基于GPU的混合分辨图像的超分辨的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 引言 | 第13-14页 |
| 1.2 国内外研究现状 | 第14页 |
| 1.3 本文研究的背景及意义 | 第14-16页 |
| 1.4 本文的组织架构 | 第16-17页 |
| 第二章 通用GPU和CUDA开发平台 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 通用GPU的特点 | 第17-19页 |
| 2.2.1 通用GPU计算特点 | 第17-19页 |
| 2.2.2 通用GPU发展趋势 | 第19页 |
| 2.3 GPU开发环境 | 第19-21页 |
| 2.3.1 传统GPU开发 | 第20页 |
| 2.3.2 CUDA开发 | 第20-21页 |
| 2.4 CUDA平台 | 第21-26页 |
| 2.4.1 CUDA硬件结构 | 第21-23页 |
| 2.4.2 CUDA存储器模型 | 第23-24页 |
| 2.4.3 CUDA编程模型 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 图像超分辨率重建算法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 经典超分辨率算法 | 第27-31页 |
| 3.2.1 插值算法 | 第27-28页 |
| 3.2.2 迭代反投影法（IBP） | 第28-29页 |
| 3.2.3 凸投影算法（POCS） | 第29-30页 |
| 3.2.4 最大后验概率方法 | 第30页 |
| 3.2.5 基于学习的方法 | 第30-31页 |
| 3.3 混合分辨图像的超分辨原理 | 第31-33页 |
| 3.3.1 混合分辨率 | 第31页 |
| 3.3.2 多帧图像的混合分辨率处理 | 第31-32页 |
| 3.3.3 混合分辨图像的超分辨的实现方法 | 第32-33页 |
| 3.4 图像质量评估方法 | 第33-36页 |
| 3.4.1 主观评估方法 | 第34页 |
| 3.4.2 客观评估方法 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 混合分辨图像的超分辨模型 | 第38-61页 |
| 4.1 引言 | 第38-39页 |
| 4.2 视角的转化及投影 | 第39-43页 |
| 4.2.1 图像视角转化 | 第39-41页 |
| 4.2.2 图像的投影 | 第41-43页 |
| 4.3 投影图的修复 | 第43-52页 |
| 4.3.1 图像的修复技术 | 第45-46页 |
| 4.3.2 基于非均匀数据采样的图像修复方法 | 第46-52页 |
| 4.4 得到超分辨图像 | 第52-53页 |
| 4.5 混合分辨率图像的超分辨MATLAB仿真 | 第53-59页 |
| 4.5.1 算法的MATLAB仿真 | 第53-55页 |
| 4.5.2 MATLAB数据分析 | 第55-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 混合分辨图像的超分辨的仿真与实现 | 第61-77页 |
| 5.1 引言 | 第61页 |
| 5.2 混合分辨图像的超分辨的GPU实现 | 第61-67页 |
| 5.2.1 算法所需要的函数库及配置 | 第61-64页 |
| 5.2.2 DCT算法 | 第64-65页 |
| 5.2.3 混合分辨图像的超分辨的GPU实现 | 第65-67页 |
| 5.3 GPU的优化策略和算法优化 | 第67-70页 |
| 5.3.1 GPU优化策略 | 第67-68页 |
| 5.3.2 DCT算法优化 | 第68-70页 |
| 5.4 优化前后以及MATLAB数据对比分析 | 第70-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结和展望 | 第77-78页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 个人简历以及攻读硕士期间取得的研究成果 | 第83-84页 |
