数字图像分割算法优化及并行化实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 图像分割的理论基础 | 第17-33页 |
| 2.1 图像分割及其分类 | 第17-18页 |
| 2.2 阈值分割 | 第18-20页 |
| 2.3 边缘检测 | 第20-22页 |
| 2.3.1 边缘检测的基本步骤 | 第20页 |
| 2.3.2 边缘检测方法的分类 | 第20-21页 |
| 2.3.3 常用的边缘检测算子 | 第21-22页 |
| 2.4 区域分割 | 第22-24页 |
| 2.4.1 区域生长 | 第23页 |
| 2.4.2 区域分裂和合并 | 第23-24页 |
| 2.5 基于图论的分割方法 | 第24-27页 |
| 2.6 图论分割的最小割方法 | 第27-31页 |
| 2.6.1 流网络 | 第27-28页 |
| 2.6.2 具有多个源点和多个汇点的网络 | 第28页 |
| 2.6.3 Ford-Fulkerson方法 | 第28-30页 |
| 2.6.4 压入与重标记算法 | 第30-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 GPU并行计算理论基础 | 第33-41页 |
| 3.1 GPU架构 | 第33-35页 |
| 3.1.1 GPU简介 | 第33页 |
| 3.1.2 工作原理 | 第33-34页 |
| 3.1.3 并行计算 | 第34-35页 |
| 3.1.4 GPU架构在应用上的特点 | 第35页 |
| 3.2 CUDA编程模型 | 第35-39页 |
| 3.2.1 内核 | 第35-36页 |
| 3.2.2 线程层次 | 第36-37页 |
| 3.2.3 存储器层次 | 第37-38页 |
| 3.2.4 异构编程 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第4章 能量函数优化及其分割算法的改进 | 第41-55页 |
| 4.1 串行的能量函数算法 | 第41-44页 |
| 4.1.1 F~2和F~3能量函数模型 | 第41-43页 |
| 4.1.2 Boykov-Jolly能量函数 | 第43-44页 |
| 4.2 能量函数并行化设计及其改进 | 第44-48页 |
| 4.2.1 能量函数的改进 | 第44-46页 |
| 4.2.2 并行计算能量函数 | 第46-47页 |
| 4.2.3 利用常量内存改进效率 | 第47-48页 |
| 4.3 算法实验与分析 | 第48-54页 |
| 4.3.1 算法评价标准 | 第48-49页 |
| 4.3.2 实验环境 | 第49页 |
| 4.3.3 实验结果及分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 压入与重标记算法优化 | 第55-69页 |
| 5.1 串行的压入与重标记算法 | 第55-56页 |
| 5.1.1 压入操作 | 第55-56页 |
| 5.1.2 重标记操作 | 第56页 |
| 5.2 压入与重标记算法并行化 | 第56-59页 |
| 5.2.1 并行压入操作和重标记操作 | 第57-58页 |
| 5.2.2 并行算法整体描述 | 第58-59页 |
| 5.3 改进的压入与重标记算法对GPU的设计 | 第59-62页 |
| 5.3.1 利用GPU特殊内存改进效率 | 第59-61页 |
| 5.3.2 算法整体设计 | 第61-62页 |
| 5.4 改进的压入与重标记算法实验与分析 | 第62-67页 |
| 5.4.1 实验环境 | 第62-63页 |
| 5.4.2 实验结果与分析 | 第63-67页 |
| 5.5 图割算法实现结果与分析 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 本文总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间参与的项目 | 第77页 |
