| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容及论文组织结构 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-14页 |
| 第二章 运动目标轮廓提取算法基础 | 第14-21页 |
| 2.1 常见的运动目标检测方法 | 第14-16页 |
| 2.1.1 帧间差分法 | 第14页 |
| 2.1.2 光流法 | 第14-15页 |
| 2.1.3 背景减除法 | 第15-16页 |
| 2.2 常见的目标轮廓提取技术 | 第16-20页 |
| 2.2.1 Snake算法 | 第16-17页 |
| 2.2.2 水平集算法 | 第17-18页 |
| 2.2.3 ASM算法 | 第18页 |
| 2.2.4 基于边缘检测的轮廓提取 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 一种基于边缘检测的运动目标轮廓提取算法 | 第21-32页 |
| 3.1 引言 | 第21页 |
| 3.2 经典的基于边缘检测的运动目标轮廓提取算法 | 第21-25页 |
| 3.2.1 高斯混合模型(GMM) | 第21-23页 |
| 3.2.2 Canny算子 | 第23-24页 |
| 3.2.3 算法步骤 | 第24-25页 |
| 3.3 改进的基于边缘检测的运动目标轮廓提取算法 | 第25-28页 |
| 3.3.1 形态学处理 | 第25-26页 |
| 3.3.2 中值滤波 | 第26-27页 |
| 3.3.3 算法步骤 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 运动目标轮廓提取并行算法实现 | 第32-51页 |
| 4.1 并行计算基础 | 第32-33页 |
| 4.1.1 并行计算的基本概念 | 第32页 |
| 4.1.2 并行计算的评价标准 | 第32-33页 |
| 4.2 OpenCL并行架构 | 第33-40页 |
| 4.2.1 OpenCL简介 | 第33页 |
| 4.2.2 并行架构CUDA和OpenCL | 第33-35页 |
| 4.2.3 OpenCL并行架构模型 | 第35-39页 |
| 4.2.4 OpenCL编程步骤 | 第39-40页 |
| 4.3 基于OpenCL的运动目标轮廓提取 | 第40-44页 |
| 4.3.1 并行算法设计思路 | 第40-41页 |
| 4.3.2 主机端的实现 | 第41-43页 |
| 4.3.3 设备端的实现 | 第43-44页 |
| 4.4 实验结果与性能分析 | 第44-50页 |
| 4.4.1 并行算法与串行算法性能对比 | 第44-47页 |
| 4.4.2 并行算法在不同设备端上的实现 | 第47-49页 |
| 4.4.3 工作组workgroup大小对并行算法性能的影响 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士期间的科研成果及奖励 | 第57-58页 |
| 致谢 | 第58页 |