| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究历史与现状 | 第9-11页 |
| 1.2.1 SAR图像增强的发展历史和研究现状 | 第9-10页 |
| 1.2.2 GPU通用并行计算的发展与应用 | 第10-11页 |
| 1.3 论文的内容与结构安排 | 第11-12页 |
| 2 基于CUDA的GPU高性能运算 | 第12-18页 |
| 2.1 引言 | 第12-13页 |
| 2.2 通用并行计算架构CUDA | 第13页 |
| 2.3 CUDA硬件架构 | 第13-15页 |
| 2.4 CUDA编程模型 | 第15-17页 |
| 2.4.1 主机与设备 | 第15页 |
| 2.4.2 CUDA线程结构 | 第15-16页 |
| 2.4.3 CUDA存储模型 | 第16-17页 |
| 2.4.4 CUDA软件结构 | 第17页 |
| 2.5 本章小结 | 第17-18页 |
| 3 基于CUDA的SAR图像增强 | 第18-34页 |
| 3.1 引言 | 第18页 |
| 3.2 SAR图像增强概述 | 第18-23页 |
| 3.2.1 SAR图像增强研究思路 | 第18-19页 |
| 3.2.2 SAR图像退化模型 | 第19页 |
| 3.2.3 SAR图像统计分布特性 | 第19-21页 |
| 3.2.4 图像质量评价标准 | 第21-23页 |
| 3.3 基于CUDA的SAR图像增强算法设计与实现 | 第23-33页 |
| 3.3.1 保目标抑噪并行算法 | 第23-27页 |
| 3.3.2 图像复原并行算法 | 第27-31页 |
| 3.3.3 对比度增强并行算法 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于图像分层和噪声可见性函数的SAR图像细节增强算法 | 第34-55页 |
| 4.1 引言 | 第34页 |
| 4.2 图像分层 | 第34-42页 |
| 4.2.1 常用的分层方法 | 第35-39页 |
| 4.2.2 基于双边滤波的图像分层 | 第39-42页 |
| 4.3 基本层图像处理 | 第42-46页 |
| 4.3.1 常用的基本层处理方法 | 第43-44页 |
| 4.3.2 基于伽马变换的基本层处理 | 第44-46页 |
| 4.4 细节层图像增强 | 第46-51页 |
| 4.4.1 基于伽马变换的细节层增强 | 第46-47页 |
| 4.4.2 基于噪声可见性函数的细节层增强 | 第47-51页 |
| 4.5 本章算法框架 | 第51-52页 |
| 4.6 结果与分析 | 第52-54页 |
| 4.7 本章小结 | 第54-55页 |
| 5 基于CUDA的并行化细节增强算法 | 第55-68页 |
| 5.1 引言 | 第55页 |
| 5.2 细节增强算法并行性分析 | 第55-56页 |
| 5.2.1 并行算法设计 | 第55-56页 |
| 5.2.2 并行化细节增强算法可行性分析 | 第56页 |
| 5.3 并行化细节增强算法的设计与实现 | 第56-62页 |
| 5.3.1 纹理存储器的使用 | 第56-57页 |
| 5.3.2 线程配置 | 第57-59页 |
| 5.3.3 核心函数的实现 | 第59-60页 |
| 5.3.4 并行化细节增强算法的实现 | 第60-62页 |
| 5.4 CUDA程序优化 | 第62-64页 |
| 5.4.1 存储器访问优化 | 第62页 |
| 5.4.2 数据传输优化 | 第62-63页 |
| 5.4.3 指令优化 | 第63-64页 |
| 5.5 结果与分析 | 第64-67页 |
| 5.6 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |