论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 论文研究的背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本文的主要工作及论文安排 | 第17-19页 |
| 第二章 SAR图像处理相关算法原理 | 第19-35页 |
| 2.1 金字塔互信息图像配准原理 | 第19-22页 |
| 2.1.1 金字塔互信息图像配准原理 | 第19-20页 |
| 2.1.2 金字塔互信息图像配准流程 | 第20-22页 |
| 2.2 基于马尔可夫场的SAR图像变化检测算法 | 第22-25页 |
| 2.2.1 马尔可夫随机场基本原理 | 第22页 |
| 2.2.2 吉布斯随机场基本原理 | 第22-23页 |
| 2.2.3 马尔可夫随机场与吉布斯随机场的等效条件 | 第23页 |
| 2.2.4 基于马尔可夫随机场的SAR图像变化检测算法流程 | 第23-25页 |
| 2.3 基于小波变换的SAR图像变化检测算法 | 第25-32页 |
| 2.3.1 小波变换基本原理 | 第25-30页 |
| 2.3.2 基于小波变换的SAR图像变化检测算法流程 | 第30-32页 |
| 2.4 基于小波变换的SAR图像融合算法 | 第32-34页 |
| 2.4.1 基于小波变换的SAR图像融合算法原理 | 第32-33页 |
| 2.4.2 基于小波变换的SAR图像融合的算法流程 | 第33页 |
| 2.4.3 图像小波分解的最高分解层数 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 SAR图像处理基本模块的CUDA并行实现 | 第35-47页 |
| 3.1 GPU应用于通用计算的基本技术 | 第35-39页 |
| 3.1.1 CUDA并行编程模型 | 第35-37页 |
| 3.1.2 CUDA存储器模型 | 第37-38页 |
| 3.1.3 NVIDIA板卡型号对编程的限制 | 第38-39页 |
| 3.2 基本算法模块的CUDA并行实现 | 第39-45页 |
| 3.2.1 卷积模块的CUDA并行实现 | 第39-43页 |
| 3.2.2 图像统计直方图的CUDA并行实现 | 第43-45页 |
| 3.3 本章小结 | 第45-47页 |
| 第四章 基于GPU的SAR图像处理结果及性能分析 | 第47-71页 |
| 4.1 CUDA架构下金字塔互信息图像配准方案及性能比较 | 第47-53页 |
| 4.1.1 CUDA架构下金字塔互信息图像配准方案 | 第47-50页 |
| 4.1.2 CUDA架构下金字塔互信息图像配准性能比较 | 第50-53页 |
| 4.2 CUDA架构下基于马尔可夫场的图像变化检测方案及性能比较 | 第53-58页 |
| 4.2.1 CUDA架构下基于马尔可夫场的图像变化检测方案 | 第53-55页 |
| 4.2.2 CUDA架构下基于马尔可夫场的SAR图像变化检测性能比较 | 第55-58页 |
| 4.3 CUDA架构下小波变换变化检测实现方案及性能比较 | 第58-62页 |
| 4.3.1 CUDA架构下小波变换变化检测方案 | 第58-60页 |
| 4.3.2 CUDA架构下小波变换变化检测性能比较 | 第60-62页 |
| 4.4 CUDA架构下基于小波变换图像融合方案及性能比较 | 第62-66页 |
| 4.4.1 CUDA架构下小波变换图像融合方案 | 第62-63页 |
| 4.4.2 CUDA架构下小波变换图像融合性能比较 | 第63-66页 |
| 4.5 多源多时相大幅遥感影像融合与变化检测软件演示平台 | 第66-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
