| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 基于 ParaViewWeb 架构的 GPU 高性能运算的研究意义 | 第8-9页 |
| 1.2 相关技术发展及研究现状 | 第9-13页 |
| 1.2.1 ParaViewWeb 架构的发展及研究现状 | 第9-10页 |
| 1.2.2 GPU 高性能运算的发展及研究现状 | 第10-13页 |
| 1.3 论文结构安排 | 第13-14页 |
| 第二章 ParaViewWeb 架构概述 | 第14-22页 |
| 2.1 ParaViewWeb 架构设计 | 第14-19页 |
| 2.1.1 总体结构设计 | 第14-15页 |
| 2.1.2 组件设计 | 第15-17页 |
| 2.1.3 作用机制 | 第17-19页 |
| 2.2 ParaViewWeb 架构搭建 | 第19-22页 |
| 2.2.1 搭建 ParaViewAdapter（PWServer） | 第19-20页 |
| 2.2.2 搭建 ParaView WebService（PWService） | 第20-22页 |
| 第三章 GPU 高性能运算与 CUDA 编程基础 | 第22-35页 |
| 3.1 并行计算及 GPU 高性能计算概述 | 第22-24页 |
| 3.1.1 并行计算机体系架构 | 第22页 |
| 3.1.2 并行编程模型 | 第22-23页 |
| 3.1.3 GPU 高性能运算 | 第23页 |
| 3.1.4 OpenCL 与 CUDA | 第23-24页 |
| 3.2 支持 CUDA 的 GPU 硬件架构 | 第24-29页 |
| 3.2.1 G80 架构 | 第24-25页 |
| 3.2.2 GT200 架构 | 第25页 |
| 3.2.3 Fermi 架构 | 第25-28页 |
| 3.2.4 Kepler 架构 | 第28-29页 |
| 3.3 CUDA 概述 | 第29-35页 |
| 3.3.1 CUDA 编程模型 | 第29-30页 |
| 3.3.2 CUDA 执行模型 | 第30-31页 |
| 3.3.3 CUDA 软件体系 | 第31-32页 |
| 3.3.4 CUDA 存储器模型 | 第32-33页 |
| 3.3.5 CUDA 程序的优化 | 第33-35页 |
| 第四章 基于 ParaViewWeb 架构的 GPU 高性能运算技术 | 第35-50页 |
| 4.1 ParaViewWeb 架构的扩展 | 第35-36页 |
| 4.2 医学图像增强处理在移动终端上的实现 | 第36-50页 |
| 4.2.1 图像增强算法概述 | 第36-40页 |
| 4.2.2 同质滤波算法及其并行优化 | 第40-44页 |
| 4.2.3 同质滤波在移动终端上的实现 | 第44-47页 |
| 4.2.4 实验结果与分析 | 第47-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 5.1 本文总结 | 第50页 |
| 5.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |
