学位论文 > 优秀研究生学位论文题录展示

基于GPU的图像检索与重建技术研究

作　者: 赵中兴
导　师: 周昌乐
学　校: 厦门大学
专　业: 计算机技术
关键词: 矢量量化 CUDA 特征向量
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科技的进步和互联网多媒体等技术的高速发展,图像等数字化信息呈现出了爆炸性的增长,数字图像已经成为一种重要的信息载体与表现形式,它被广泛应用于学术、航天、医疗等领域。怎样对这些图像数据进行有效的组织和管理成为亟待解决的热点问题,图像检索和重建技术成为处理这些图像信息的关键技术。面对如此爆炸式增长的图像数据,对传统的图像处理技术提出了新的要求,因此,研究和开发高效、实用的图像检索和重建技术用来处理这些海量图像数据成为一项重要的研究课题。目前,为了提高计算效率,多核处理器已经成为很多计算设备的标配,随着科技的发展,显卡中图形处理单元(GPU)的处理能力也在不断增强,GPU越来越多地被应用于计算密集型的数据运算处理中。基于GPU的统一计算设备架构(CUDA)的提出,为计算密集型、高度并行化的算法提供了一个高效快速的计算平台,并在生物医学、航空航天、金融模型等方面都取得了不错的加速效果。因此,对于图像的处理,设计一种基于CUDA的并行高效的检索和重建技术具有重要的研究价值。本文从对传统的图像检索技术进行分析的基础上入手,结合经常用于图像压缩和重建的矢量量化(LBG)算法,探讨了通过对图像进行颜色特征提取、分割、量化编码等步骤,使图像重建后的效果得到明显改善。而且对编码后的图像进行特征提取形成特征向量,通过运用综合的检索模型,从而能够有效的计算图像之间的相似度,提高了检索算法的准确率。并且还对算法中的可并行执行部分进行了深入研究,通过结合CUDA架构与显卡硬件的可编程性,使算法能在GPU上并行执行,提高了算法的执行效率。

全文目录

摘要  4-5
Abstract  5-6
目录  6-8
Contents  8-10
第一章绪论  10-16
  1.1 研究背景及意义  10-11
  1.2 研究现状  11-14
    1.2.1 图像检索技术  11-13
    1.2.2 图像压缩与重建技术  13-14
  1.3 本文主要研究内容  14-15
  1.4 本文结构安排  15-16
第二章图像检索与重建技术概述  16-28
  2.1 引言  16
  2.2 图像检索技术  16-23
    2.2.1 基于文本的图像检索技术  16-17
    2.2.2 基于内容的图像检索技术  17-19
    2.2.3 图像相似性计算  19-20
    2.2.4 检索技术的应用现状  20-23
  2.3 图像压缩与重建技术  23-26
    2.3.1 基本原理  23-25
    2.3.2 图像压缩评价方法  25-26
  2.4 本章小结  26-28
第三章 GPU并行计算  28-42
  3.1 通用GPU计算模型  30-35
    3.1.1 编程模式  30-31
    3.1.2 线程层次结构  31-32
    3.1.3 主机和设备  32-34
    3.1.4 软件栈  34-35
  3.2 存储器组织  35-38
  3.3 GPU并行计算过程  38-39
  3.4 CUDA优化策略  39-41
  3.5 本章小结  41-42
第四章算法在GPU上执行  42-54
  4.1 简介  42-43
  4.2 矢量量化算法LBG  43-47
    4.2.1 CUDA-LBG框架  43-45
    4.2.2 LBG算法分析  45-46
    4.2.3 图像压缩与重建的并行实现步骤  46-47
  4.3 基于颜色和关键子块的图像检索  47-52
    4.3.1 关键子块混合模型  48-52
    4.3.2 颜色特征提取  52
  4.4 CPU与GPU异构并行  52-53
  4.5 本章小结  53-54
第五章实验与分析  54-60
  5.1 实验设置  54
  5.2 图像压缩重建性能评估  54-56
  5.3 图像检索效果分析  56-58
  5.4 本章小结  58-60
第六章总结和展望  60-62
  6.1 本文工作总结  60
  6.2 未来工作展望  60-62
参考文献  62-68
附录攻读硕士学位期间发表的论文  68-70
致谢  70

基于GPU的图像检索与重建技术研究

内容摘要

全文目录

相似论文