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

隐写图像并行特征提取方法

摘要第1-4页
Abstract第4-9页
第一章 引言第9-14页
   ·选题背景和意义第9-10页
   ·国内外研究现状第10-12页
   ·主要内容和创新点第12-13页
   ·文章组织结构第13-14页
第二章 隐写检测和并行计算概述第14-21页
   ·隐写与隐写检测技术第14-17页
     ·隐写技术第14-15页
     ·隐写检测技术第15-17页
   ·并行计算第17-21页
     ·多核CPU第18-19页
     ·异构计算第19-21页
第三章 多核CPU平台隐写图像特征的并行提取方法第21-31页
   ·引言第21-22页
   ·相关工作介绍第22-23页
   ·本文的并行方法第23-26页
     ·构造无锁任务队列第24页
     ·改进线程同步带来的开销第24-25页
     ·性能优化第25-26页
   ·性能测试与分析第26-30页
     ·实验环境第26-27页
     ·内存分配器实验结果与分析第27-28页
     ·本文并行方法实验结果与分析第28-30页
   ·本章小结第30-31页
第四章 多核CPU平台SRM特征的并行提取方法第31-43页
   ·引言第31-32页
   ·SRM特征提取算法第32-35页
     ·计算噪声残余第32-34页
     ·量化和截断第34页
     ·计算共生矩阵第34-35页
   ·指令级并行优化方法第35-36页
   ·SRM特征提取算法的并行指令优化第36-39页
     ·消除冗余计算第37-38页
     ·应用SIMD指令打包加速运算第38页
     ·消除随机分支第38-39页
   ·SRM特征提取算法线程级并行第39页
   ·性能测试与分析第39-42页
     ·实验建立第39-40页
     ·实验结果与分析第40-42页
   ·本章小结第42-43页
第五章 基于GPU平台的SRM特征并行提取方法第43-70页
   ·引言第43-44页
   ·GPU与OpenCL第44-48页
     ·AMD GPU架构第44-45页
     ·OpenCL编程框架第45-48页
   ·基于GPU的SRM算法第48-59页
     ·计算噪声残余第49-54页
       ·计算噪声残余的workgroup大小第49-50页
       ·缓存数据到局部内存第50-53页
       ·优化卷积执行第53-54页
     ·计算量化和截断第54页
     ·计算共生矩阵第54-59页
       ·计算共生矩阵的workgroup大小第55页
       ·全局内存访存优化第55-57页
       ·使用原子操作第57页
       ·局部内存访存优化第57-58页
       ·归约第58-59页
       ·选择workgroup数量第59页
   ·性能测试与分析第59-69页
     ·实验建立第59-60页
     ·局部共生矩阵数量测试结果与分析第60-63页
     ·n4PerWorkItem测试结果与分析第63-68页
     ·基于GPU的SRM算法性能测试结果与分析第68-69页
   ·本章小结第69-70页
第六章 本文并行方法的比较分析第70-72页
总结与展望第72-74页
参考文献第74-80页
致谢第80-81页
附录第81-85页
 附录Ⅰ 文中图与表索引第81-83页
 附录Ⅱ 内存分配器实验主要代码第83-85页
个人简历第85-86页
在学校期间的研究成果以及发表的学术论文第86页

论文共86页,点击 下载论文
上一篇:线画草图识别的若干策略研究
下一篇:微分隐私数据发布若干关键问题研究