图像去噪算法及其GPU并行化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 图像去噪的背景和研究意义 | 第13-15页 |
| 1.2 图像去噪的研究现状及问题 | 第15-17页 |
| 1.3 GPU并行处理研究现状 | 第17-19页 |
| 1.4 本文的研究内容和章节安排 | 第19页 |
| 1.5 本章小结 | 第19-21页 |
| 第二章 图像去噪算法的研究 | 第21-31页 |
| 2.1 噪声的来源和分类 | 第21-22页 |
| 2.2 常用的去噪方法 | 第22-29页 |
| 2.2.1 传统空间域滤波方法 | 第22-25页 |
| 2.2.2 变换域去噪方法 | 第25-28页 |
| 2.2.3 联合滤波去噪方法 | 第28-29页 |
| 2.3 图像质量评价方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 双域滤波图像去噪及其改进 | 第31-53页 |
| 3.1 双域滤波原理 | 第31-32页 |
| 3.2 双域滤波的基本步骤 | 第32-35页 |
| 3.2.1 空间域变换 | 第33-34页 |
| 3.2.2 变换域谱收缩 | 第34-35页 |
| 3.3 改进的双域滤波算法 | 第35-42页 |
| 3.3.1 用全局差值的方式获取细节层 | 第35-37页 |
| 3.3.2 改进的WLS方法获取基础层 | 第37-42页 |
| 3.4 实验结果和分析 | 第42-51页 |
| 3.4.1 算法总体性能比较 | 第42-43页 |
| 3.4.2 改进算法和原算法比较 | 第43-46页 |
| 3.4.3 与其他算法去噪性能比较 | 第46-48页 |
| 3.4.4 本文算法处理实际噪声图像 | 第48-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 GPU并行计算和双域滤波的快速实现 | 第53-77页 |
| 4.1 OpenCL并行模型和GPU的关系 | 第53-56页 |
| 4.2 OpenCL程序框架 | 第56-57页 |
| 4.3 并行研究的性能评价 | 第57-58页 |
| 4.4 基于GPU的双域滤波快速实现 | 第58-70页 |
| 4.4.1 图像数据存储方式的选择 | 第58-59页 |
| 4.4.2 基础层并行优化的设计与实现 | 第59-62页 |
| 4.4.3 细节层并行STFT的设计与实现 | 第62-70页 |
| 4.5 实验结果及分析 | 第70-75页 |
| 4.5.1 去噪时间比较 | 第70-72页 |
| 4.5.2 去噪性能比较 | 第72-75页 |
| 4.6 本章小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 本文工作总结 | 第77页 |
| 5.2 未来工作展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85页 |
| 1. 基本情况 | 第85页 |
| 2. 教育背景 | 第85页 |
