| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·GPGPU概述 | 第7-10页 |
| ·基于特征点的图像匹配算法概述 | 第10-12页 |
| ·本文的研究内容和意义 | 第12页 |
| ·本文的结构 | 第12-15页 |
| 第二章 CUDA多线程编程技术 | 第15-33页 |
| ·CUDA的编程模型 | 第15-19页 |
| ·宿主和设备 | 第15-16页 |
| ·CUDA的线程结构 | 第16-18页 |
| ·CUDA的硬件映射 | 第18-19页 |
| ·CUDA的存储器模型 | 第19-27页 |
| ·寄存器 | 第20页 |
| ·共享存储器 | 第20-22页 |
| ·全局存储器 | 第22-25页 |
| ·常量存储器和纹理存储器 | 第25-27页 |
| ·CUDA的软件体系 | 第27-28页 |
| ·CUDA软件栈 | 第27-28页 |
| ·CUDA C语言 | 第28页 |
| ·NVCC编译器 | 第28页 |
| ·GT200架构与Fermi架构的分析对比 | 第28-32页 |
| ·小结 | 第32-33页 |
| 第三章 基于SIFT特征的图像匹配算法与并行化设计 | 第33-43页 |
| ·SIFT特征点的检测 | 第33-37页 |
| ·构建图像金子塔和差分金子塔 | 第33-34页 |
| ·尺度空间的极值点检测 | 第34-35页 |
| ·低对比度点和边缘响应的去除 | 第35-36页 |
| ·关键点方向参数的计算 | 第36-37页 |
| ·SIFT特征向量的选取 | 第37-38页 |
| ·SIFT特征向量的匹配 | 第38-39页 |
| ·消除错配 | 第39页 |
| ·SIFT算法的并行化设计 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第四章 基于CUDA平台的SIFT算法的实现 | 第43-51页 |
| ·特征点检测的实现 | 第43-49页 |
| ·高斯金子塔和差分金子塔的构建 | 第43-44页 |
| ·极值点的检测 | 第44-46页 |
| ·特征点方向梯度模值的计算 | 第46-48页 |
| ·特征点描述符的计算 | 第48-49页 |
| ·特征向量的匹配的实现 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章 基于CUDA平台的SIFT算法的优化 | 第51-59页 |
| ·CUDA程序的性能评估策略 | 第51-53页 |
| ·CUDA程序的优化策略 | 第53-55页 |
| ·基于CUDA平台的SIFT算法的优化 | 第55-56页 |
| ·小结 | 第56-59页 |
| 第六章 实验结果与算法性能分析 | 第59-65页 |
| ·实验环境 | 第59页 |
| ·实验结果 | 第59-61页 |
| ·算法性能分析 | 第61-63页 |
| ·小结 | 第63-65页 |
| 第七章 结束语 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 作者在读期间的研究成果 | 第71页 |