| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 研究内容和技术路线 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 1.4 本论文的结构安排 | 第20-22页 |
| 第二章 压缩感知与Open CL介绍 | 第22-38页 |
| 2.1 压缩感知理论框架 | 第22-23页 |
| 2.2 压缩感知组成部分 | 第23-28页 |
| 2.2.1 稀疏表示 | 第24页 |
| 2.2.2 压缩采样 | 第24-25页 |
| 2.2.3 重构算法 | 第25-28页 |
| 2.3 图像质量评价指标 | 第28页 |
| 2.4 并行计算介绍 | 第28-29页 |
| 2.5 图像处理器 | 第29-31页 |
| 2.5.1 GPU简介 | 第29-30页 |
| 2.5.2 GPU与CPU区别 | 第30-31页 |
| 2.6 Open CL异构计算技术 | 第31-36页 |
| 2.6.1 Open CL简介 | 第31页 |
| 2.6.2 Open CL与CUDA的关系 | 第31-32页 |
| 2.6.3 Open CL规范 | 第32-35页 |
| 2.6.4 Open CL框架 | 第35-36页 |
| 2.7 本章小结 | 第36-38页 |
| 第三章 基于Open CL的压缩感知重构算法并行设计与实现 | 第38-52页 |
| 3.1 串行算法实现 | 第38-40页 |
| 3.2 算法热点分析 | 第40-41页 |
| 3.3 算法并行模式 | 第41-42页 |
| 3.4 并行算法设计 | 第42-43页 |
| 3.5 并行算法实现 | 第43-51页 |
| 3.5.1 平台初始化 | 第44页 |
| 3.5.2 运行时设计 | 第44-45页 |
| 3.5.3 内核函数设计与实现 | 第45-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 并行算法优化 | 第52-59页 |
| 4.1 并行算法优化 | 第52-55页 |
| 4.1.1 NDRange优化 | 第52-53页 |
| 4.1.2 优化显存访问 | 第53-55页 |
| 4.1.3 优化指令流 | 第55页 |
| 4.2 基于多GPU的重构算法并行设计与实现 | 第55-58页 |
| 4.2.1 基于多GPU的重构算法并行设计 | 第55-57页 |
| 4.2.1.1 单平台多GPU的调用 | 第56-57页 |
| 4.2.1.2 负载均衡设计 | 第57页 |
| 4.2.2 基于多GPU的重构算法并行实现 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 并行算法性能测试与分析 | 第59-68页 |
| 5.1 实验环境 | 第59页 |
| 5.2 实验数据 | 第59-60页 |
| 5.3 并行算法结果验证 | 第60页 |
| 5.4 并行算法性能评价指标 | 第60页 |
| 5.5 实验内容 | 第60-61页 |
| 5.6 测试结果及分析 | 第61-67页 |
| 5.6.1 在NVIDIA平台上并行算法测试 | 第61-62页 |
| 5.6.2 在NVIDIA平台上并行优化算法测试 | 第62-63页 |
| 5.6.3 在AMD平台上并行算法测试 | 第63-64页 |
| 5.6.4 基于Open CL与Open MP并行算法性能对比 | 第64-66页 |
| 5.6.5 基于多GPU的并行算法测试 | 第66-67页 |
| 5.7 本章小结 | 第67-68页 |
| 第六章 全文总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |