页 |
| ·投影变换 | 第22页 |
| ·弹性变换 | 第22页 |
| ·图像插值方法 | 第22-24页 |
| ·最近邻插值(NN) | 第23页 |
| ·线性插值(LI) | 第23-24页 |
| ·部分体积插值(PV) | 第24页 |
| ·图像配准的相似性测度 | 第24-26页 |
| ·灰度方差测度 | 第25页 |
| ·互相关测度 | 第25页 |
| ·相关系数测度 | 第25-26页 |
| ·互信息相关测度 | 第26页 |
| ·常用的优化算法 | 第26-27页 |
| ·图像配准的计算复杂度及其计算框架 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 μCT 水泥图像数据的获取与灰度的校准 | 第30-46页 |
| ·μCT 扫描仪原理 | 第30-31页 |
| ·μCT 水泥图像数据的获取方法 | 第31-32页 |
| ·μCT 水泥图像灰度校准 | 第32-39页 |
| ·灰度校准原因 | 第32-35页 |
| ·灰度校准原理 | 第35-36页 |
| ·PSO 优化算法 | 第36-38页 |
| ·灰度校准实现 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·水泥图像获取 | 第39-41页 |
| ·水泥图像灰度校准结果 | 第41-43页 |
| ·本章小结 | 第43-46页 |
| 第四章 基于Powell 算法的水泥μCT 三维图像配准 | 第46-62页 |
| ·水泥图像预处理 | 第46页 |
| ·Powell 优化算法 | 第46-49页 |
| ·基于 Powell 算法的三维图像配准 | 第49-52页 |
| ·配准变换模型 | 第49-50页 |
| ·插值模型 | 第50页 |
| ·相似性测度模型 | 第50-51页 |
| ·出界点的处理 | 第51页 |
| ·基于Powell 算法的配准实现 | 第51-52页 |
| ·实验结果与分析 | 第52-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于GPU 的水泥三维图像配准的并行设计 | 第62-76页 |
| ·GPU 通用计算CUDA | 第62-65页 |
| ·CUDA 概述 | 第62-63页 |
| ·CUDA 存储器模型 | 第63-64页 |
| ·CUDA 编程模型 | 第64-65页 |
| ·三维图像配准并行计算架构的总体设计 | 第65-67页 |
| ·三维图像配准的并行计算架构的详细设计 | 第67-73页 |
| ·随机数的处理 | 第67-68页 |
| ·PSO+Powell 算法的GPU 并行化模块 | 第68-71页 |
| ·空间变换和插值的并行化模块 | 第71-73页 |
| ·相似性测度并行模块 | 第73页 |
| ·系统测试 | 第73-75页 |
| ·测试环境 | 第73-74页 |
| ·测试方法与实验结果 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·下一步工作 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 附录 | 第84页 |
| 一、在校期间发表的论文 | 第84页 |
| 二、在校期间参加项目 | 第84页 |
| 三、在校期间获奖情况 | 第84页 |