| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 三维体数据可视化重建综述 | 第13-18页 |
| 2.1 可视化技术研究 | 第13-14页 |
| 2.2 三维体数据重建常用算法 | 第14-17页 |
| 2.2.1 光线投射法 | 第14-15页 |
| 2.2.2 光线追踪法 | 第15-16页 |
| 2.2.3 足迹表法 | 第16页 |
| 2.2.4 shear-warp算法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 一种新的并行化光线投射算法 | 第18-29页 |
| 3.1 传统光线投射法原理 | 第18-25页 |
| 3.1.1 数据预处理 | 第19-20页 |
| 3.1.2 伪彩色与不透明度 | 第20-22页 |
| 3.1.3 重采样三线性插值过程 | 第22-24页 |
| 3.1.4 图像融合过程 | 第24-25页 |
| 3.2 改进后的光线投射法Star-Raycasting | 第25-27页 |
| 3.2.1 Star-Raycasting算法流程 | 第25页 |
| 3.2.2 Star-Raycasting星运算数学推导 | 第25-27页 |
| 3.3 时间复杂度分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于CUDA的并行化算法设计 | 第29-48页 |
| 4.1 CUDA架构原理 | 第29-34页 |
| 4.1.1 CUDA技术背景 | 第29-30页 |
| 4.1.2 CUDA编程模型 | 第30-31页 |
| 4.1.3 CUDA线程结构 | 第31-32页 |
| 4.1.4 CUDA内存结构分析 | 第32-34页 |
| 4.2 Star-Raycasting并行化加速算法流程 | 第34-44页 |
| 4.2.1 算法中硬件配置的研究 | 第35-40页 |
| 4.2.2 Star-Raycasting主函数构建 | 第40-41页 |
| 4.2.3 重采样阶段并行函数和核函数构建 | 第41-43页 |
| 4.2.4 融合阶段并行函数及核函数 | 第43-44页 |
| 4.3 Open GL设置 | 第44-46页 |
| 4.4 可行性分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于CUDA的并行化算法的测试 | 第48-58页 |
| 5.1 测试环境描述 | 第48-50页 |
| 5.2 算法的实现与验证 | 第50-52页 |
| 5.2.1 测试平台软件主界面架构 | 第50-51页 |
| 5.2.2 体旋转测试 | 第51-52页 |
| 5.3 传统光线投射算法测试 | 第52页 |
| 5.4 Star-Raycasting算法测试 | 第52-57页 |
| 5.4.1 分类函数阈值设置测试 | 第52-54页 |
| 5.4.2 Star-Raycasting算法成像效果 | 第54-56页 |
| 5.4.3 Star-Raycasting算法计算时间分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-65页 |
| 致谢 | 第65页 |
