| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-12页 |
| 1.2.1 工业X射线增强技术发展现状 | 第10-11页 |
| 1.2.2 GPU加速技术发展现状 | 第11-12页 |
| 1.3 论文工作内容及结构 | 第12-14页 |
| 第二章 基于CUDA的GPU加速技术 | 第14-24页 |
| 2.1 GPU概述 | 第14-15页 |
| 2.2 CUDA硬件组织方式 | 第15-17页 |
| 2.3 CUDA的线程结构 | 第17-19页 |
| 2.4 CUDA存储模型 | 第19-22页 |
| 2.5 CUDA编程模型 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 自适应改进的MSR射线图像增强算法及并行实现 | 第24-42页 |
| 3.1 Retinex理论 | 第24-27页 |
| 3.1.1 Retinex算法演变及流程 | 第24-25页 |
| 3.1.2 单尺度Retinex(SSR)算法 | 第25-26页 |
| 3.1.3 多尺度Retinex(MSR)算法 | 第26-27页 |
| 3.2 自适应尺度及权值的MSR算法 | 第27-31页 |
| 3.2.1 基于图像局部标准差的自适应尺度 | 第27-29页 |
| 3.2.2 基于图像梯度修正各尺度权值 | 第29-31页 |
| 3.3 基于CUDA并行实现的自适应MSR算法 | 第31-35页 |
| 3.3.1 基于CUDA的并行算法实现整体分析 | 第31-33页 |
| 3.3.2 并行计算图像的梯度 | 第33-34页 |
| 3.3.3 基于CUDA的递归高斯滤波器 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 结合人眼感知特性改进的梯度增强算法及并行实现 | 第42-61页 |
| 4.1 人眼视觉感知特性 | 第42-46页 |
| 4.2 结合人眼视觉特性改进的射线图像梯度增强算法 | 第46-51页 |
| 4.3 基于CUDA并行实现的梯度域图像改进增强算法 | 第51-55页 |
| 4.3.1 基于CUDA的图像增强算法优化策略 | 第51-53页 |
| 4.3.2 并行计算图像的散度 | 第53-54页 |
| 4.3.3 归一化处理 | 第54-55页 |
| 4.4 实验结果及分析 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
