| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 并行硬件架构发展现状 | 第15-16页 |
| 1.2.2 图像去噪研究现状 | 第16-17页 |
| 1.3 研究内容和创新 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第二章 并行编程技术与图像去噪相关知识 | 第20-30页 |
| 2.1 并行硬件架构 | 第20-22页 |
| 2.1.1 GPU架构 | 第20页 |
| 2.1.2 MIC架构 | 第20-22页 |
| 2.2 并行编程技术 | 第22-25页 |
| 2.2.1 OpenCL编程技术 | 第22-25页 |
| 2.2.2 OpenMP编程技术 | 第25页 |
| 2.3 图像去噪 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于OpenCL的并行NLM算法研究 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 非局部均值去噪算法 | 第30-32页 |
| 3.3 基于OpenCL的单GPU并行NLM算法 | 第32-34页 |
| 3.3.1 串行NLM算法分析 | 第32-33页 |
| 3.3.2 基于OpenCL的单GPU并行NLM算法实现 | 第33-34页 |
| 3.4 单GPU并行NLM算法实验结果与分析 | 第34-40页 |
| 3.4.1 实验数据与实验描述 | 第34-35页 |
| 3.4.2 实验环境 | 第35-36页 |
| 3.4.3 去噪性能分析 | 第36-38页 |
| 3.4.4 OpenCL程序性能可移植性实验分析 | 第38-40页 |
| 3.5 基于OpenCL的双GPU并行NLM算法 | 第40-45页 |
| 3.5.1 双GPU并行NLM算法设计 | 第40-41页 |
| 3.5.2 双GPU并行NLM算法实现 | 第41-43页 |
| 3.5.3 双GPU并行NLM算法实验结果与分析 | 第43-45页 |
| 3.6 基于Qt的NLM去噪软件系统设计 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 基于OpenMP多线程的并行NLM算法研究 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 基于OpenMP的并行NLM算法 | 第48-52页 |
| 4.2.1 基于OpenMP的并行NLM算法设计 | 第48-50页 |
| 4.2.2 基于多核CPU的OpenMP并行的NLM算法实现 | 第50-51页 |
| 4.2.3 基于MIC的OpenMP并行的NLM算法实现 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-60页 |
| 4.3.1 实验数据与实验描述 | 第52-53页 |
| 4.3.2 实验环境 | 第53-54页 |
| 4.3.3 去噪性能分析 | 第54-55页 |
| 4.3.4 基于多核CPU的加速性能分析 | 第55-56页 |
| 4.3.5 基于MIC的加速性能分析 | 第56-58页 |
| 4.3.6 基于OpenMP的NLM与基于OpenCL的NLM对比分析 | 第58-60页 |
| 4.4 本章总结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
