声明
摘要
1 绪论
1.1 课题研究背景和意义
1.2 研究现状
1.2.1 空谱联合的高光谱图像分类
1.2.2 高光谱图像处理的GPU并行优化
1.3 论文主要内容及结构安排
1.3.1 论文主要研究内容
1.3.2 论文结构安排
2 基于CUDA的GPU并行计算
2.1 GPU并行计算概述
2.2 GPU并行编程技术
2.3 CUDA并行计算架构
2.3.1 CUDA硬件架构
2.3.2 CUDA软件体系
2.3.3 CUDA编程模型
2.3.4 CUDA存储器模型
2.3.5 CUDA程序性能优化
2.4 论文实验平台
2.5 本章小结
3 稀疏性高光谱分类的GPU并行优化
3.1 引言
3.2 基于稀疏表示的高光谱图像分类
3.3 基于空间相关性正则化的稀疏表示分类并行优化
3.3.1 基于空间相关性正则化的稀疏表示分类算法原理
3.3.2 基于GPU的并行优化设计
3.3.3 实验及结果分析
3.4 基于空谱联合核稀疏表示分类的GPU并行优化
3.4.1 基于空谱联合核稀疏表示分类算法原理
3.4.2 基于GPU的并行优化设计
3.4.3 实验及结果分析
3.5 本章小结
4 基于贝叶斯框架的高光谱图像分类并行优化
4.1 引言
4.2 马尔科夫场空间先验的贝叶斯分类
4.3 CPU+GPU异构平台下基于稀疏表示和MRF空间先验分类的并行优化
4.3.1 基于稀疏表示和马尔科夫场空间先验的监督分类算法原理
4.3.2 CPU+GPU异构平台下的并行优化
4.3.3 实验及结果分析
4.4 基于稀疏多项式逻辑回归的高光谱图像实时分类方法
4.4.1 稀疏多项式逻辑回归方法原理
4.4.2 基于GPU的LORSAL实时分类方法设计
4.4.3 实验及结果分析
4.5 基于加权马尔科夫场的高光谱分类并行优化
4.5.1 基于加权马尔科夫场的高光谱分类算法原理
4.5.2 基于GPU的并行优化设计
4.5.3 实验及结果分析
4.6 本章小结
5 结束语
致谢
参考文献
攻读硕士学位期间发表的论文和出版著作情况