| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 研究内容 | 第14-15页 |
| 1.3 课题研究意义 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 图像融合和修复相关技术研究综述 | 第18-34页 |
| 2.1 图像融合技术 | 第18-23页 |
| 2.1.1 基于梯度域的图像融合技术 | 第18-21页 |
| 2.1.2 图像融合的加速技术 | 第21-23页 |
| 2.1.3 分析小结 | 第23页 |
| 2.2 图像修复技术 | 第23-30页 |
| 2.2.1 基于偏微分方法的图像修复技术 | 第24-25页 |
| 2.2.2 变分法 | 第25-26页 |
| 2.2.3 矩阵补全方法 | 第26-27页 |
| 2.2.4 基于纹理约束的图像修复技术 | 第27-29页 |
| 2.2.5 基于统计学习的图像修复技术 | 第29页 |
| 2.2.6 分析小结 | 第29-30页 |
| 2.3 自动并行化加速技术 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于均匀稀疏采样的超大图像快速融合方法 | 第34-53页 |
| 3.1 引言 | 第34页 |
| 3.2 基于均匀稀疏采样的超大图像快速融合方法概述 | 第34-36页 |
| 3.3 稀疏边图像的生成 | 第36-38页 |
| 3.4 基于稀疏边图像建立泊松方程 | 第38-40页 |
| 3.5 求解最终的合成图像 | 第40-41页 |
| 3.6 算法实施 | 第41-43页 |
| 3.7 实验结果与分析 | 第43-51页 |
| 3.7.1 与其他算法的比较 | 第49-51页 |
| 3.8 本章小结 | 第51-53页 |
| 第4章 基于矩阵撕裂的图像快速融合算法 | 第53-64页 |
| 4.1 引言 | 第53页 |
| 4.2 基于矩阵撕裂的图像快速融合算法综述 | 第53-61页 |
| 4.3 实施结果与分析 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 自动并行化编译的图像融合算法性能优化 | 第64-78页 |
| 5.1 引言 | 第64-65页 |
| 5.2 面向自动并行化的AST构建与变换 | 第65-68页 |
| 5.2.1 AST分析与变换 | 第65-67页 |
| 5.2.2 AST子图间依赖关系分析与合并 | 第67-68页 |
| 5.3 基于关键变量数值预测的并行化优化 | 第68-72页 |
| 5.3.1 子树拆分及LWT数据投机 | 第68-69页 |
| 5.3.2 关键变量预测与数值预测表 | 第69-71页 |
| 5.3.3 投机执行失败的管理 | 第71-72页 |
| 5.4 图像融合算法的自动并行化实施结果与比较 | 第72-76页 |
| 5.4.1 图像融合算法的多层次自动并行化 | 第72-75页 |
| 5.4.2 图像融合算法的自动并行化性能分析 | 第75-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第6章 图像自适应的修复算法 | 第78-93页 |
| 6.1 引言 | 第78页 |
| 6.2 基于先验的图像自适应修复算法 | 第78-92页 |
| 6.2.1 局部全变差正则化 | 第80-81页 |
| 6.2.2 基于图的非局部变差正则化 | 第81-82页 |
| 6.2.3 混合变差正则化的迭代解 | 第82-83页 |
| 6.2.4 基于稀疏降噪自编码器的噪音去除方法[83] | 第83-87页 |
| 6.2.5 实验结果与分析 | 第87-92页 |
| 6.3 本章小结 | 第92-93页 |
| 第7章 总结与展望 | 第93-96页 |
| 7.1 本文工作总结 | 第93-95页 |
| 7.2 今后研究工作展望 | 第95-96页 |
| 参考文献 | 第96-101页 |
| 攻读博士学位期间主要的成果与科研项目经历 | 第101-102页 |
| 致谢 | 第102页 |