數字圖像處理高級應用：基於MATLAB與CUDA的實現（第2版）

第1章熱點圖像處理方法原理及其MATLAB仿真

1.1基於模型的圖像邊緣檢測及其代碼快速生成

1.1.1模型驅動開發思想概述

1.1.2模型驅動開發的優勢

1.1.3模型驅動開發在圖像處理領域中的應用

1.1.4基於Simulink?Blocks的模型驅動開發圖像處理

1.1.5基於Sobel算子的邊緣檢測的基本原理

1.1.6基於模型的實現

1.1.7代碼的快速生成

1.2從向量相關角度實現圖像匹配

1.2.1基於相關運算圖像匹配的過程

1.2.2在向量空間分析圖像相關匹配

1.2.3基於向量相關的圖像匹配的MATLAB實現

1.3霧靄圖像清晰化及其實現

1.3.1Retinex理論

1.3.2基於Retinex理論的圖像增強的基本步驟

1.3.3多尺度Retinex算法

1.3.4例程精講

1.4基於運動估計的視頻倍頻插幀

1.4.1運動估計簡介

1.4.2運動估計的應用領域

1.4.3運動估計方法分類

1.4.4基於塊匹配方法的運動估計

1.4.5相關概念

1.4.6匹配方法： 價值函數

1.4.7搜索算法

1.4.8實際應用舉例

1.5SIFT特征提取與描述

1.5.1SIFT算法

1.5.2SIFT特征描述

1.5.3實例精講

1.6SURF特征提取與匹配

1.6.1積分圖像

1.6.2DoH近似

1.6.3尺度空間表示

1.6.4SURF特征描述算子

1.6.5程序實現

1.7基於余弦變換的多聚焦圖像融合

1.7.1什麼是圖像融合

1.7.2圖像融合的層次

1.7.3多聚焦圖像融合

1.7.4程序實現

1.8可變目標實時跟蹤技術及其實現

1.8.1復雜環境下目標跟蹤難點分析

1.8.2可變目標跟蹤算法的原理

1.8.3模板更新方法

1.8.4程序實現

第2章並行計算及其在圖像處理中的應用

2.1並行計算的理論知識

2.1.1如何理解並行計算

2.1.2並行計算的發展

2.1.3並行計算的各類實現方式

2.1.4並行計算機常用編程工具

2.1.5什麼是GPU

2.2基於並行計算的圖像處理

2.2.1基於並行計算的圖像處理的優勢

2.2.2效能評價標准

2.2.3圖像處理並行設計方法

2.2.4需要考慮的一些問題

第3章圖像並行處理環境構建

3.1建立一個簡單的對話框工程

3.2用OpenCV顯示Hello World

3.3安裝配置CUDA環境

3.4用CUDA進行並行圖像處理

3.5使用OpenCV讀入、處理和顯示圖像

3.6CUDA編程簡介及其在圖像處理中應用

3.6.1主機端和設備端

3.6.2內核函數、CUDA軟件體系和NVCC編譯器

3.6.3CUDA線程模型的層次結構

3.6.4GPU組成結構及其與線程模型的關系

3.6.5SDK和函數庫

第4章典型圖像處理方法的GPU實現

4.1基於kernel函數的並行圖像處理的程序實現

4.2從圖像處理算法到GPU代碼實現

4.2.1模板匹配的MATLAB代碼

4.2.2模板匹配的CPU串行實現

4.2.3模板匹配的GPU並行實現

4.3使用紋理存儲器加速

4.3.1Sobel算子邊緣提取的GPU實現

4.3.2雙線性插值圖像縮放的GPU實現

4.4基於CUFFT函數庫的圖像頻域變換

4.4.1圖像FFT變換和頻域低通濾波

4.4.2頻域高通濾波

4.4.3多尺度Retinex去霧算法

4.5自適應直方圖均衡

4.6RGB圖像的GPU並行處理

4.6.1彩色圖像去霧算法

4.6.2彩色圖像去霧和直方圖均衡

4.6.3K最近鄰濾波器

4.6.4非局部均值濾波器

第5章數字圖像處理思維方法點撥

5．1學習點撥： 談學習數字圖像處理的經驗

5．1．1面向應用： 層層分解、抓住要點

5．1．2面向學習： 追根溯源、比較總結

5．2思維點撥： 運用Triz思維，突破圖像處理瓶頸

5．2．1Triz理論概述

5．2．2實例分析： 運用Triz理論改進Hough變換的實時性

5．3仿生理論助力圖像處理技術發展

5．3．1什麼是仿生理論

5．3．2仿生理論在數字圖像處理中的應用

附錄ATriz矛盾矩陣表、39項技術參數以及40條創新原則
參考文獻