基于K-T算法的太阳图像高分辨率重建并行化研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究意义 | 第11页 |
| 1.2 研究背景 | 第11-13页 |
| 1.3 国内外研究现状 | 第13页 |
| 1.4 论文的主要工作 | 第13-14页 |
| 1.5 论文组织结构 | 第14-17页 |
| 第二章 并行计算技术 | 第17-29页 |
| 2.1 并行计算 | 第17-18页 |
| 2.2 MPI并行计算 | 第18-21页 |
| 2.2.1 常用MPI函数 | 第19页 |
| 2.2.2 MPI的通信方式 | 第19-20页 |
| 2.2.3 MPI程序的两种设计模式 | 第20-21页 |
| 2.3 CUDA并行计算 | 第21-27页 |
| 2.3.1 GPU简介 | 第21-22页 |
| 2.3.2 CUDA通用计算平台 | 第22-23页 |
| 2.3.3 CUDA执行模式 | 第23-25页 |
| 2.3.4 CUDA存储结构 | 第25-26页 |
| 2.3.5 常用CUDA标准库 | 第26-27页 |
| 2.4 异构并行计算 | 第27-29页 |
| 第三章 太阳图像高分辨重建算法 | 第29-37页 |
| 3.1 基础理论 | 第29-30页 |
| 3.2 斑点统计重建方法 | 第30-32页 |
| 3.2.1 Laberie法 | 第30-31页 |
| 3.2.2 Knox-Thomspon算法 | 第31-32页 |
| 3.3 基于K-T算法的太阳斑点图高分辨重建 | 第32-35页 |
| 3.3.1 平暗场处理 | 第32-33页 |
| 3.3.2 图像对齐 | 第33页 |
| 3.3.3 图像分块 | 第33页 |
| 3.3.4 振幅和相位重建 | 第33-34页 |
| 3.3.5 图像的拼接 | 第34-35页 |
| 3.4 总结 | 第35-37页 |
| 第四章 基于MPI的图像重建 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 重建算法的实现 | 第37-42页 |
| 4.2.1 实验数据和实验环境 | 第37-38页 |
| 4.2.2 分块和数据分发 | 第38-40页 |
| 4.2.3 子块重建 | 第40-42页 |
| 4.2.4 数据汇总 | 第42页 |
| 4.3 实验结果分析 | 第42-45页 |
| 4.4 总结 | 第45-47页 |
| 第五章 基于MPI-CUDA的图像重建 | 第47-59页 |
| 5.1 问题分析 | 第47页 |
| 5.2 重建算法的实现 | 第47-53页 |
| 5.2.1 分块与数据分发 | 第47-50页 |
| 5.2.2 基于GPU的子块重建 | 第50-51页 |
| 5.2.3 图像拼接 | 第51页 |
| 5.2.4 CUDA优化 | 第51-53页 |
| 5.3 实验结果分析 | 第53-57页 |
| 5.4 总结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59-60页 |
| 6.2 对未来工作的展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A (攻读学位期间发表论文目录) | 第67页 |
