多平台高光谱图像特征提取适应性的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 高光谱遥感的发展现状 | 第9-11页 |
| 1.2.2 并行处理平台架构及发展 | 第11-12页 |
| 1.2.3 高光谱图像处理应用领域的GPU计算 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 高光谱图像特征提取与多平台环境 | 第16-26页 |
| 2.1 高光谱图像特征提取算法 | 第16-19页 |
| 2.1.1 最小噪声分离 | 第16-17页 |
| 2.1.2 主成分变换 | 第17-18页 |
| 2.1.3 算法的缺陷 | 第18-19页 |
| 2.2 CUDA并行计算 | 第19-22页 |
| 2.2.1 CUDA架构与处理机制 | 第19-21页 |
| 2.2.2 CUDA架构程序性能优化 | 第21页 |
| 2.2.3 实例 | 第21-22页 |
| 2.3 多平台高光谱图像处理环境介绍 | 第22-25页 |
| 2.3.1 高光谱图像处理平台 | 第22-23页 |
| 2.3.2 Matlab处理平台 | 第23-24页 |
| 2.3.3 实验环境和数据 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 高光谱图像特征提取并行优化算法的研究 | 第26-40页 |
| 3.1 串行MNF算法 | 第26-27页 |
| 3.2 改进的并行MNF算法 | 第27-32页 |
| 3.2.1 GK/MNF算法计算步骤 | 第28-31页 |
| 3.2.2 改进策略 | 第31-32页 |
| 3.3 串行PCA算法 | 第32-33页 |
| 3.4 并行PCA优化算法的设计 | 第33-35页 |
| 3.4.1 算法设计 | 第34-35页 |
| 3.4.2 并行优化 | 第35页 |
| 3.5 实验结果及分析 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 多平台高光谱图像特征提取算法的实现 | 第40-57页 |
| 4.1 多平台环境MNF算法的研究 | 第40-45页 |
| 4.1.1 ENVI平台的MNF算法 | 第40-44页 |
| 4.1.2 Matlab环境的MNF算法 | 第44-45页 |
| 4.2 多平台环境PCA算法的研究 | 第45-51页 |
| 4.2.1 ENVI平台的PCA算法 | 第45-49页 |
| 4.2.2 Matlab环境的PCA算法 | 第49-51页 |
| 4.3 对比分析 | 第51-56页 |
| 4.3.1 图像特征提取效果 | 第51-53页 |
| 4.3.2 时间、加速比 | 第53-54页 |
| 4.3.3 综合分析比较 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结及未来工作 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 未来的工作 | 第58-59页 |
| 参考文献 | 第59-66页 |
| 附录A CUBLAS函数库 | 第66-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第69页 |
