基于GPU的高光谱图像分类研究及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题的研究背景及意义 | 第12-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 高光谱图像分类 | 第14-15页 |
| 1.2.2 基于GPU的高光谱图像处理 | 第15-16页 |
| 1.3 课题的研究重点 | 第16-17页 |
| 1.4 论文内容与组织结构 | 第17-18页 |
| 第二章 GPU并行计算 | 第18-30页 |
| 2.1 GPU通用技术概述 | 第18-20页 |
| 2.2 并行计算模式 | 第20-21页 |
| 2.2.1 任务级并行模式 | 第20页 |
| 2.2.2 数据级并行模式 | 第20-21页 |
| 2.3 GPU并行编程接口 | 第21页 |
| 2.4 CUDA架构 | 第21-29页 |
| 2.4.1 CUDA硬件架构 | 第21-23页 |
| 2.4.2 CUDA软件体系 | 第23-24页 |
| 2.4.3 CUDA编程模型 | 第24-26页 |
| 2.4.4 CUDA存储模型 | 第26-28页 |
| 2.4.5 CUDA性能优化 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于GPU的光谱和空间特征提取 | 第30-48页 |
| 3.1 光谱特征提取 | 第30-35页 |
| 3.1.1 波段选择 | 第30-31页 |
| 3.1.2 LPE在GPU上的并行实现 | 第31-35页 |
| 3.2 空间特征提取 | 第35-41页 |
| 3.2.1 LBP特征提取 | 第35-38页 |
| 3.2.2 LBP在GPU上的并行实现 | 第38-41页 |
| 3.3 实验结果与分析 | 第41-46页 |
| 3.3.1 实验数据介绍 | 第41-45页 |
| 3.3.2 实验平台 | 第45页 |
| 3.3.3 实验结果分析 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 基于GPU的高光谱图像分类及应用 | 第48-66页 |
| 4.1 CRT分类器 | 第48-50页 |
| 4.2 CRT在CPU上的串行实现 | 第50-55页 |
| 4.2.1 CRT串行流程 | 第50-51页 |
| 4.2.2 CRT串行复杂度分析 | 第51-55页 |
| 4.3 CRT在GPU上的并行实现 | 第55-59页 |
| 4.4 实验结果与分析 | 第59-64页 |
| 4.4.1 CRT-LBP与CRT分类对比 | 第59-60页 |
| 4.4.2 CRT-LBP串行与并行分类性能对比 | 第60-61页 |
| 4.4.3 矩阵求逆串行与并行精度对比 | 第61-63页 |
| 4.4.4 CRT串行与并行执行速度对比 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 结论 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-76页 |
| 作者和导师简介 | 第76-78页 |
| 附件 | 第78-79页 |
