| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 图像滤波技术的研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 第2章 滤波技术介绍 | 第15-19页 |
| 2.1 图像滤波 | 第15-18页 |
| 2.1.1 高斯滤波 | 第15-17页 |
| 2.1.2 均值滤波 | 第17页 |
| 2.1.3 中值滤波 | 第17-18页 |
| 2.2 本章小结 | 第18-19页 |
| 第3章 软件平台概述 | 第19-28页 |
| 3.1 CUDA 简介 | 第19-24页 |
| 3.1.1 GPU | 第19-20页 |
| 3.1.2 CUDA 并行模型概述 | 第20-21页 |
| 3.1.3 CUDA 线程组织 | 第21-22页 |
| 3.1.4 CUDA 内存模型 | 第22-23页 |
| 3.1.5 CUDA 硬件结构 | 第23-24页 |
| 3.2 CUDA 在图像处理的应用 | 第24-25页 |
| 3.3 OpenGL 简介 | 第25-26页 |
| 3.3.1 OpenGL 图形开发环境 | 第25页 |
| 3.3.2 OpenGL 的工作流程 | 第25-26页 |
| 3.4 OpenCV 简介 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 图像滤波算法设计 | 第28-41页 |
| 4.1 高斯滤波基于 CUDA 的并行实现 | 第28-31页 |
| 4.1.1 高斯滤波算法设计 | 第28-29页 |
| 4.1.2 高斯滤波的 CUDA 并行 | 第29-31页 |
| 4.2 均值滤波基于 CUDA 的并行实现 | 第31-35页 |
| 4.3 中值滤波基于 CUDA 的并行实现 | 第35-37页 |
| 4.4 CUDA 和 OpenGL 的互操作加速图像显示 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-47页 |
| 5.1 实验环境 | 第41页 |
| 5.1.1 实验硬件环境 | 第41页 |
| 5.1.2 实验软件环境 | 第41页 |
| 5.2 性能评价 | 第41-42页 |
| 5.2.1 加速比 | 第41-42页 |
| 5.2.2 运行时间 | 第42页 |
| 5.3 实验结果 | 第42-45页 |
| 5.3.1 各算法运行时间和加速比 | 第43-45页 |
| 5.4 实验分析 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |