| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容与技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第二章 图像分割知识概述 | 第19-26页 |
| 2.1 图像分割的概念 | 第19-20页 |
| 2.2 图像分割算法分类 | 第20-22页 |
| 2.2.1 基于边缘的图像分割方法 | 第20页 |
| 2.2.2 基于区域的图像分割方法 | 第20-21页 |
| 2.2.3 基于阈值的图像分割方法 | 第21页 |
| 2.2.4 与特定理论相结合的图像分割方法 | 第21-22页 |
| 2.3 Mean Shift图像分割算法理论 | 第22-25页 |
| 2.3.1 Mean Shift算法原理 | 第22-24页 |
| 2.3.2 Mean Shift算法处理流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 异构计算相关基础 | 第26-38页 |
| 3.1 异构计算简介 | 第26-29页 |
| 3.1.1 异构计算概述 | 第26-27页 |
| 3.1.2 GPU体系结构概述 | 第27-29页 |
| 3.1.3 CPU与GPU架构的区别 | 第29页 |
| 3.2 异构系统编程模型 | 第29-35页 |
| 3.2.1 MPI编程模型介绍 | 第29-32页 |
| 3.2.2 OpenCL编程模型介绍 | 第32-35页 |
| 3.3 异构系统的任务调度 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于GPU集群的Mean Shift图像分割算法并行化实现 | 第38-65页 |
| 4.1 Mean Shift串行算法处理流程 | 第38-39页 |
| 4.2 Mean Shift串行算法热点分析 | 第39-43页 |
| 4.3 Mean Shift算法并行化分析与设计 | 第43-52页 |
| 4.3.1 Mean Shift算法整体并行化思路 | 第43-44页 |
| 4.3.2 Mean Shift算法并行化策略 | 第44-45页 |
| 4.3.3 Mean Shift并行算法的实现 | 第45-48页 |
| 4.3.4 Mean Shift算法并行化实验分析 | 第48-52页 |
| 4.4 Mean Shift算法并行化优化 | 第52-60页 |
| 4.4.1 优化一：数据传输和读取方式优化 | 第53-54页 |
| 4.4.2 优化二：数据分配方式优化 | 第54-57页 |
| 4.4.3 Mean Shift并行算法优化测试 | 第57-60页 |
| 4.5 GPU集群多任务调度 | 第60-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 基于GPU集群的并行Mean Shift算法应用 | 第65-72页 |
| 5.1 遥感图像变化检测概述 | 第65-66页 |
| 5.2 基于GPU集群的并行Mean Shift图像分割的变化检测 | 第66-67页 |
| 5.3 图像分割及变化检测测试 | 第67-71页 |
| 5.3.1 变化检测性能评价指标 | 第67页 |
| 5.3.2 实验数据说明 | 第67-69页 |
| 5.3.3 实验测试分析 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 研究总结 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
