视频图像处理与性能优化
出版时间:
2017-06
版次:
1
ISBN:
9787111569282
定价:
79.90
装帧:
精装
开本:
16开
纸张:
胶版纸
页数:
206页
9人买过
-
本书作为一本视频图像处理算法与性能优化方法的学术专著，既反映了相关领域近年来的新研究进展，又给出了作者在视频图像处理技术方面的研究成果与应用实例。全书共分为9章，包括绪论、视频图像处理在智能驾驶中的应用、GPU体系架构、CUDA与OpenCL编程模型、异构计算与性能优化方法、Canny边缘检测算法优化、人脸检测算法优化、异构平台激光雷达算法优化、性能与功耗等内容。本书可供从事计算机应用、视频图像处理、并行算法及并行软件的设计与开发、智能驾驶等领域的研究人员、工程技术人员阅读。 序
．前言
第1章绪论
1.1视频图像处理
1.1.1概述-I
1.1.2视频图像处理发展与
应用-I
1.1.3视频图像处理算法关键
技术-I
1.2视频图像处理在智能驾驶领
域的应用
1.2.1概述-I
1.2.2视频图像处理在智能驾
驶领域的应用与发展
1.2.3视频图像处理在智能驾
驶领域的关键技术
1.3异构平台与GPU架构
1.3.1概述
1.3.2 GPU体系架构
1.3.3 GPU编程模型
1.4 GPU性能加速优化方法
1.4.1访存优化
1.4.2计算优化
1.4.3数据本地化
第2章视频图像处理在智能
驾驶中的应用
2.1引言
2.1.1国外研究现状
2国内研究现状
2.2车道线的提取和跟踪
2.2.1道路图像预处理方法
2.2.2边缘检测
2.2.3基于Hough变换的车
道线检测
2.3 交通标志牌的检测和识别
2.3.1交通标志简介
2.3.2交通标志识别简介
2.3.3交通标志牌检测
2.3.4基于SVM的交通标志
牌检测
2.3.5交通标志的识别
2.3.6基于SVM的交通标志
牌的识别
2.4交通信号灯的检测
2.4.1颜色分割
2.4.2基于颜色和形状的交通
信号灯检测识别
2.5智能车其他视频图像处理
2.5.1基于SVM的行人检测
2.5.2 SVM与深度学习
2.6本章小结
第3章GPU体系架构
3.1 GPU与CPU架构的区别
3.2 当前主流GPU体系架构
3.2.1 NVIDIA GPU架构
3.2.2 AMD GPU架构
3.2.3两种架构的异同
3.3本章小结
第4章 CUDA与OpenCL编程
模型
4.1 CUDA编程模型
4.2 0penCL编程模型
4 3 CUDA和OpenCL编程
流程
4 3 l CUDA向量相加程序
编写过程
4 3 2 0penCL向量相加程序
编写过程
4 4 GPU程序性能优化分析
4 5本章小结
第5章异构计算与性能优化
方法
5 1视频图像处理算法
5 2访存优化方法
5 2 l CPU与GPU之间的
传输优化
5 2 2 global memory的合并
访问
5 2 3 shared memorT ’
5 2 4寄存器
5 3矩阵转置算法
5 3 l算法简介及分析 ’
5 3 2并行性分析
5 3 3矩阵转置算法优化
5 3 4性能分析
5 4规约算法
5 4.1算法简介及分析
5 4 2并行性分析
5 4 3规约算法优化
5 4 4性能分析
5 5 resize算法
5 5 l算法简介及分析
5 5 2并行性分析
5 5 3 resize算法优化
5 5 4性能分析
5 6 Laplace算法
5 6 l算法简介及分析
5 6 2并行性分析
5 6 3 Laplace算法优化
5 6 4性能分析
5 7本章小结
第6章Cannv边缘检测算法
优化
6 1引言
6 l l边缘检测相关概述
6 1 2视频图像处理问题
及方法
6 2国内外研究现状
6 3 Canny边缘检测算法简介
6 4并行性分析及GPU实现
6 4.1并行性分析
6 4 2基于NVIDIA Tegra Kl
的GPU实现与分析
6 5优化策略分析
6 5 l向量化访存 ’
6 5 2数据本地化
6 5 3条件分支优化
6 6 Canny边缘检测算法优化过程
与实验结果分析
6 6 l灰度化算法
6 6 2滤波及计算梯度幅
值算法
6 6 3非极大值抑制算法
6 6 4递归确定边缘算法
6 6 5 Canny及边缘检测算法
6 7本章小结
第7章人脸检测算法优化
7 1引言
7 2人脸检测算法
7 2 l GPU架构
7 2 2 Viola - Jones人脸
检测算法
7 3人脸检测算法的GPU实现
与优化
7 3.1并行性分析
7 3 2 NaYve实现与负载不
均衡
7 3 3 GPU优化
7 4性能评估
7 4.1实验平台
7 4 2正确性验证
7 4 3性能分析
7 5本章小结
第8章异构平台激光雷达算
法优化
8 1引言
8 l l国外研究现状
8 1 2国内研究现状
8 2车载激光雷达
8 2 l激光雷达目标检测
8 2 2激光雷达环境感知
8 2 3激光雷达的优势
8 2 4 Velodyne三维激光
雷达
8 3激光雷达数据处理算法
8 3 l激光雷达数据获
取及解包
8 3 2激光雷达识别障碍物
8 3 3用Hough变换进行路
边检测
8 4激光雷达数据处理算法
优化
8 4 l栅格投影优化
8 4 2数据传输优化
8 4 3栅格处理优化
8 4 4性能评估
8 5本章小结
第9章性能与能耗的权衡
9 1引言
9 2能效评价指标
9 3各层次能耗优化策略
9 4系统级能耗优化技术
9 5本章小结
参考文献
-
内容简介:
本书作为一本视频图像处理算法与性能优化方法的学术专著，既反映了相关领域近年来的新研究进展，又给出了作者在视频图像处理技术方面的研究成果与应用实例。全书共分为9章，包括绪论、视频图像处理在智能驾驶中的应用、GPU体系架构、CUDA与OpenCL编程模型、异构计算与性能优化方法、Canny边缘检测算法优化、人脸检测算法优化、异构平台激光雷达算法优化、性能与功耗等内容。本书可供从事计算机应用、视频图像处理、并行算法及并行软件的设计与开发、智能驾驶等领域的研究人员、工程技术人员阅读。
-
目录:
序
．前言
第1章绪论
1.1视频图像处理
1.1.1概述-I
1.1.2视频图像处理发展与
应用-I
1.1.3视频图像处理算法关键
技术-I
1.2视频图像处理在智能驾驶领
域的应用
1.2.1概述-I
1.2.2视频图像处理在智能驾
驶领域的应用与发展
1.2.3视频图像处理在智能驾
驶领域的关键技术
1.3异构平台与GPU架构
1.3.1概述
1.3.2 GPU体系架构
1.3.3 GPU编程模型
1.4 GPU性能加速优化方法
1.4.1访存优化
1.4.2计算优化
1.4.3数据本地化
第2章视频图像处理在智能
驾驶中的应用
2.1引言
2.1.1国外研究现状
2国内研究现状
2.2车道线的提取和跟踪
2.2.1道路图像预处理方法
2.2.2边缘检测
2.2.3基于Hough变换的车
道线检测
2.3 交通标志牌的检测和识别
2.3.1交通标志简介
2.3.2交通标志识别简介
2.3.3交通标志牌检测
2.3.4基于SVM的交通标志
牌检测
2.3.5交通标志的识别
2.3.6基于SVM的交通标志
牌的识别
2.4交通信号灯的检测
2.4.1颜色分割
2.4.2基于颜色和形状的交通
信号灯检测识别
2.5智能车其他视频图像处理
2.5.1基于SVM的行人检测
2.5.2 SVM与深度学习
2.6本章小结
第3章GPU体系架构
3.1 GPU与CPU架构的区别
3.2 当前主流GPU体系架构
3.2.1 NVIDIA GPU架构
3.2.2 AMD GPU架构
3.2.3两种架构的异同
3.3本章小结
第4章 CUDA与OpenCL编程
模型
4.1 CUDA编程模型
4.2 0penCL编程模型
4 3 CUDA和OpenCL编程
流程
4 3 l CUDA向量相加程序
编写过程
4 3 2 0penCL向量相加程序
编写过程
4 4 GPU程序性能优化分析
4 5本章小结
第5章异构计算与性能优化
方法
5 1视频图像处理算法
5 2访存优化方法
5 2 l CPU与GPU之间的
传输优化
5 2 2 global memory的合并
访问
5 2 3 shared memorT ’
5 2 4寄存器
5 3矩阵转置算法
5 3 l算法简介及分析 ’
5 3 2并行性分析
5 3 3矩阵转置算法优化
5 3 4性能分析
5 4规约算法
5 4.1算法简介及分析
5 4 2并行性分析
5 4 3规约算法优化
5 4 4性能分析
5 5 resize算法
5 5 l算法简介及分析
5 5 2并行性分析
5 5 3 resize算法优化
5 5 4性能分析
5 6 Laplace算法
5 6 l算法简介及分析
5 6 2并行性分析
5 6 3 Laplace算法优化
5 6 4性能分析
5 7本章小结
第6章Cannv边缘检测算法
优化
6 1引言
6 l l边缘检测相关概述
6 1 2视频图像处理问题
及方法
6 2国内外研究现状
6 3 Canny边缘检测算法简介
6 4并行性分析及GPU实现
6 4.1并行性分析
6 4 2基于NVIDIA Tegra Kl
的GPU实现与分析
6 5优化策略分析
6 5 l向量化访存 ’
6 5 2数据本地化
6 5 3条件分支优化
6 6 Canny边缘检测算法优化过程
与实验结果分析
6 6 l灰度化算法
6 6 2滤波及计算梯度幅
值算法
6 6 3非极大值抑制算法
6 6 4递归确定边缘算法
6 6 5 Canny及边缘检测算法
6 7本章小结
第7章人脸检测算法优化
7 1引言
7 2人脸检测算法
7 2 l GPU架构
7 2 2 Viola - Jones人脸
检测算法
7 3人脸检测算法的GPU实现
与优化
7 3.1并行性分析
7 3 2 NaYve实现与负载不
均衡
7 3 3 GPU优化
7 4性能评估
7 4.1实验平台
7 4 2正确性验证
7 4 3性能分析
7 5本章小结
第8章异构平台激光雷达算
法优化
8 1引言
8 l l国外研究现状
8 1 2国内研究现状
8 2车载激光雷达
8 2 l激光雷达目标检测
8 2 2激光雷达环境感知
8 2 3激光雷达的优势
8 2 4 Velodyne三维激光
雷达
8 3激光雷达数据处理算法
8 3 l激光雷达数据获
取及解包
8 3 2激光雷达识别障碍物
8 3 3用Hough变换进行路
边检测
8 4激光雷达数据处理算法
优化
8 4 l栅格投影优化
8 4 2数据传输优化
8 4 3栅格处理优化
8 4 4性能评估
8 5本章小结
第9章性能与能耗的权衡
9 1引言
9 2能效评价指标
9 3各层次能耗优化策略
9 4系统级能耗优化技术
9 5本章小结
参考文献
查看详情
-
全新
四川省成都市
平均发货55小时
成功完成率82.84%
-
全新
天津市和平区
平均发货22小时
成功完成率85.68%
-
全新
山东省泰安市
平均发货22小时
成功完成率86.17%
-
全新
天津市津南区
平均发货13小时
成功完成率83.78%
-
全新
北京市通州区
平均发货28小时
成功完成率76.92%
-
全新
河北省保定市
平均发货4小时
成功完成率93.18%
-
全新
北京市海淀区
平均发货20小时
成功完成率86.36%
-
全新
天津市西青区
平均发货14小时
成功完成率89.85%
-
全新
北京市海淀区
平均发货10小时
成功完成率90.82%
-
全新
山东省泰安市
平均发货17小时
成功完成率93.63%
-
全新
山东省泰安市
平均发货25小时
成功完成率92.51%
-
全新
北京市通州区
平均发货9小时
成功完成率89.49%
-
全新
北京市房山区
平均发货21小时
成功完成率66.67%
-
全新
北京市丰台区
平均发货8小时
成功完成率90.95%
-
全新
山东省泰安市
平均发货12小时
成功完成率91.5%
-
全新
上海市黄浦区
平均发货11小时
成功完成率94.34%
-
全新
四川省成都市
平均发货15小时
成功完成率80.19%
-
全新
北京市朝阳区
平均发货12小时
成功完成率85.47%
-
全新
山东省泰安市
平均发货8小时
成功完成率93.08%
-
全新
广东省广州市
平均发货10小时
成功完成率87.58%
-
全新
河北省保定市
平均发货35小时
成功完成率63.64%
-
全新
北京市海淀区
平均发货11小时
成功完成率93.4%
-
全新
河北省保定市
平均发货15小时
成功完成率84.87%
-
全新
河北省保定市
平均发货17小时
成功完成率81.72%
-
全新
河北省保定市
平均发货36小时
成功完成率85.38%
-
全新
河北省保定市
平均发货15小时
成功完成率84.58%
-
全新
北京市东城区
平均发货17小时
成功完成率85.87%
-
全新
河北省保定市
平均发货6小时
成功完成率85.25%
-
全新
江苏省宿迁市
平均发货23小时
成功完成率88.02%
-
全新
河北省保定市
平均发货5小时
成功完成率83.89%
-
全新
江苏省宿迁市
平均发货23小时
成功完成率88.02%
-
2017-06 印刷
印次: 1
全新
安徽省合肥市
平均发货12小时
成功完成率97.08%
-
全新
浙江省杭州市
平均发货22小时
成功完成率74.03%
-
全新
北京市朝阳区
平均发货15小时
成功完成率96.21%
-
全新
北京市朝阳区
平均发货17小时
成功完成率95.08%
占位居中
