基于GPU的体数据压缩融合体绘制研究与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 英文缩写对照表 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究现状 | 第16-22页 |
| 1.2.1 并行体绘制技术 | 第16-17页 |
| 1.2.2 压缩体绘制技术 | 第17-22页 |
| 1.2.3 地震数据多属性融合 | 第22页 |
| 1.3 本文主要工作与贡献 | 第22-23页 |
| 1.4 论文章节安排 | 第23-25页 |
| 第二章 相关研究 | 第25-36页 |
| 2.1 矢量量化 | 第25-28页 |
| 2.1.1 矢量量化定义 | 第25-26页 |
| 2.1.2 矢量量化关键技术 | 第26页 |
| 2.1.3 矢量量化性能 | 第26-27页 |
| 2.1.4 矢量量化在压缩体绘制中的应用 | 第27-28页 |
| 2.2 码书设计研究现状 | 第28-32页 |
| 2.2.1 LBG算法 | 第28-32页 |
| 2.3 GPU编程语言 | 第32-35页 |
| 2.3.1 GLSL语言 | 第32页 |
| 2.3.2 CUDA | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于数据流聚类策略的GPU码书初始化算法 | 第36-49页 |
| 3.1 引言 | 第36-37页 |
| 3.2 基于GPU码书初始化的相关问题 | 第37-39页 |
| 3.3 算法描述 | 第39-41页 |
| 3.4 算法复杂度描述和参数选择 | 第41-42页 |
| 3.5 算法的CUDA并行 | 第42-44页 |
| 3.6 算法的仿真 | 第44-48页 |
| 3.6.1 算法的性能评价 | 第44-45页 |
| 3.6.2 仿真结果及分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于矢量量化的压缩融合体绘制 | 第49-59页 |
| 4.1 引言 | 第49页 |
| 4.2 算法描述 | 第49-55页 |
| 4.2.1 编码 | 第50-52页 |
| 4.2.2 解码 | 第52-54页 |
| 4.2.3 融合 | 第54-55页 |
| 4.3 算法在实际数据中的仿真 | 第55-57页 |
| 4.3.1 算法性能评价 | 第55页 |
| 4.3.2 仿真结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 大规模地震数据内存管理模块设计与实现 | 第59-73页 |
| 5.1 平台架构 | 第59-61页 |
| 5.2 内存管理模块设计 | 第61-67页 |
| 5.2.1 文件组织结构 | 第63-64页 |
| 5.2.3 优先级管理模块 | 第64-66页 |
| 5.2.5 内存缓冲区模块 | 第66-67页 |
| 5.3 内存管理模块实现 | 第67-71页 |
| 5.4 内存管理模块测试 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 结论 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的成果 | 第82-83页 |
