首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于粒子群优化的超声弹性成像运动追踪和位移估计算法研究

摘要第1-4页
Abstract第4-7页
第1章 绪论第7-14页
   ·课题背景第7-8页
   ·国内外研究现状第8-9页
     ·超声弹性成像第8-9页
     ·算法与理论研究第9页
   ·群智能算法和GPU技术第9-12页
     ·群智能算法第9-10页
     ·GPU 技术第10-12页
   ·研究内容及章节安排第12-14页
第2章 相关理论及技术介绍第14-27页
   ·粒子群优化算法第14-16页
     ·粒子群优化算法介绍第14页
     ·粒子群优化的主要模型第14-16页
   ·CUDA并行计算第16-20页
     ·协同处理模型第17-18页
     ·CUDA 存储器第18-19页
     ·CUDA软件体系第19-20页
   ·准静态超声弹性成像第20-25页
     ·信号的相关函数第21-23页
     ·基于归一化互相关的位移估计算法第23-25页
   ·本章小结第25-27页
第3章 基于粒子群优化的超声弹性成像运动追踪和位移估计算法设计与实现第27-39页
   ·基本粒子群优化算法第27-28页
   ·超声弹性成像运动追踪第28-29页
   ·基于粒子群优化的超声弹性成像实现第29-30页
     ·适应度函数的构建第29-30页
     ·具体实现过程第30页
   ·模拟与实验第30-32页
     ·模拟方法第30-31页
     ·体模实验第31-32页
   ·结果与分析第32-38页
     ·仿真实验结果第32-36页
     ·体模实验结果第36-38页
   ·本章小结第38-39页
第4章 基于GPU并行粒子群优化的超声弹性成像设计与实现第39-49页
   ·基于CUDA的并行PSO算法设计第39-41页
     ·PSO算法的并行性分析第39页
     ·基于CUDA的并行PSO算法设计第39-41页
     ·程序实现第41页
   ·基于CUDA的并行粒子群优化的超声弹性成像算法设计第41-45页
     ·基于粒子群优化的超声弹性成像算法的并行性分析第41-42页
     ·基于GPU并行粒子群优化的超声弹性实时成像算法设计第42-43页
     ·程序实现第43-45页
   ·实验结果与分析第45-48页
     ·计算速度第45-46页
     ·体模实验第46-48页
   ·本章小结第48-49页
第5章 总结与展望第49-51页
   ·本文工作总结第49-50页
   ·后续工作展望第50-51页
致谢第51-52页
参考文献第52-56页
攻读硕士学位期间发表的论文及科研成果第56页

论文共56页,点击 下载论文
上一篇:基于三支决策的项集增量挖掘算法的研究与应用
下一篇:应急演练系统中RFID防碰撞算法研究