| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 图像去噪发展流程 | 第11-13页 |
| 1.2.2 稀疏表示去噪的发展 | 第13-15页 |
| 1.2.3 并行计算的发展 | 第15-16页 |
| 1.3 论文的主要工作和安排 | 第16-18页 |
| 2 多核并行技术研究 | 第18-22页 |
| 2.1 多核处理器概述 | 第18-20页 |
| 2.2 多核并行编程技术 | 第20-22页 |
| 3 基于K-SVD的稀疏表示去噪算法 | 第22-36页 |
| 3.1 稀疏表示理论 | 第22-24页 |
| 3.2 Matching Pursuit算法 | 第24-26页 |
| 3.3 Orthogonal Matching Pursuit算法 | 第26-30页 |
| 3.4 K-SVD算法 | 第30-32页 |
| 3.5 基于K-SVD算法的图像去噪重建 | 第32-36页 |
| 3.5.1 小块图像稀疏模型 | 第32-33页 |
| 3.5.2 整体图像稀疏模型 | 第33页 |
| 3.5.3 图像去噪模型 | 第33-36页 |
| 4 K-SVD去噪算法并行化研究 | 第36-48页 |
| 4.1 并行程序优化的评价标准 | 第36-40页 |
| 4.1.1 加速比与并行效率 | 第36-38页 |
| 4.1.2 Amdahl定律 | 第38-39页 |
| 4.1.3 Gustafson-Barsis定律 | 第39-40页 |
| 4.2 并行程序优化方法 | 第40-41页 |
| 4.3 OpenMP并行编程模型 | 第41-43页 |
| 4.4 并行K-SVD去噪算法 | 第43-46页 |
| 4.5 并行代码优化 | 第46-48页 |
| 5 实验结果与应用 | 第48-62页 |
| 5.1 实验平台 | 第48-49页 |
| 5.2 实验结果与分析 | 第49-56页 |
| 5.3 K-SVD并行去噪算法的应用 | 第56-62页 |
| 5.3.1 算法改进 | 第56-57页 |
| 5.3.2 预处理系统软件设计 | 第57-62页 |
| 5.3.2.1 软件总体框架 | 第58-59页 |
| 5.3.2.2 界面及功能说明 | 第59-62页 |
| 6 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第67页 |