一、GeForce256会为3D显卡带来一场革命?!（论文文献综述）
王飞飞[1]（2015）在《GPU技术在反应堆设计中的应用研究》文中指出随着当前第三代反应堆系统概念设计的发展，其堆芯结构复杂、材料繁多、能谱多样，提高了对反应堆物理计算方法的要求。由于反应堆相关软件计算程序设计到的算法普遍计算量比较大，耗时比较长，传统的并行处理手段已经不能满足反应堆计算程序的需要，而采用CPU+GPU异构并行模式的通用GPU计算技术很好的解决了这一问题，在很多反应堆相关通用计算软件如ANSYS,GENT4,MCNP等广泛运用，并取得大量成果。随着科技的提升及生产工艺水平的不断进步，通用GPU计算技术凭借其强大的通用计算能力和较大的访存带宽，在高性能计算领域得到快速的发展，成为当今高性能计算领域的研究热点。CPU+GPU模式已经成为现在的主流趋势，已经成功应用在天文计算、生物技术、医疗教育、地震预测等领域，研究基于CPU+GPU异构的GPU并行技术在反应堆相关计算软件的应用具有一定的意义。论文基于上海应用物理研究所超算中心计算平台进行研究工作，平台的集群主要采用主流的Intel CPU和NVIDIA GPU。研究内容主要包括GPU环境搭建、HPL测试、GPU应用实例分析等。论文首先介绍了现代可编程图形硬件技术,详细分析了整个GPU的发展阶段及图形硬件相关技术，分析了可编程图形硬件的结构,指出了其内部可利用的计算资源。其次，调研了CUDA的理论技术，包括CUDA架构、并行线程组织、存储器模型和内存分配、NVCC编译器、CUDA加速库等，并且以此为理论基础，在超算中心集群上搭建GPU计算环境平台。通过HPL测试验证了TMSR设计平台的GPU计算环境可正常工作。最后，我们对反应堆中子物理分析软件SRAC在GPU的应用进行一些研究。在简单介绍完SRAC程序软件的程序架构、安装和运行、计算流程后，通过源代码分析工具understand对SRAC程序源代码分析，研究出适合的GPU并行方案。本文对SRAC程序采取的GPU并行方案主要是整个算法模块和程序局部结构相结合的方法。通过详细阐述三维扩散计算模块和矩阵乘法结构在GPU中的应用，结果表明移植的GPU模块部分计算准备，而且计算速度得到明显提升，为今后研究GPU技术在反应堆中的应用提供一定的参考价值和技术支撑。
张静[2]（2012）在《自然三维电视系统中深度获取算法研究》文中研究指明随着计算机科学的发展,越来越多的技术需要利用场景的三维信息将客观世界真实再现。自然三维电视中采用“2D视频+场景深度+3D增强信息”的编码方案,需要事先提供准确的深度信息。因此,深度提取技术是影响自然三维电视性能的关键因素,研究相应的深度提取技术对自然三维电视系统的实现具有积极的参考意义。目前获取物体的三维信息主要有两种途径：深度摄像机直接拍摄获取的主动立体方法以及通过求取图像匹配点视差而获取深度的被动立体方法。本文在实验室现有三维电视系统平台上,对这两种技术均做了深入的研究,重点分析了两种技术各自的特点,并研究如何融合主动立体与被动立体方法提取深度信息。本文的主要成果包括：（1）提出了一种“AW聚合+DP优化”（Adaptive Window Aggregation and Dynamic Programming）的深度获取算法。该算法根据图像的色彩信息为每个像素点自适应地选择聚合窗口,并采用DP算法进行后期优化,修复错误点。该算法原理简单,运行速度快,能够较好地保持物体的边缘,提高视差图的质量。（2）通过研究GPU并行加速实现算法,构建了一个场景深度信息获取系统,包括图像的采集、处理以及深度信息提取等部分。本文针对CUDA平台的特点,对“AW聚合+DP优化”算法进行了相应改写,使其适合并行加速计算,能够达到半实时性地输出准确的深度信息。（3）提出一种融合ToF摄像机与AW聚合信息的深度获取算法。ToF摄像机易受光线、噪声和物体材质的影响,而AW聚合信息算法对遮挡区域、低纹理、重复纹理区域的处理效果不佳。根据两者的互补特性,本文提出融合ToF摄像机和AW聚合的正确信息,获得的视差图比单一方法更加准确,且该算法可以有效避免其他优化算法模糊边缘的缺陷。
罗作喜[3]（2011）在《虚拟现实技术在室内设计中的应用研究》文中进行了进一步梳理一个完整的室内方案设计要耗费设计师大量的重复劳动,平面设计效果图和二维施工图难以全面表达设计师的设计理念,客户也难以全面了解和感受设计方案想要展示的三维空间规划,无法预先体验更是导致很多设计缺憾。随着计算机三维图形技术的不断发展,图形硬件的计算能力的大幅提升,以及近年来实时真实感渲染算法的大量研究应用,如今在PC图形工作站上利用虚拟现实技术实现虚拟漫游已经成为可能。本文对解决实现虚拟漫游中的提高建模速度和实现实时逼真渲染这两个关键性问题展开较为深入的研究。在三维实体建模、全局光照渲染算法及交互式实时逼真渲染等方面的研究成果基本达到实际应用的水平。在如何提高建模速度上,从减少不必要的重复劳动出发,尝试探索从三维模型程序生成两维施工图的实现方法。经过分析室内设计的业务需求和特点,提出了构件式参数化快速建模和模型资源复用的思路,并借助基于边界表示方法的开源CAD内核OpenCascade基本实现了这个目标。渲染质量和速度是可视化三维场景的一对矛盾,本文在前人研究成果的基础上,探索实现交互式实时渲染高真实感的室内场景的思路和方法,在开源项目MNRT的基础上,利用NVIDIA公司强大的应用程序引擎,包括光线追踪引擎OptiX、场景管理引擎SceniX和物理引擎PhysX,设计完成了一套具备商业应用价值的室内设计专用软件。本文最后展示了部分研究成果及其在实际家居工程室内设计中的应用案例,总结了虚拟现实技术的应用给室内设计师、客户和设计公司三者带来的益处,以及专用室内设计软件与其他软件组合的不同和优势。提出了不足之处和后续的研究方向。
钟联波[4]（2009）在《GPU与CPU的比较分析》文中认为本文首先介绍了GPU（Graphics Processing Unit）的基本信息,并讨论了GPU同CPU的关系,然后简要地介绍了GPU当前的应用。
陶晶[5]（2009）在《8086单芯片计算机显示接口技术的研究》文中研究表明在单芯片计算机设计思想中,传统PC机主板上的各分立芯片将被最大限度的集成于单颗硅片上。这一革新使得计算机硬件系统在重量、体积和功耗上都得以大幅下降,与此同时,计算机总体性能却得到了极大的改善。其中,基于单芯片计算机体系架构的显示接口模块的设计,对丰富单芯片计算机理论,完善单芯片计算机体系架构,实现单芯片计算机人机交互都有着非常积极的研究意义。本文围绕8086单芯片计算机项目开展研究工作,借鉴IP/SoC的设计方法,在研究8086 CPU以及相关计算机体系架构的基础上搭建了8086单芯片计算机实验平台;并在该平台上结合所研究的显示接口相关技术,设计集成了了基于8086单芯片计算机的显示接口模块,实现了该功能电路在8086单芯片计算机实验平台上的集成与验证。论文的主要工作和成果如下:1.基于单芯片计算机理论的研究探索,搭建了基于8086 CPU的单芯片计算机实验平台;2.基于上述平台,设计集成了显示接口模块内的DMA显示传输通道、SDRAM结构显存及VGA显示端口三大功能单元;3.基于8086单芯片计算机实验平台完成显示接口模块的RTL级功能仿真;4.基于8086单芯片计算机实验平台设计相关验证方案,在Altera DE2开发板上实现显示接口的FPGA原型验证。
董恺[6]（2008）在《林下参生长环境可视化研究》文中提出在农业环境可视化系统的开发中,经常会遇到农业逻辑模型不易描述、不能移植、绘制代码和模型代码结合紧密,从而造成系统开发耗时长,维护困难,不易升级或复用等问题。为解决这一问题,课题的研究首先从图形学理论入手,在对可视化系统整体构建进行了理论分析的基础上,以东北林下参生长环境为模型,构建开放式的三维虚拟环境平台,将虚拟环境应用在农业领域。本文主要分两个部分:在文章的前半部分以理论分析的方式设计描述了一个与平台无关的图形引擎,这部分以设计思想为主,软件开发为辅。从多角度入手设计了一个完整的三维环境引擎,并且最终利用C++语言加以实现。在实验引擎的基础上,文章的第二部分,利用引擎结合东北林下参和真实的地貌特征针对如何构建林下参生长环境的可视化进行了研究。并实现了虚拟环境对真实地表的复原,为林下参生长环境的进一步研究打下了坚实的基础。通过以上研究和实践验证了在农业三维仿真平台中应用中间引擎的必要性和可行性,为今后的农业三维虚拟环境构建工作提供了一种新的研究平台和研究基础。
刘耀林[7]（2008）在《基于GPU的图像快速旋转算法优化及应用研究》文中进行了进一步梳理同视机是临床检查、治疗斜视和弱视非常重要的眼科医疗仪器,但是传统机械式同视机在检查精度,操作方法以及功能扩展方面存在诸多问题。数字化同视机利用计算机技术,实现了传统同视机检查、治疗弱视和斜视的功能,具有检查精度高、速度快,操作简便灵活等优点。在数字化同视机的研制过程中,需要高质量的图像以一定的匀速连续、快速地旋转来实现数字化的CAM光栅训练,尽管图像快速旋转是数字图像处理中的一项基本操作,但是基于CPU程序的纯软件的图像旋转算法及其改进算法不能很好地满足CAM训练对旋转流畅性以及操作实时性的要求,而基于DSP+FPGA的硬件方式则不能满足数字化同视机对开发成本以及系统灵活性的要求。近年来,图形处理器（Graphics Processing Unit,简称GPU）发展日益成熟,它专为图形计算而设计,在图像处理方面,比起CPU有明显的优势,它能以更快的速度完成图像处理过程中的矩阵运算,并且已经在顶点级和像素级提供了可编程性。图像处理器为实现数字化CAM光栅训练提供了新的思路。本文利用GPU技术,对传统图像快速旋转算法进行优化设计,然后利用优化后的算法提出一种实现数字化的CAM光栅训练的新方法。首先,从硬件和软件两方面详细分析了图形处理器的技术要点,尤其是可编程流水线的功能结构、着色器的编程原理以及Direct3D效果的使用方法。然后,利用Direct3D的可编程流水线以及ASM着色语言,设计了基于GPU的图像快速旋转的优化算法。该算法首先根据GPU特性存储图像数据,以便GPU能快速处理;然后在顶点着色器中利用GPU加速矩阵运算,完成模型平面每一帧的旋转变换;最后在像素处理阶段利用三线性滤波技术进行纹理滤波以及纹理采样,完成屏幕上每一像素颜色值的计算。整个算法从数据存储方式、顶点几何变换以及纹理映射三个方面对传统图像旋转算法进行优化,获得了较好的图像质量和较高的画面刷新率（FPS）,同时克服了图像尺寸增大带来的计算量成倍递增的问题。最后,在DierctX应用程序框架中,根据CAM光栅训练的操作要求设计各个回调函数,根据顶点处理和像素处理部分的功能设计能统一管理可编程着色器的效果文件,应用优化后的旋转算法完成CAM光栅训练中条栅图像实时旋转部分的设计以及修改旋转参数的设计,并对设计结果进行分析与比较。基于GPU的CAM训练不论是在操作实时性还是在CPU占用率上都比基于CPU应用程序的CAM训练有明显优势的结论。
王海波[8]（2007）在《低带宽环境下桌面共享协同设计的关键技术研究》文中指出随着CAD系统与计算机支持的协同工作（CSCW）领域研究的迅速发展,人们正在寻求将CAD技术与CSCW技术结合起来,以开发出计算机支持的协同设计系统（CSCD）。基于桌面共享的CSCD系统有着“所见即所得”、高鲁棒性的优点,而且支持异构的软件环境,即不同的设计人员不需要安装相同的CAD软件。但由于其传输的是图像数据,对带宽的要求较高,因此本文研究了低带宽环境下桌面共享协同设计系统的一些关键技术,研究重点在于如何降低带宽占用,主要包括:一、屏幕图像的压缩,协同设计不仅要求尽量压缩屏幕图像,对压缩质量也有很高要求,因此本文研究了当前成熟的图像压缩技术并加以对比,针对协同设计的要求,采用了一种针对计算机屏幕图像的混合压缩算法。二、屏幕图像的热点捕捉,针对计算机屏幕图像变动的连续性和局部性,本文研究了当前最先进的基于镜像显示驱动的热点捕捉技术。三、鼠标图像的获取,针对CAD应用中鼠标图像丰富的特点,本文研究了几种获取鼠标图像的方法,并进行了对比。四、其他优化选项,为了更好地降低带宽的占用,本文研究了具体
台风[9]（2006）在《物理运算的世界》文中研究说明尽管普遍认为PPU功能最终将被GPU所整合,单独的物理加速卡前途有限。但理智分析下来,也许会得到不一样的结论:PhysXPPU的逻辑结构类似于Cell,它在功能上完全是一款纯粹的物理运算处理器,但即便如此,PhysXPPU的晶体管规模依然惊人,物理运算性能也十分强悍。
徐志鹏[10]（2005）在《造纸过程中纸病检测关键技术研究》文中进行了进一步梳理在线检测是现代制造业中一个重要的组成部分。在不同的行业中有着大量的应用,例如造纸业,纺织业,塑料,金属,胶合板等等。检测系统的目的是根据用户提出的要求,对于那些影响产品质量的瑕疵进行检测和分类。现代造纸业的特点是幅值宽、速度快。现代造纸机的幅宽可以超过9米,速度达到30米/秒。这样的机器每秒钟生产大约3X108mm2的纸张,靠人工肉眼检测成纸的瑕疵即纸病已不可能。基于CCD技术的纸病检测系统采用CCD元件作为传感器,连续拍摄运动纸幅的图象,利用计算机对数字采集信号进行分析处理,确定纸病的位置和类型。从有关当前商用纸病检测系统为数不多的产品介绍和使用报告来看,阈值算法（包括全局阈值和局部阈值）是当前纸病检测系统所使用的主要检测方法,而共生矩阵、自组织映射（SOM）等描述方法主要用于对可疑局域的特征提取和分类。这主要是因为阈值算法具有较高的计算效率,适合于现场的实时性检测要求。而共生矩阵、自组织映射（SOM）等算法虽然能够更加准确地分离出纸病,但是计算较为复杂,不能满足实时检测的要求。如果能够提高其计算速度,直接将其应用到纸病的实时检测部分,无疑会大大提高系统的检测精度和准确性,克服阈值算法不能检测低对比度纸病、微弱纸病和特殊形状纸病的缺陷。本文在现有的基于自组织映射（SOM）算法的基础上,对于影响计算实时性的关键算法提出了新的优化方案和思路,使该算法用于实时检测成为可能,并且探讨了使用图形硬件实现纸病检测的可能性,得到了积极的结果。本文所说的实时性是指在普通家用摄像机上能够实现实时检测的情况,也就是说,检测速度是25帧/秒（PAL）或者30帧/秒（NTSC）。同时,对于工业现场中存在的诸如纸种的改变、光源寿命造成的亮度降低、灰尘等诸多因素导致的检测模型的扰动,提出两种解决方案,一种是快速更新检测模型,使之适应变化了的环境条件,本文的第四部分探讨了利用图形硬件来快速更新检测模型的算法,另外,本文第五部分提出了一种新的基于小波奇异性特征的检测算法,仿真研究表明该算法具有良好的抗干扰性。本文的主要内容包括:1纸幅图像可以看作随机纹理,本文以现有基于统计SOM（Self OrganizingMap）的纸病检测原理为基础,对于影响计算实时性的关键算法提出了优化的方案和思路,包括置信区间合并原则,即对于SOM的分类结果中,置信区间发生嵌套的情况进行合并,从而大大降低了原有算法的所需计算量,提高了算法的效率,以及推导出纵向部分重叠窗口的共生矩阵特征向量（包括均值、反差）的快速算法,从而使得利用普通计算机硬件实现纸病图像的实时处理成为可能。在较为低廉的CPU（Intel P4 1.7Ghz）下,对于一幅512X512的灰度图像,得到了约5帧/秒的检测速度。随着当前计算机硬件技术的高速发展,出现了多线程
二、GeForce256会为3D显卡带来一场革命?!（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GeForce256会为3D显卡带来一场革命?!（论文提纲范文）
（1）GPU技术在反应堆设计中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1. 绪论 |
| 1.1 引言 |
| 1.2 TMSR 的发展与研究现状 |
| 1.3 GPU 的发展、应用与研究现状 |
| 1.4 论文选题的目的及意义 |
| 1.5 论文章节安排 |
| 2. GPU 计算技术基本理论 |
| 2.1 GPU 设计架构 |
| 2.1.1 传统 GPU 的架构设计 |
| 2.1.2 统一渲染架构的设计 |
| 2.1.3 统一流处理器架构的设计 |
| 2.2 GPU 用于通用计算的优势 |
| 2.3 CUDA 技术简介 |
| 2.3.1 CUDA 理论基础 |
| 2.3.2 CUDA 架构介绍 |
| 2.3.3 并行线程组织 |
| 2.3.4 存储器模型和内存分配 |
| 2.3.5 NVCC 编译器 |
| 2.3.6 CUDA Libraries |
| 2.4 本章小结 |
| 3. GPU 环境搭建 |
| 3.1 TMSR 设计平台的计算环境 |
| 3.1.1 软件环境 |
| 3.1.2 硬件环境 |
| 3.2 CUDA 平台的安装 |
| 3.3 Hpl 测试及分析 |
| 3.3.1 单节点测试 |
| 3.3.2 多节点测试 |
| 3.3.3 总结 |
| 3.4 本章小结 |
| 4. GPU 在 SRAC 软件中的应用实例分析 |
| 4.1 SRAC 简介 |
| 4.1.1 SRAC 软件系统 |
| 4.1.2 SRAC 软件安装及运行 |
| 4.1.3 SRAC 计算流程 |
| 4.2 SRAC 程序分析 |
| 4.2.1 understand 软件分析工具 |
| 4.2.2 SRAC 程序结构 |
| 4.2.3 SRAC 并行设计方案分析 |
| 4.3 fortran 和 C 的混编 |
| 4.3.1 符号约定名称 |
| 4.3.2 数据类型 |
| 4.3.3 函数参数及返回值 |
| 4.4 矩阵乘法在 GPU 中的运用 |
| 4.4.1 矩阵相乘的内积算法 |
| 4.4.2 并行算法设计及实验结果 |
| 4.5 三维扩散方程在 GPU 中的应用 |
| 4.5.1 中子三维扩散方程理论模型 |
| 4.5.2 三维差分方程的推导 |
| 4.5.3 超松弛迭代法 |
| 4.5.4 并行算法实现方案 |
| 4.5.5 实验结果 |
| 4.6 本章小结 |
| 5. 总结及展望 |
| 5.1 主要研究工作总结 |
| 5.2 展望 |
| 参考文献 |
| 发表文章及获奖情况 |
| 致谢 |
（2）自然三维电视系统中深度获取算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| 英文摘要 |
| 目录 |
| 图目录 |
| 表目录 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 3DTV的发展与现状 |
| 1.3 3DTV系统简介 |
| 1.4 深度获取算法 |
| 1.5 本文的主要研究内容和章节安排 |
| 1.5.1 主要研究工作 |
| 1.5.2 论文章节安排 |
| 第二章 "AW聚合+DP优化"深度获取算法 |
| 2.1 双目立体视觉原理 |
| 2.2 立体匹配的研究内容 |
| 2.2.1 匹配基元的选择 |
| 2.2.2 匹配的约束条件 |
| 2.2.3 立体匹配的常用算法 |
| 2.3 "AW聚合+DP优化"深度获取算法 |
| 2.3.1 AW聚合的窗口选择 |
| 2.3.2 基于AW聚合获取的初始视差图 |
| 2.3.3 基于DP的视差图优化 |
| 2.3.4 视差图的后处理及结果分析 |
| 2.4 视差图序列的稳定性 |
| 2.5 本章小结 |
| 第三章 基于GPU的"AW聚合+DP优化"算法实现 |
| 3.1 GPU的特点 |
| 3.2 CUDA架构 |
| 3.2.1 编程模型 |
| 3.2.2 CUDA程序优化 |
| 3.3 CUDA平台上的"AW聚合+DP优化"算法实现 |
| 3.3.1 CUDA平台上的AW聚合算法实现 |
| 3.3.2 CUDA平台上的DP优化算法实现 |
| 3.3.3 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 ToF摄像机与AW聚合信息相融合的深度获取算法 |
| 4.1 ToF摄像机 |
| 4.2 常见的基于ToF摄像机的深度获取算法 |
| 4.3 ToF摄像机与AW聚合信息相融合的深度获取算法 |
| 4.3.1 ToF摄像机与AW聚合信息融合算法的实验平台 |
| 4.3.2 ToF深度图的预处理 |
| 4.3.3 代价函数的构造 |
| 4.3.4 ToF摄像机与AW聚合信息的融合算法 |
| 4.3.5 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 作者简历及在学期间所取得的科研成果 |
（3）虚拟现实技术在室内设计中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 虚拟现实技术的发展及其应用 |
| 1.1.1 计算机图形学诞生,VR思想萌芽 |
| 1.1.2 真实感图形学和实体造型技术产生 |
| 1.1.3 CG加速发展,真实感图形学成熟,VR技术产生 |
| 1.1.4 GPU时代来临,VR技术的发展日趋完善 |
| 1.2 VR技术在室内设计中的应用及问题 |
| 1.2.1 VR技术在室内设计中的应用 |
| 1.2.2 VR技术在室内设计应用中存在的问题 |
| 1.3 本文研究的内容和章节安排 |
| 第二章 本文相关的理论、技术和工具 |
| 2.1 三维建模理论 |
| 2.1.1 三维形体的计算机表示方法介绍 |
| 2.1.2 室内设计中三维形体表示法的应用 |
| 2.1.3 Mesh网格生成算法 |
| 2.1.4 三维场景数据组织 |
| 2.2 全局光照渲染技术 |
| 2.3 基于GPU的渲染技术 |
| 2.3.1 GPU和CUDA介绍 |
| 2.3.2 基于GPU的光线追踪 |
| 2.4 本文使用的相关工具 |
| 2.4.1 OpenCascade |
| 2.4.2 B1ender |
| 2.4.3 Qt |
| 第三章 基于VR技术的室内设计系统的分析 |
| 3.1 室内设计业务流程 |
| 3.2 基于VR技术的室内设计需求 |
| 3.2.1 快速三维建模 |
| 3.2.2 施工图输出 |
| 3.2.3 效果图和动画输出 |
| 3.2.4 虚拟漫游 |
| 3.3 系统架构和功能模块分析 |
| 3.3.1 系统架构 |
| 3.3.2 建模与可视化模块分析 |
| 3.3.3 GPU引擎模块分析 |
| 第四章 基于VR技术的室内设计系统的设计与实现 |
| 4.1 建模系统设计与实现 |
| 4.1.1 系统类图 |
| 4.1.2 应用程序类和主界面 |
| 4.1.3 交互命令 |
| 4.1.4 模型元素 |
| 4.1.5 墙体自动连接功能实现 |
| 4.1.6 其他构件 |
| 4.2 可视化系统设计与实现 |
| 4.2.1 渲染数据准备 |
| 4.2.2 BREP模型网格化 |
| 4.2.3 材质系统 |
| 4.2.4 灯光系统 |
| 4.2.5 实时逼真渲染 |
| 4.3 家居工程项目应用实例 |
| 4.3.1 原始房型建模及硬装饰 |
| 4.3.2 软装饰模型导入和布置 |
| 4.3.3 可视化设计和三维虚拟漫游 |
| 4.4 分析与比较 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.1.1 本文完成的工作 |
| 5.1.2 后续工作 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（5）8086单芯片计算机显示接口技术的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 致谢 |
| 第一章 绪论 |
| 1.1 单芯片计算机研究背景 |
| 1.2 单芯片计算机中的CPU |
| 1.3 计算机显示技术 |
| 1.3.1 主要显示接口技术 |
| 1.3.2 计算机系统中的显卡技术 |
| 1.3.3 显示技术中的DMA应用 |
| 1.4 单芯片计算机设计方法学 |
| 1.4.1 基于IP重用和平台的SoC设计 |
| 1.4.2 单芯片计算机验证实验平台 |
| 1.5 课题研究内容 |
| 1.6 课题研究意义 |
| 1.7 论文结构 |
| 第二章 8086单芯片计算机实验平台 |
| 2.1 8086单芯片计算机实验平台 |
| 2.1.1 8086 CPU子系统 |
| 2.1.2 8086单芯片计算机总线架构及扩展 |
| 2.2 8086单芯片计算机显示接口模块 |
| 2.2.1 SDRAM存储器单元 |
| 2.2.2 VGA显示输出端口 |
| 2.2.3 显示接口设计流程 |
| 2.3 小结 |
| 第三章 8086单芯片计算机显示接口的设计 |
| 3.1 显示接口模块的整体架构 |
| 3.2 总线时序 |
| 3.3 DMA传输 |
| 3.4 显示信息DMA传输通道的设计 |
| 3.4.1 DMA控制器接口描述 |
| 3.4.2 DMA控制器功能描述 |
| 3.4.3 DMA控制器模块划分及状态设计 |
| 3.4.4 系统总线与DMAC的匹配 |
| 3.5 显示传输缓冲FIFO通道 |
| 3.6 SDRAM显存单元 |
| 3.6.1 SDRAM控制器 |
| 3.6.2 显存模块的设计集成 |
| 3.7 VGA显示端口的设计 |
| 3.8 小结 |
| 第四章 8086单芯片计算机显示接口的仿真及验证 |
| 4.1 仿真验证平台的搭建 |
| 4.2 自动化验证 |
| 4.3 单芯片计算机显示接口的RTL级仿真 |
| 4.3.1 显示接口仿真平台的搭建 |
| 4.3.2 仿真测试激励输入 |
| 4.3.3 仿真验证实验方案 |
| 4.3.4 仿真的执行 |
| 4.3.5 仿真结果 |
| 4.4 单芯片计算机显示接口的FPGA原型验证 |
| 4.4.1 软硬件协同验证 |
| 4.4.2 DE2验证平台 |
| 4.4.3 显示接口验证方案 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 论文成果总结 |
| 5.2 进一步工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（6）林下参生长环境可视化研究（论文提纲范文）
| 提要 |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 可视化建模理论及研究概况 |
| 1.3 研究的主要内容和基本研究路线 |
| 第二章 基础函数库说明 |
| 2.1 基本配置宏定义 |
| 2.1.1 系统配置宏 |
| 2.1.2 编译器配置 |
| 2.2 数学库 |
| 2.2.1 基本类型定义 |
| 2.2.2 数学对象math |
| 2.3 模版库 |
| 2.3.1 单例模式模版 |
| 2.3.2 智能指针模版 |
| 2.4 基础数据块 |
| 2.4.1 DataChunk |
| 2.4.2 SDataChunk |
| 2.5 时间控制器 |
| 2.6 本章小结 |
| 第三章 后台引擎的设计与实现 |
| 3.1 设计思想和引擎的总体结构 |
| 3.1.1 基本概念的说明 |
| 3.1.2 基本设计思想 |
| 3.1.3 引擎总体结构 |
| 3.2 文件系统 |
| 3.2.1 起因——引擎的饥荒危机 |
| 3.2.2 文件系统的职能与设计方法 |
| 3.2.3 基于系统的文件系统 |
| 3.2.4 跨平台的文件系统 |
| 3.3 资源管理系统 |
| 3.3.1 资源管理系统的职能 |
| 3.3.2 资源管理器的设计与实现 |
| 3.4 消息系统 |
| 3.4.1 程序的流程 |
| 3.4.2 消息的定义 |
| 3.4.3 消息系统的使用方法 |
| 3.5 渲染系统 |
| 3.5.1 渲染引擎的基础 |
| 3.5.2 渲染系统中的计算单元 |
| 3.5.3 基本计算用几何体 |
| 3.5.4 渲染流水线(RenderPipeline) |
| 3.5.5 引擎的控制节点Node |
| 3.5.6 摄像机Camera |
| 3.5.7 RenderSystem |
| 3.5.8 RenderTarget |
| 3.5.9 Viewport |
| 3.5.10 DataSources |
| 3.5.11 RenderQueue 和RenderNode |
| 3.5.12 渲染运算符 |
| 3.5.13 硬件缓存 |
| 3.5.14 VertexData |
| 3.5.15 IndexData |
| 3.5.16 Mesh 与SubMesh |
| 3.5.17 纹理与材质 |
| 3.6 本章小结 |
| 第四章 基于引擎的林下参生长环境的建立 |
| 4.1 环境配置 |
| 4.1.1 运行环境需求 |
| 4.1.2 编译环境配置 |
| 4.2 引擎的使用方式 |
| 4.2.1 引擎的运行流程 |
| 4.2.2 引擎与Win32 的结合 |
| 4.2.3 引擎与MFC 的结合 |
| 4.3 林下参生长环境可视化实现 |
| 4.3.1 世界管理器 |
| 4.3.2 空间矩形面 |
| 4.3.3 天空的可视化实现 |
| 4.3.4 仿真地形的实现 |
| 4.3.5 LOD 大规模仿真地表的实现 |
| 4.3.6 树木及人参模型的导入 |
| 4.3.7 虚拟环境的可视化实现 |
| 4.4 本章小结 |
| 第五章 全文总结 |
| 参考文献 |
| 摘要 |
| ABSTRACT |
| 致谢 |
| 导师和作者简介 |
（7）基于GPU的图像快速旋转算法优化及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文的主要工作 |
| 1.3 本文的结构安排 |
| 第2章 可编程图形处理器技术 |
| 2.1 可编程图形硬件技术 |
| 2.1.1 图形处理器的发展 |
| 2.1.2 可编程图形流水线结构 |
| 2.1.3 顶点着色器与像素着色器 |
| 2.2 图形编程接口DirectX以及Direct3D |
| 2.2.1 DirectX的发展历史 |
| 2.2.2 Direct3D关键技术 |
| 2.3 着色语言(Shading Language) |
| 2.4 Direct3D效果框架(Effer Framework) |
| 2.4.1 技术(technique)、通道(pass) |
| 2.4.2 效果的使用方法 |
| 2.5 本章小结 |
| 第3章 基于GPU图像快速旋转算法的实现 |
| 3.1 数字图像旋转算法概述 |
| 3.1.1 图像旋转公式的推导 |
| 3.1.2 图像旋转中的插值算法 |
| 3.1.3 相关优化处理 |
| 3.2 基于GPU的图像快速旋转算法 |
| 3.2.1 总体优化流程图 |
| 3.2.2 总体优化分析 |
| 3.3 算法详细设计 |
| 3.3.1 设置顶点数据 |
| 3.3.2 平面模型旋转变换 |
| 3.3.3 纹理过滤与采样 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 图像旋转优化算法在CAM光栅训练中的应用 |
| 4.1 CAM光栅训练 |
| 4.1.1 CAM光栅训练的原理以及实现方法 |
| 4.1.2 基于CPU应用程序的CAM光栅训练 |
| 4.1.3 基于CPU的CAM光栅训练存在的问题 |
| 4.2 DirectX应用程序框架 |
| 4.2.1 DXUT框架的通用文件 |
| 4.2.2 DXUT主程序文件中的回调函数 |
| 4.2.3 DXUT框架程序的运行过程 |
| 4.3 基于GPU的CAM光栅训练的实现过程 |
| 4.3.1 CAM训练中效果文件的实现 |
| 4.3.2 CAM训练应用程序的实现 |
| 4.4 实验结果与对比分析 |
| 4.4.1 实验结果与操作方法 |
| 4.4.2 算法性能对比与分析 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（8）低带宽环境下桌面共享协同设计的关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 CSCW 技术 |
| 1.1.1 CSCW 技术现状与发展 |
| 1.1.2 CSCW 的主要研究内容和实现技术 |
| 1.2 CSCD 技术 |
| 1.2.1 CSCD 系统 |
| 1.2.2 CSCD 系统目前的研究现状 |
| 1.3 本课题的主要研究工作 |
| 第二章 几种典型的桌面共享系统 |
| 2.1 Net Meeting |
| 2.2 VNC |
| 2.3 Remote Administrator |
| 第三章 低带宽环境下桌面共享协同设计的关键技术 |
| 3.1 屏幕图像的压缩 |
| 3.1.1 现有的主要图像压缩技术 |
| 3.1.2 图像压缩相关标准 |
| 3.1.3 桌面共享协同设计系统中的图像压缩算法 |
| 3.2 屏幕热点的捕捉 |
| 3.2.1 引言 |
| 3.2.2 视窗操作系统中屏幕截图的方法 |
| 3.2.3 屏幕热点捕捉的几种算法 |
| 3.2.4 桌面共享协同设计系统中的屏幕热点捕捉 |
| 3.3 鼠标图像的获取 |
| 3.3.1 软件模拟 |
| 3.3.2 直接获取 |
| 3.3.3 桌面共享协同设计系统中的鼠标图像获取 |
| 3.4 其他优化选项 |
| 3.4.1 桌面墙纸和活动桌面的去除与恢复 |
| 3.4.2 屏幕捕捉频率 |
| 3.4.3 对屏幕图像采用缓存机制 |
| 第四章 实验与结果分析 |
| 4.1 简单屏幕录制与播放系统的实现 |
| 4.1.1 实验设计的总体目标 |
| 4.1.2 实验设计的总体结构 |
| 4.1.3 实验设计的实现要点 |
| 4.2 测试数据获取 |
| 4.3 实验结果分析 |
| 4.3.1 压缩算法的性能 |
| 4.3.2 录制方案对CPU 占用率的影响分析 |
| 4.3.3 直接比对与主动监测对录制性能的影响分析 |
| 4.3.4 屏幕拷贝指令SCREEN_SCREEN 对录制性能的影响分析 |
| 4.3.5 缓存机制对录制性能的影响分析 |
| 4.3.6 鼠标图像捕捉方法对录制性能的影响分析 |
| 4.3.7 录制频率对录制性能的影响分析 |
| 4.3.8 对综合序列的测试结果分析 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（10）造纸过程中纸病检测关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 纸病 |
| 1.2.1 纸病的定义 |
| 1.2.2 纸病的类型 |
| 1.2.3 纸病的模型 |
| 1.3 纸病检测系统概述 |
| 1.3.1 实现原理 |
| 1.3.2 系统结构 |
| 1.4 相关研究工作 |
| 1.5 国内外研究水平 |
| 1.6 本论文的主要研究思路和内容 |
| 1.6.1 现有商用纸病检测系统的缺点 |
| 1.6.2 本文的解决思路 |
| 参考文献 |
| 第二章 基于SOM 的纸病检测 |
| 2.1 自组织映射神经网络(SOM) |
| 2.1.1 SOM 算法 |
| 2.1.2 邻域函数 |
| 2.1.3 学习率 |
| 2.2 统计SOM 算法 |
| 2.3 纹理的描述 |
| 2.4 检测算法研究 |
| 2.4.1 扫描窗口尺寸的选择 |
| 2.4.2 置换向量的选择 |
| 2.4.3 映射单元的选择 |
| 2.5 共生矩阵特征值的快速计算 |
| 2.5.1 水平窗口的快速计算 |
| 2.5.2 垂直窗口的快速计算 |
| 2.6 SOM 算法的适用性和优越性 |
| 2.6.1 SOM 算法下不同纸病的处理结果 |
| 2.6.2 SOM 算法与阈值算法的结果比较 |
| 2.7 仿真结果与结论 |
| 参考文献 |
| 第三章 图形加速的纸病检测 |
| 3.1 图形加速卡的发展 |
| 3.2 GPU 的特点 |
| 1 强有力的并行流处理器 |
| 2 32 位的浮点运算能力 |
| 3 灵活的编程能力 |
| 4 巨大的内存带宽 |
| 3.3 相关工作 |
| 3.4 基于OPENGL 的运算环境 |
| 3.5 基于GPU 的SOM 检测算法 |
| 3.5.1 图像的准备 |
| 3.5.2 计算特征向量的增量 |
| 3.5.3 改进的增量算法 |
| 3.5.4 特征向量的迭代计算 |
| 3.5.5 置信区间的判断 |
| 3.6 仿真结果与讨论 |
| 参考文献 |
| 附录1 OPENGL 运算环境简介 |
| 附录1.1 NV_fragment_program |
| 附录1.2 浮点缓冲区NV_float_buffer |
| 附录1.3 矩形纹理NV_texture_rectangle |
| 附录1.4 多纹理ARB_multitexture |
| 第四章 基于GPU 的SOM 学习算法 |
| 4.1 自组织映射 |
| 4.1.1 增量式学习算法 |
| 4.1.2 批量式学习算法 |
| 4.2 相关工作 |
| 4.3 基于图形卡的增量式SOM 算法 |
| 4.3.1 简单的算术运算 |
| 4.3.2 BMU 的计算 |
| 4.3.3 邻域函数 |
| 4.4 基于GPU 的批量式SOM 算法 |
| 4.4.1 BMU 的计算 |
| 4.4.2 纹理的转换 |
| 4.4.3 计算m i* |
| 4.5 应用实例及仿真结果 |
| 4.6 结论 |
| 参考文献 |
| 第五章 基于奇异性特征的纸病检测 |
| 5.1 相关工作 |
| 5.2 奇异性检测的理论基础 |
| 5.2.1 小波变换 |
| 5.2.2 基于小波的局部奇异性的表达 |
| 5.3 小波的选取 |
| 5.4 一种新算法 |
| 5.4.1 原始瑕疵信号的小波变换 |
| 5.4.2 光滑函数的引入 |
| 5.4.3 引入光滑函数后瑕疵信号的李氏指数 |
| 5.4.3 利用截距判断瑕疵 |
| 5.5 新算法的特性 |
| 5.5.1 正常纹理起伏的数据行 |
| 5.5.2 图像灰度变化的不敏感性 |
| 5.6 实现本文算法所需的硬件条件 |
| 5.7 结论 |
| 参考文献 |
| 结论 |
| 主要创新点 |
| 存在的问题及前景展望 |
| 致谢 |
| 攻读博士学位期间撰写的与本课题相关的论文 |
四、GeForce256会为3D显卡带来一场革命?!（论文参考文献）
- [1]GPU技术在反应堆设计中的应用研究[D]. 王飞飞. 中国科学院研究生院（上海应用物理研究所）, 2015(07)
- [2]自然三维电视系统中深度获取算法研究[D]. 张静. 浙江大学, 2012(07)
- [3]虚拟现实技术在室内设计中的应用研究[D]. 罗作喜. 复旦大学, 2011(08)
- [4]GPU与CPU的比较分析[J]. 钟联波. 技术与市场, 2009(09)
- [5]8086单芯片计算机显示接口技术的研究[D]. 陶晶. 合肥工业大学, 2009(11)
- [6]林下参生长环境可视化研究[D]. 董恺. 吉林大学, 2008(10)
- [7]基于GPU的图像快速旋转算法优化及应用研究[D]. 刘耀林. 浙江工业大学, 2008(08)
- [8]低带宽环境下桌面共享协同设计的关键技术研究[D]. 王海波. 上海交通大学, 2007(06)
- [9]物理运算的世界[J]. 台风. 个人电脑, 2006(06)
- [10]造纸过程中纸病检测关键技术研究[D]. 徐志鹏. 江南大学, 2005(09)