| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及现状 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究现状 | 第9-10页 |
| 1.2 CUDA并行处理概述 | 第10-16页 |
| 1.2.1 CUDA编程模型 | 第10-13页 |
| 1.2.2 CUDA编译模型 | 第13-14页 |
| 1.2.3 CUDA程序优化 | 第14-16页 |
| 1.3 论文研究实验平台 | 第16页 |
| 1.4 研究内容与结构安排 | 第16-17页 |
| 第二章 SIFT特征匹配CPU-GPU协同处理方法 | 第17-31页 |
| 2.1 构建尺度空间 | 第17-20页 |
| 2.2 SIFT特征点检测 | 第20-22页 |
| 2.3 生成特征点描述符 | 第22-23页 |
| 2.4 特征点的匹配 | 第23-24页 |
| 2.5 误匹配点的删除 | 第24-26页 |
| 2.6 实验与分析 | 第26-30页 |
| 2.6.1 单独像对SIFT特征匹配 | 第26-28页 |
| 2.6.2 SIFT特征匹配加速效率实验 | 第28-29页 |
| 2.6.3 模型变换精度的检验 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 大幅面立体像对SIFT特征快速匹配方法 | 第31-43页 |
| 3.1 立体像对重叠区域估计 | 第31-34页 |
| 3.1.1 基于POS数据的立体像对重叠区域估计 | 第31-33页 |
| 3.1.2 基于影像金字塔的立体像对重叠区域估计 | 第33-34页 |
| 3.2 大幅面立体像对分块匹配 | 第34-37页 |
| 3.2.1 立体像对分块匹配策略 | 第34-35页 |
| 3.2.2 分块匹配处理的优势 | 第35-37页 |
| 3.3 大幅面立体像对SIFT特征匹配GPU分块并行处理 | 第37-39页 |
| 3.4 实验与分析 | 第39-42页 |
| 3.4.1 大幅面立体像对SIFT分块特征匹配 | 第39页 |
| 3.4.2 重叠区域探测与分块匹配实验 | 第39-41页 |
| 3.4.3 不同大小分块下的GPU并行处理效率 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 倾斜影像ASIFT特征匹配方法 | 第43-55页 |
| 4.1 倾斜影像的特点 | 第43-44页 |
| 4.2 倾斜影像的ASIFT特征匹配方法 | 第44页 |
| 4.3 确定影像的倾斜测度 | 第44-46页 |
| 4.3.1 绝对倾斜度和相对倾斜度 | 第44-45页 |
| 4.3.2 相对倾斜度判定 | 第45-46页 |
| 4.3.3 外方位角元素计算绝对倾斜度 | 第46页 |
| 4.4 倾斜影像ASIFT特征匹配GPU并行处理 | 第46-48页 |
| 4.5 实验与分析 | 第48-54页 |
| 4.5.1 倾斜影像重采样GPU并行处理 | 第49-50页 |
| 4.5.2 倾斜影像ASIFT与SIFT特征匹配对比 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 进一步的研究方向 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61页 |
