| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 数字全息测量技术研究现状 | 第10页 |
| 1.3 数字全息实时再现技术研究现状 | 第10-13页 |
| 1.4 本文的研究内容和技术路线 | 第13-14页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 技术路线 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 数字全息 | 第15-29页 |
| 2.1 数字全息图的记录和重建过程 | 第15-23页 |
| 2.1.1 光波 | 第15-16页 |
| 2.1.2 光波的干涉 | 第16-17页 |
| 2.1.3 光波的衍射 | 第17-18页 |
| 2.1.4 全息图的记录 | 第18-19页 |
| 2.1.5 全息图的重建 | 第19-23页 |
| 2.2 数字全息显微 | 第23-27页 |
| 2.2.1 点光源全息显微 | 第23-25页 |
| 2.2.2 相移数字全息显微 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于GPU的全息实时再现 | 第29-71页 |
| 3.1 并行计算 | 第29-30页 |
| 3.2 GPU体系结构 | 第30-33页 |
| 3.2.1 Tesla K80简介 | 第30-31页 |
| 3.2.2 动态并行(Dynamic Parallelism) | 第31-32页 |
| 3.2.3 超工作队列(Hyper-Queue) | 第32-33页 |
| 3.2.4 Tesla K80特性 | 第33页 |
| 3.3 CUDA编程模型 | 第33-38页 |
| 3.3.1 CPU与GPU的交互模式 | 第34页 |
| 3.3.2 CUDA线程组织模型 | 第34-35页 |
| 3.3.3 CUDA存储器模型 | 第35页 |
| 3.3.4 CUDA执行模型 | 第35-36页 |
| 3.3.5 CUDA编程基本概念 | 第36-38页 |
| 3.4 基于GPU的粒子三维速度矢量场实时重建算法 | 第38-69页 |
| 3.4.1 基于Matlab建模 | 第38-46页 |
| 3.4.2 CUDA实时再现程序 | 第46-69页 |
| 3.5 本章小结 | 第69-71页 |
| 第四章 实验及结果分析 | 第71-79页 |
| 4.1 粒子追踪测速(PTV) | 第71-75页 |
| 4.1.1 DHPTV的计算流程 | 第71-72页 |
| 4.1.2 旋转粒子DHPTV实验 | 第72-75页 |
| 4.2 对比利用CPU和GPU进行全息粒子三维速度矢量场的重建实验 | 第75-78页 |
| 4.2.1 实验原理 | 第75页 |
| 4.2.2 实验过程及结果 | 第75-77页 |
| 4.2.3 运行时间对比 | 第77-78页 |
| 4.3 本章小结 | 第78-79页 |
| 第五章 实时全息显微镜设计 | 第79-85页 |
| 5.1 全息显微镜结构设计 | 第79-80页 |
| 5.2 全息显微镜硬件参数 | 第80-83页 |
| 5.3 本章小结 | 第83-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 总结 | 第85页 |
| 6.2 创新点 | 第85-86页 |
| 6.3 展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第93-94页 |
