高性能计算在图像匹配中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·课题背景及意义 | 第9-11页 |
| ·国内外发展现状 | 第11-14页 |
| ·论文的主要内容及组织结构 | 第14-17页 |
| 2 计算机集群与并行计算 | 第17-29页 |
| ·计算机集群概述 | 第17页 |
| ·典型的 PC 集群系统 | 第17-21页 |
| ·Beowulf 集群 | 第17-18页 |
| ·OSCAR 集群 | 第18-21页 |
| ·并行计算技术 | 第21-24页 |
| ·并行计算机体系结构 | 第21页 |
| ·并行编程模式 | 第21-22页 |
| ·并行语言 | 第22页 |
| ·并行算法分类 | 第22页 |
| ·并行算法的性能评价标准 | 第22-23页 |
| ·并行算法设计基本原则 | 第23页 |
| ·并行计算模型 | 第23-24页 |
| ·MPI 并行程序设计 | 第24-28页 |
| ·MPI 简介 | 第24-25页 |
| ·主要的 MPI 实现 | 第25-26页 |
| ·MPI 编程框架 | 第26-28页 |
| ·小结 | 第28-29页 |
| 3 基于角点特征的图像匹配 | 第29-41页 |
| ·角点特征 | 第29页 |
| ·Harris 角点检测 | 第29-31页 |
| ·角点匹配 | 第31-34页 |
| ·归一化互相关系数法 | 第32-33页 |
| ·RANSAC 策略 | 第33-34页 |
| ·改进的 RANSAC 匹配点提纯算法 | 第34-39页 |
| ·预备知识 | 第34-35页 |
| ·改进的 RANSAC 算法 | 第35-36页 |
| ·实验结果 | 第36-39页 |
| ·小结 | 第39-41页 |
| 4 基于 PC 集群并行图像匹配算法的设计与实现 | 第41-55页 |
| ·并行计算模型的建立 | 第41页 |
| ·算法设计 | 第41-43页 |
| ·角点检测的并行化设计 | 第42页 |
| ·粗匹配的并行化设计 | 第42页 |
| ·精匹配的并行化设计 | 第42-43页 |
| ·算法的实现 | 第43-54页 |
| ·角点检测的并行化实现 | 第43-47页 |
| ·粗匹配的并行化实现 | 第47-50页 |
| ·精匹配的并行化实现 | 第50-53页 |
| ·整个算法的并行实现 | 第53-54页 |
| ·小结 | 第54-55页 |
| 5 运行及结果分析 | 第55-71页 |
| ·并行环境 | 第55-66页 |
| ·硬件环境 | 第55-57页 |
| ·软件环境 | 第57-66页 |
| ·实验结果及其分析 | 第66-69页 |
| ·小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79页 |
