图像去雾算法研究及其异构并行实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 图像去雾算法研究现状 | 第11-12页 |
| 1.2.2 异构并行计算的研究现状 | 第12-14页 |
| 1.2.3 异构并行计算平台发展现状及分析 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 第2章 图像去雾算法研究 | 第17-36页 |
| 2.1 引言 | 第17页 |
| 2.2 基于直方图均衡的图像去雾算法研究 | 第17-21页 |
| 2.2.1 全局直方图均衡去雾算法 | 第17-18页 |
| 2.2.2 子块不重叠直方图均衡去雾算法 | 第18-19页 |
| 2.2.3 子块重叠直方图均衡化去雾算法 | 第19-20页 |
| 2.2.4 限制对比度自适应直方图均衡去雾算法 | 第20-21页 |
| 2.3 基于Retinex理论的图像去雾算法 | 第21-25页 |
| 2.3.1 Retinex理论基础 | 第21-22页 |
| 2.3.2 单尺度Retinex算法 | 第22-23页 |
| 2.3.3 多尺度Retinex算法 | 第23-24页 |
| 2.3.4 彩色恢复的多尺度Retinex算法 | 第24-25页 |
| 2.4 基于暗通道的图像去雾算法 | 第25-35页 |
| 2.4.1 大气散射物理模型 | 第25-27页 |
| 2.4.2 暗通道先验理论 | 第27-30页 |
| 2.4.3 暗通道去雾算法性能优化 | 第30-34页 |
| 2.4.4 暗通道去雾算法计算量优化 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 异构并行计算研究 | 第36-49页 |
| 3.1 引言 | 第36页 |
| 3.2 NVIDIAGPU架构及分析 | 第36-38页 |
| 3.3 AMDGPU架构及分析 | 第38-39页 |
| 3.4 FPAG架构及分析 | 第39-40页 |
| 3.5 实现方式对比 | 第40-44页 |
| 3.6 OpenCL模型介绍 | 第44-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 图像去雾算法异构并行实现 | 第49-62页 |
| 4.1 引言 | 第49页 |
| 4.2 暗通道去雾算法异构并行实现分析 | 第49-53页 |
| 4.3 基于GPU平台的暗通道去雾算法实现 | 第53-55页 |
| 4.3.1 CPU+GPU异构平台 | 第53页 |
| 4.3.2 基于GPU的OpenCL优化方法 | 第53-54页 |
| 4.3.3 实验结果与分析 | 第54-55页 |
| 4.4 基于FPGA的暗通道去雾算法实现 | 第55-61页 |
| 4.4.1 CPU+FPGA异构平台 | 第55-56页 |
| 4.4.2 基于FPGA的OpenCL优化方法 | 第56-57页 |
| 4.4.3 实验结果与分析 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第68-70页 |
| 致谢 | 第70页 |
