第1章 绪论
1.1 成像自动目标识别
1.2 算法并行化实现
1.2.1 FPGA
1.2.2 DSP
1.3 基于FPGA的算法加速方法
1.3.1 FPGA硬件架构设计原则
1.3.2 算法特性分析原则
1.3.3 结构优化
1.3.4 有限字长效应
第2章 图像增强的并行化实现
2.1 典型图像增强方法
2.1.1 均值滤波
2.1.2 中值滤波
2.1.3 空间域低通滤波
2.2 基于FPGA的中值滤波实现
2.2.1 概述
2.2.2 快速中值滤波算法
2.2.3 FPGA逻辑结构
2.3 基于FPGA的双线性插值实现
2.3.1 概述
2.3.2 双线性插值算法原理
2.3.3 FPGA逻辑结构
第3章 图像配准与经典特征提取算法
3.1 基于特征的图像配准方法分析
3.2 SIFT算法
3.2.1 DoG图像金字塔构建
3.2.2 特征点检测
3.2.3 梯度方向与强度计算
3.2.4 SIFT描述向量提取
3.3 SURF算法
3.3.1 SURF特征点检测
3.3.2 SURF特征描述矢量的提取
3.3.3 OpenSURF算法
3.4 BRIEF算法
第4章 基于FPGA+DSP硬件架构的SIFT算法实时实现
4.1 概述
4.2 硬件架构
4.2.1 系统架构概述
4.2.2 各模块硬件设计
4.2.3 SIFT描述向量提取模块
4.3 等效并行度分析
4.3.1 需求的等效并行度
4.3.2 能达到的等效并行度
4.4 测试与验证
4.4.1 性能验证及结果分析
4.4.2 资源占用率分析
4.5 本章小结
第5章 基于单片FPGA的实时视觉特征检测与匹配系统
5.1 概述
5.2 硬件架构
5.2.1 系统架构框图
5.2.2 SIFT特征点检测模块
5.2.3 BRIEF描述向量提取模块
5.2.4 BRIEF特征存储模块
5.2.5 BRIEF描述向量匹配模块
5.3 等效并行度分析
5.3.1 需求的等效并行度
5.3.2 能达到的等效并行度
5.4 实验与验证
5.4.1 性能评估
5.4.2 资源占用率分析
5.5 本章小结
第6章 OpenSURF算法的FPGA实现
6.1 FPGA实现的系统结构
6.2 主要模块的FPGA实现
6.2.1 积分图像优化表示方法及积分图像生成模块
6.2.2 特征点检测模块
6.2.3 积分图像缓存和特征点读取优化策略
6.2.4 特征点主方向分配模块
6.2.5 特征点描述矢量生成模块
6.3 FPGA加速的等效并行度分析
6.3.1 需求的等效并行度
6.3.2 能达到的等效并行度
6.4 FPGA实现中的参数选取
6.4.1 Hessian矩阵行列式阈值的设置
6.4.2 特征点检测部分采用的检测特征点组
6.4.3 主方向分配时最小细分角度的设置
6.4.4 三角函数sin和cos值表示位宽的选取
6.5 FPGA实现测试验证方法
6.5.1 仿真验证平台设计
6.5.2 FPGA实现的结果
6.6 本章小结
第7章 异源图像融合的并行化实现
7.1 系统总体方案设计
7.2 基于FPGA的硬件电路设计
7.2.1 成像系统硬件结构总体设计
7.2.2 硬件模块详细设计
7.3 基于EDK的MicroBlaze软核设计
7.3.1 MicroBlaze处理器特点分析
7.3.2 MicroBlaze的中断机制
7.3.3 MicroBlaze的总线接口
7.4 图像配准中SOPC的设计
7.4.1 Xilinx嵌入式系统开发工具介绍
7.4.2 Xilinx嵌入式系统开发过程
7.4.3 图像配准算法的FPGA设计实现
7.4.4 图像配准算法流程及FPGA实现
第8章 全景拼接的并行化实现
8.1 概述
8.2 全景拼接的并行化实现
8.2.1 系统结构框图
8.2.2 系统硬件平台
8.2.3 图像畸变校正和拼接的DSP/FPGA协同处理
8.2.4 并行化实现

本书简要介绍了成像自动目标识别设计的相关知识背景、应用场合以及目前面临的困难。结合本书作者在该领域的工作，详细介绍了成像自动目标识别过程中部分典型算法的并行化实现技术。模式识别、计算机视觉技术方面的发展日新月异。在实际应用中，算法的实现方式常常落后于算法的发展。算法适应性与实时性难以满足实际应用需求的矛盾成为制约其应用的主要原因，算法并行化技术为解决该问题提供了有效的途径。本书介绍了成像自动目标识别过程中典型算法的并行化实现技术，有效解决了实际应用中对算法适应性和实时性的矛盾。算法并行化实现技术为算法实现提供了有效途径，大大扩展了其应用范围。
本书可供学习成像自动目标识别算法及并行化的研究人员使用，也可为相关领域设计人员提供相关参考。