| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·GPU的研究背景及发展现状 | 第7-10页 |
| ·三重马尔可夫随机场的研究背景及发展现状 | 第10-12页 |
| ·本文的研究意义 | 第12页 |
| ·本文的主要内容及结构安排 | 第12-15页 |
| 第二章 GPU通用计算及CUDA介绍 | 第15-25页 |
| ·GPU通用计算概述 | 第15-17页 |
| ·传统GPU开发 | 第15-16页 |
| ·GPGPU发展到CUDA | 第16-17页 |
| ·CUDA简介 | 第17-23页 |
| ·CUDA存储器模型 | 第18-19页 |
| ·CUDA执行模型 | 第19-21页 |
| ·CUDA编程模型 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 非高斯Triplet Markov Fields图像分割 | 第25-35页 |
| ·图像分割简介 | 第25-26页 |
| ·马尔可夫随机场 | 第26-30页 |
| ·马尔可夫随机场基础 | 第27-28页 |
| ·马尔可夫随机场与吉布斯随机场的等效 | 第28-29页 |
| ·Triplet Markov Fields模型 | 第29-30页 |
| ·非高斯TMF图像分割 | 第30-34页 |
| ·非高斯相关噪声的TMF | 第30-33页 |
| ·非高斯TMF模型参数 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 非高斯TMF图像分割算法在CUDA中的设计 | 第35-45页 |
| ·并行化计算方法 | 第35-36页 |
| ·非高斯TMF图像分割算法并行化设计 | 第36-39页 |
| ·基于CUDA的非高斯TMF分割算法软件实现 | 第39-41页 |
| ·非高斯TMF分割算法基于CUDA编程 | 第39-40页 |
| ·非高斯TMF分割算法并行程序的优化 | 第40-41页 |
| ·CUDA设计中的数据处理 | 第41-43页 |
| ·Host端实现 | 第41-42页 |
| ·Device端实现 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 非高斯TMF图像分割算法基于GPU加速 | 第45-55页 |
| ·软硬件测试环境介绍 | 第45页 |
| ·基于GPU的非高斯TMF图像分割算法实现 | 第45-48页 |
| ·算法的性能提升 | 第48-52页 |
| ·两种实现方案主要执行环节 | 第48-50页 |
| ·数据量增大时性能提升 | 第50-52页 |
| ·GPU使用率测评 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 结论与展望 | 第55-57页 |
| ·本文研究结论 | 第55页 |
| ·工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在读期间的研究成果 | 第63-64页 |