基于GPU的图像梯度场增强算法的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-17页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 图像增强技术的研究现状 | 第15页 |
| 1.3 图像增强技术的发展趋势 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 基于GPU的CUDA编程技术 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 CUDA硬件架构 | 第17-20页 |
| 2.2.1 Fermi架构的GPU | 第17-19页 |
| 2.2.2 Fermi架构GPU中的SM结构 | 第19-20页 |
| 2.2.3 共享存储器和高速缓存 | 第20页 |
| 2.3 CUDA编程模型 | 第20-27页 |
| 2.3.1 主机与设备 | 第20-22页 |
| 2.3.2 线程结构 | 第22-23页 |
| 2.3.3 CUDA软件体系 | 第23-24页 |
| 2.3.4 CUDA存储模型 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 图像增强算法 | 第28-40页 |
| 3.1 常用图像增强算法 | 第28-35页 |
| 3.1.1 直方图均衡化增强算法 | 第28-29页 |
| 3.1.2 基于Retinex理论的图像增强算法 | 第29-32页 |
| 3.1.3 图像梯度场增强算法 | 第32-35页 |
| 3.2 仿真实验结果和分析 | 第35-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于人眼视觉特性的梯度场增强算法 | 第40-53页 |
| 4.1 人眼视觉感知特性 | 第40-43页 |
| 4.1.1 视觉信息传递过程 | 第40页 |
| 4.1.2 视觉感知特性 | 第40-41页 |
| 4.1.3 亮度阈值效应 | 第41-42页 |
| 4.1.4 空间频率掩盖效应 | 第42-43页 |
| 4.2 临界可见偏差（JND） | 第43-44页 |
| 4.3 改进的梯度场增强算法 | 第44-46页 |
| 4.4 图像增强标准 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 梯度场增强算法的CUDA并行实现 | 第53-67页 |
| 5.1 整体运算的GPU实现分析 | 第53-55页 |
| 5.2 纹理存储器的使用 | 第55-57页 |
| 5.3 图像的梯度 | 第57-59页 |
| 5.4 图像的散度 | 第59-60页 |
| 5.5 求解泊松方程 | 第60-61页 |
| 5.6 归一化处理 | 第61-62页 |
| 5.7 实验结果和分析 | 第62-66页 |
| 5.7.1 CUDA并行实现 | 第62-66页 |
| 5.8 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 6.1 本文的主要贡献 | 第67页 |
| 6.2 下一步工作的展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻硕期间取得的研究成果 | 第72-73页 |
