| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第14-18页 |
| 缩略语对照表 | 第18-24页 |
| 第一章 绪论 | 第24-38页 |
| 1.1 研究背景与意义 | 第24-26页 |
| 1.2 国内外发展状况 | 第26-34页 |
| 1.2.1 GPU高性能应用的研究进展 | 第26-29页 |
| 1.2.2 光电目标检测方法的研究进展 | 第29-34页 |
| 1.3 本文结构和创新点 | 第34-38页 |
| 1.3.1 主要研究内容与结构安排 | 第34-35页 |
| 1.3.2 创新点与特色 | 第35-38页 |
| 第二章 基于GPU的并行计算与图形渲染技术 | 第38-66页 |
| 2.1 GPU的高效并行计算技术 | 第38-54页 |
| 2.1.1 GPU的硬件环境 | 第38-44页 |
| 2.1.2 CUDA软件编程模型 | 第44-49页 |
| 2.1.3 GPU并行程序设计的优化技术 | 第49-54页 |
| 2.2 GPU高性能图形渲染的关键技术 | 第54-61页 |
| 2.2.1 渲染管线 | 第54-58页 |
| 2.2.2 光照模型的物理基础 | 第58-61页 |
| 2.2.3 三维引擎设计 | 第61页 |
| 2.3 GPU选型方案参考 | 第61-64页 |
| 2.4 本章小结 | 第64-66页 |
| 第三章 基于GPU的光电目标仿真方法 | 第66-116页 |
| 3.1 基于动态渲染管线的目标仿真 | 第66-92页 |
| 3.1.1 实时光电目标仿真的基本框架 | 第66-75页 |
| 3.1.2 光电目标的BRDF反射特性仿真 | 第75-83页 |
| 3.1.3 实验结果及分析 | 第83-92页 |
| 3.2 基于静态光线跟踪的目标仿真 | 第92-105页 |
| 3.2.1 多目标光线跟踪真实感增强 | 第93-98页 |
| 3.2.2 实测实验与多面元跟踪仿真结果验证 | 第98-105页 |
| 3.3 基于GPU的高光谱目标仿真 | 第105-115页 |
| 3.3.1 高光谱目标的特征与仿真算法 | 第105-109页 |
| 3.3.2 GPU加速合成高光谱目标与仿真结果 | 第109-115页 |
| 3.4 本章小结 | 第115-116页 |
| 第四章 基于GPU的红外目标检测方法 | 第116-142页 |
| 4.1 红外背景预测方法及可分离卷积的扩展 | 第116-125页 |
| 4.1.1 背景预测方法概述 | 第116-121页 |
| 4.1.2 可分离卷积理论推导 | 第121-125页 |
| 4.2 基于GPU加速的红外目标检测方法 | 第125-135页 |
| 4.2.1 通用GPU实现背景预测的解决方案 | 第125-131页 |
| 4.2.2 实验结果及分析 | 第131-135页 |
| 4.3 嵌入式GPU加速光电目标检测方法 | 第135-141页 |
| 4.3.1 嵌入式GPU的特点与应用范围 | 第135-139页 |
| 4.3.2 嵌入式GPU实现背景预测的结果及分析 | 第139-141页 |
| 4.4 本章小结 | 第141-142页 |
| 第五章 基于GPU的高光谱目标检测方法 | 第142-168页 |
| 5.1 高光谱目标检测概述与处理流程 | 第142-146页 |
| 5.1.1 高光谱目标检测概述 | 第142-144页 |
| 5.1.2 高光谱目标检测流程框图 | 第144-146页 |
| 5.2 基于高光谱子空间分解的目标检测 | 第146-153页 |
| 5.2.1 HySime算法原理 | 第147-150页 |
| 5.2.2 基于GPU的分解子空间方法及性能优化 | 第150-153页 |
| 5.3 快速UNCLS算法 | 第153-157页 |
| 5.4 实验结果及分析 | 第157-167页 |
| 5.4.1 基于GPU加速的HySime算法结果及优化手段 | 第157-162页 |
| 5.4.2 快速UNCLS高光谱目标检测方法的实验结果与分析 | 第162-167页 |
| 5.5 本章小结 | 第167-168页 |
| 第六章 总结与展望 | 第168-172页 |
| 6.1 工作总结 | 第168-169页 |
| 6.2 工作展望 | 第169-172页 |
| 参考文献 | 第172-190页 |
| 致谢 | 第190-192页 |
| 作者简介 | 第192-193页 |