| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于灰度的图像配准 | 第11-12页 |
| 1.2.2 基于特征的图像配准 | 第12-13页 |
| 1.2.3 基于频域的图像配准 | 第13-14页 |
| 1.3 并行计算在遥感图像配准中的应用 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 CUDA并行计算和编程模型 | 第16-27页 |
| 2.1 CUDA构架 | 第16-20页 |
| 2.1.1 GPU编程模型 | 第16-17页 |
| 2.1.2 CUDA介绍 | 第17-18页 |
| 2.1.3 CUDA执行过程 | 第18-20页 |
| 2.2 CUDA编程平台 | 第20-25页 |
| 2.2.1 CUDA线程结构 | 第20-22页 |
| 2.2.2 CUDA存储器模型 | 第22-25页 |
| 2.3 CUDA编程优化 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于CUDA的SIFT算法特征提取 | 第27-41页 |
| 3.1 引言 | 第27-32页 |
| 3.1.1 SIFT算法思想 | 第27页 |
| 3.1.2 SIFT算法步骤 | 第27-32页 |
| 3.2 CPU平台下基于C++实现SIFT特征提取 | 第32-33页 |
| 3.3 基于CUDA加速的SIFT特征提取 | 第33-38页 |
| 3.4 实验结果及分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 SIFT和区域互信息优化配准算法的CUDA实现 | 第41-53页 |
| 4.1 引言 | 第41-42页 |
| 4.2 粒子群算法 | 第42-43页 |
| 4.3 SIFT和区域互信息优化的遥感图像配准算法原理 | 第43-44页 |
| 4.4 基于SIFT和区域互信息优化配准算法的并行实现 | 第44-49页 |
| 4.4.1 图像插值匹配的并行实现 | 第45-47页 |
| 4.4.2 区域互信息 | 第47-49页 |
| 4.5 实验结果及分析 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章结论及展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 详细摘要 | 第61-67页 |
