| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题研究背景 | 第7-9页 |
| 1.1.1 科学可视化 | 第8页 |
| 1.1.2 图形处理器（GPU）在科学计算中的应用 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 并行渲染系统分类 | 第11-12页 |
| 1.2.2 原位可视化 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 开发环境和所用技术 | 第15-33页 |
| 2.1 GPU-CUDA | 第15-23页 |
| 2.1.1 GPU介绍 | 第16-18页 |
| 2.1.2 GPU-CUDA技术 | 第18-23页 |
| 2.1.3 CUDA开发环境搭建 | 第23页 |
| 2.2 OpenGL | 第23-27页 |
| 2.2.1 OpenGL实现离屏渲染 | 第24-25页 |
| 2.2.2 OpenGL坐标变换 | 第25-27页 |
| 2.3 OpenCV | 第27-29页 |
| 2.3.1 Stitcher类 | 第27-29页 |
| 2.4 其他开发工具/库 | 第29-32页 |
| 2.4.1 Torque集群管理系统 | 第29-30页 |
| 2.4.2 OpenMPI消息传递库 | 第30页 |
| 2.4.3 Qt开发环境搭建 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 颗粒流输运模拟中关键技术的并行加速 | 第33-45页 |
| 3.1 CUDA加速的空间网格划分算法 | 第34-37页 |
| 3.1.1 算法描述 | 第34-35页 |
| 3.1.2 算法分析 | 第35-37页 |
| 3.2 CUDA加速的临近检测算法 | 第37-39页 |
| 3.2.1 算法描述 | 第37-38页 |
| 3.2.2 算法分析 | 第38页 |
| 3.2.3 实验结果 | 第38-39页 |
| 3.3 GPU实现原位可视化技术 | 第39-42页 |
| 3.4 GPU集群架构 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 并行渲染关键技术的设计与实现 | 第45-58页 |
| 4.1 并行渲染技术发展情况 | 第45-47页 |
| 4.2 混合的并行渲染体系结构 | 第47-51页 |
| 4.3 并行的图像合成算法 | 第51-57页 |
| 4.3.1 二分交换合成算法 | 第51-53页 |
| 4.3.2 CUDA加速的深度图像合成算法 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验结果分析 | 第58-62页 |
| 5.1 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |