基于可重构处理器的并行视觉处理算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 可重构计算概述 | 第8-9页 |
| 1.2 视觉信息的可重构并行处理 | 第9-11页 |
| 1.3 本课题选题意义与主要内容 | 第11-13页 |
| 1.3.1 选题意义 | 第11页 |
| 1.3.2 本文的组织结构及章节安排： | 第11-13页 |
| 第二章 典型视觉信息处理算法分析与优化 | 第13-30页 |
| 2.1 基于特征的图像拼接算法 | 第13-14页 |
| 2.2 图像特征点检测与匹配 | 第14-18页 |
| 2.2.1 Harris 角点检测 | 第14-15页 |
| 2.2.2 SIFT 算子特征点 | 第15-16页 |
| 2.2.3 特征点粗匹配 | 第16-18页 |
| 2.2.4 去除误匹配点对 | 第18页 |
| 2.3 基于相对梯度的归一化互相关算法优化 | 第18-25页 |
| 2.4 图像空间变换与融合 | 第25-27页 |
| 2.4.1 空间变换 | 第25-26页 |
| 2.4.2 图像融合 | 第26-27页 |
| 2.5 图像拼接算法评测方法 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 面向可重构处理器的视觉处理算法分解 | 第30-48页 |
| 3.1 可重构体系结构模型 | 第31-33页 |
| 3.2 Harris 角点检测算法 | 第33-38页 |
| 3.2.1 算法复杂性分析 | 第34-37页 |
| 3.2.2 sobel 梯度算子并行分析 | 第37-38页 |
| 3.3 NCC 算法的并行化分析 | 第38-40页 |
| 3.3.1 算法流程 | 第38-40页 |
| 3.4 Ransac 算法 | 第40-45页 |
| 3.4.2 算法流程 | 第40-42页 |
| 3.4.3 算法复杂性分析 | 第42-45页 |
| 3.5 DCT 算法的并行化分析 | 第45-46页 |
| 3.6 可重构算子库 | 第46-48页 |
| 第四章 可重构视觉处理器的并行仿真方法 | 第48-56页 |
| 4.1 并行计算模型 | 第48-49页 |
| 4.2 可重构并行计算模型 | 第49-50页 |
| 4.3 采用多核处理器进行可重构并行仿真的方法 | 第50-56页 |
| 4.3.1 多核并行与可重构并行计算模式对比 | 第50-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 主要研究工作总结 | 第56-57页 |
| 5.2 存在的问题及对课题的建议 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
