数字图像处理高级应用--基于MATLAB与CUDA的实现

第1章　热点图像处理方法原理及其MATLAB仿真
　1.1　基于模型的图像边缘检测及其代码快速生成
　　1.1.1　模型驱动开发思想概述
　　1.1.2　模型驱动开发的优势
　　1.1.3　模型驱动开发在图像处理领域中的应用
　　1.1.4　基于Simulink-Blocks的模型驱动开发图像处理
　　1.1.5　基于Sobel算子的边缘检测的基本原理
　　1.1.6　基于模型的实现
　　1.1.7　代码的快速生成
　1.2　从向量相关角度实现图像匹配
　　1.2.1　基于相关运算图像匹配的过程
　　1.2.2　在向量空间分析图像相关匹配
　　1.2.3　基于向量相关的图像匹配的MATLAB实现
　1.3　雾霭天气图像增强技术及其实现
　　1.3.1　Retinex理论
　　1.3.2　基于Retinex理论的图像增强的基本步骤
　　1.3.3　多尺度Retinex算法（MSRCR算法）
　　1.3.4　例程精讲
　1.4　基于运动估计的视频倍频插帧
　　1.4.1　运动估计简介
　　1.4.2　运动估计的应用领域
　　1.4.3　运动估计方法分类
　　1.4.4　基于块匹配方法的运动估计
　　1.4.5　相关概念
　　1.4.6　匹配方法：价值函数
　　1.4.7　搜索算法
　　1.4.8　实际应用举例
　1.5　SIFT特征提取与描述
　　1.5.1　SIFT算法
　　1.5.2　SIFT特征描述
　　1.5.3　实例精讲
　1.6　SURF特征提取与匹配
　　1.6.1　积分图像
　　1.6.2　DoH近似
　　1.6.3　尺度空间表示
　　1.6.4　SURF特征描述算子
　　1.6.5　程序实现
　1.7　基于余弦变换的多聚焦图像融合
　　1.7.1　什么是图像融合
　　1.7.2　图像融合的层次
　　1.7.3　多聚焦图像融合
　　1.7.4　程序实现
第2章　并行计算及其在图像处理中的应用
　2.1　并行计算的理论知识
　　2.1.1　如何理解并行计算
　　2.1.2　并行计算的发展
　　2.1.3　并行计算的各类实现方式
　　2.1.4　并行计算机常用编程工具
　　2.1.5　什么是GPU
　2.2　基于并行计算的图像处理
　　2.2.1　基于并行计算的图像处理的优势
　　2.2.2　效能评价标准
　　2.2.3　图像处理并行设计方法
　　2.2.4　需要考虑的一些问题
第3章　图像并行处理环境构建
　3.1　建立一个简单的对话框工程
　3.2　用OpenCV显示Hello World
　3.3　安装配置CUDA环境
　3.4　用CUDA进行并行图像处理
　3.5　使用OpenCV读入、处理和显示图像
　3.6　CUDA编程简介及其在图像处理中应用
　　3.6.1　主机端和设备端
　　3.6.2　内核函数、CUDA软件体系和NVCC编译器
　　3.6.3　CUDA线程模型的层次结构
　　3.6.4　GPU组成结构及其与线程模型的关系
　　3.6.5　SDK和函数库
第4章　典型图像处理方法的GPU实现
　4.1　基于kernel函数的并行图像处理的程序实现
　4.2　从图像处理算法到GPU代码实现
　　4.2.1　模板匹配的MATLAB代码
　　4.2.2　模板匹配的CPU串行实现
　　4.2.3　模板匹配的GPU并行实现
　4.3　使用纹理存储器加速
　　4.3.1　Sobel算子边缘提取的GPU实现
　　4.3.2　双线性插值图像缩放的GPU实现
　4.4　基于CUFFT函数库的图像频域变换
　　4.4.1　图像FFT变换和频域低通滤波
　　4.4.2　频域高通滤波
　　4.4.3　多尺度Retinex去雾算法
　4.5　自适应直方图均衡
　4.6　RGB图像的GPU并行处理
　　4.6.1　彩色图像去雾算法
　　4.6.2　彩色图像去雾和直方图均衡
　　4.6.3　K最近邻滤波器
　　4.6.4　非局部均值滤波器
参考文献