基于图论的图像分割和并行化研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 基于图论的图像分割 | 第16-30页 |
| 2.1 图论的基本理论 | 第16-18页 |
| 2.2 基于图论的图像的表示 | 第18-23页 |
| 2.2.1 图像到图的映射 | 第18-19页 |
| 2.2.2 构建顶点和边 | 第19-22页 |
| 2.2.3 谱图理论 | 第22-23页 |
| 2.3 基于图论的割集准则 | 第23-26页 |
| 2.3.1 图划分准则 | 第23-25页 |
| 2.3.2 基于图论的谱聚类框架 | 第25-26页 |
| 2.4 GPU的加速技术 | 第26-30页 |
| 2.4.1 CPU和GPU并行分析 | 第26-27页 |
| 2.4.2 CUDA平台 | 第27-30页 |
| 3 最小最大割算法及其改进 | 第30-43页 |
| 3.1 最小最大割算法 | 第30-36页 |
| 3.1.1 算法概述 | 第30-32页 |
| 3.1.2 算法实现步骤 | 第32-33页 |
| 3.1.3 实验分析 | 第33-36页 |
| 3.2 分水岭算法概述和分析 | 第36-37页 |
| 3.3 基于分水岭的最小最大割算法 | 第37-40页 |
| 3.3.1 算法概述 | 第37页 |
| 3.3.2 分水岭预分割 | 第37-38页 |
| 3.3.3 基于区域的最小最大割算法 | 第38-39页 |
| 3.3.4 算法实现步骤 | 第39-40页 |
| 3.4 实验分析 | 第40-43页 |
| 4 GPU加速最小最大割算法 | 第43-54页 |
| 4.1 GPU加速可行性分析 | 第43-44页 |
| 4.2 GPU加速最小最大割算法的设计 | 第44-50页 |
| 4.2.1 GPU计算加速特征值 | 第44-47页 |
| 4.2.2 GPU加速K-means | 第47-50页 |
| 4.3 GPU加速算法实现步骤 | 第50-51页 |
| 4.4 CUDA程序优化 | 第51-54页 |
| 4.4.1 CUDA程序优化 | 第51-52页 |
| 4.4.2 CUDA存储器优化 | 第52-54页 |
| 5 实验测试和性能评估 | 第54-59页 |
| 5.1 测试环境和方法 | 第54页 |
| 5.2 性能评估 | 第54-59页 |
| 6 总结 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |
