第1章 緒論 1.1 產(chǎn)品投入市場(chǎng)的時(shí)間 1.2 高層次綜合(HLS) 1.3 高層次轉(zhuǎn)換(HLT) 1.4 本書(shū)的目標(biāo) 第2章 高層次自動(dòng)綜合與目標(biāo)架構(gòu) 2.1 高層次綜合 2.1.1 高層次綜合工具的由來(lái) 2.1.2 Catapult C工具軟件 2.1.3 軟件優(yōu)化或硬件優(yōu)化 2.2 評(píng)估性能的方法 2.3 目標(biāo)架構(gòu) 2.3.1 XP70處理器 2.3.2 ARM Cortex-A9處理器 2.3.3 Intel Penryn ULV處理器 2.3.4 其他處理器 2.4 本章小結(jié) 第3章 元函數(shù) 3.1 元函數(shù)的主體 3.1.1 部分評(píng)估 3.1.2 元函數(shù)工具 3.2 預(yù)處理操作 3.2.1 預(yù)處理基礎(chǔ) 3.2.2 基本元函數(shù) 3.3 模塊化接口設(shè)計(jì) 3.4 本章小結(jié) 第4章 非遞歸型FIR濾波器 4.1 非遞歸型FIR濾波器算法及優(yōu)化方法 4.1.1 非遞歸型FIR濾波器算法 4.1.2 軟件優(yōu)化 4.1.3 硬件優(yōu)化 4.1.4 仿真結(jié)果與分析 4.2 兩個(gè)級(jí)聯(lián)FIR濾波器的算法及優(yōu)化方法 4.2.1 兩個(gè)級(jí)聯(lián)濾波器的算法 4.2.2 仿真結(jié)果及分析 4.3 算法轉(zhuǎn)換對(duì)通用處理器性能的影響 4.3.1 仿真結(jié)果及分析 4.3.2 ASIC與GPP：時(shí)間與能耗對(duì)比 4.4 本章小結(jié) 第5章 遞歸型IIR濾波器 5.1 概述 5.2 FGL遞歸型濾波器數(shù)學(xué)形式的轉(zhuǎn)換 5.3 多種數(shù)學(xué)形式的同一濾波器對(duì)比 5.3.1 三種數(shù)學(xué)形式的同一濾波器的對(duì)比 5.3.2 三種形式同一濾波器優(yōu)化對(duì)比 5.4 兩個(gè)遞歸濾型波器算法及優(yōu)化方法 5.5 多種處理器的性能對(duì)比 5.5.1 cpp對(duì)比 5.5.2 時(shí)間與能耗對(duì)比 5.6 本章小結(jié) 第6章 運(yùn)動(dòng)檢測(cè)邊緣算子算法 6.1 ∑△算法與形態(tài)學(xué)后處理濾波算法 6.2 形態(tài)學(xué)后處理濾波算法的軟件優(yōu)化方法 6.3 優(yōu)化硬件資源的方法 6.4 實(shí)驗(yàn)結(jié)果分析 6.5 小結(jié) 第7章 基于Kuhn一Tucker理論的圖像去模糊迭代算法 7.1 引 言 7.2 兩種圖像去模糊迭代算法 7.2.1 帶有非負(fù)修正的*速下降法 7.2.2 基于凸集投影方法的共軛梯度法 7.3 基于Kuhn—Tucker理論的迭代算法 7.3.1 Kuhn—Tucker理論知識(shí) 7.3.2 算法的提出 7.3.3 算法的收斂性分析 7.3.4 算法的基本步驟 7.4 實(shí)驗(yàn)結(jié)果與分析 7.5 本章小結(jié) 第8章 基于I—divergence的全變分圖像去模糊方法 8.1 引 言 8.2 基于I一divergence的全變分圖像去模糊模型 8.2.1 保真項(xiàng)的選取 8.2.2 正則項(xiàng)的選取 8.2.3 圖像去模糊模型 8.3 變分偏微分方程方法 8.3.1 Euler—Lagrange方程 8.3.2 梯度下降流方法 8.3.3 數(shù)值方法 8.4 實(shí)驗(yàn)結(jié)果與分析 8.5 本章小結(jié) 第9章 基于幾何約束的散焦圖像的深度估計(jì)方法 9.1 引 言 9.2 基于幾何約束的散焦圖像的深度估計(jì)模型 9.2.1 散焦圖像的差異模型 9.2.2 幾何約束的推導(dǎo) 9.2.3 帶有幾何約束的散焦圖像的深度估計(jì)模型 9.2.4 改進(jìn)的枚舉法 9.2.5 深度估計(jì)算法 9.2.6 算法時(shí)間復(fù)雜度分析 9.3 實(shí)驗(yàn)結(jié)果與分析 9.3.1 仿真數(shù)據(jù)的實(shí)驗(yàn)結(jié)果與分析 9.3.2 帶有噪聲的仿真數(shù)據(jù)的實(shí)驗(yàn)結(jié)果與分析 9.3.3 真實(shí)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果與分析 9.4 本章小結(jié) 第10章 基于判別學(xué)習(xí)技術(shù)的散焦圖像的深度估計(jì)方法 10.1 引 言 10.2 預(yù)備知識(shí) 10.2.1 Hilbert空間及其重要算子 10.2.2 矩陣分析相關(guān)理論 10.2.3 矩陣的奇異值分解 10.3 傳統(tǒng)判別學(xué)習(xí)方法 10.3.1 Hilbert空間下DFD問(wèn)題描述 10.3.2 TSVD測(cè)度學(xué)習(xí)方法 10.4 基于判別測(cè)度學(xué)習(xí)的DFD方法 10.4.1 TSVD方法的不足 10.4.2 判別函數(shù)的設(shè)計(jì) lO.4.3 投影子梯度下降法 10.4.4 深度估計(jì)算法 10.4.5 算法時(shí)間復(fù)雜度分析 10.5 實(shí)驗(yàn)結(jié)果與分析 10.5.1 仿真數(shù)據(jù)的實(shí)驗(yàn)結(jié)果與分析 10.5.2 真實(shí)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果與分析 10.6 本章小結(jié) 第11章 基于FPGA和DSP的嵌入式水下圖像采集系統(tǒng) 11.1 系統(tǒng)總體設(shè)計(jì) 11.2 成像模塊的設(shè)計(jì) 11.3 FPGA控制模塊的設(shè)計(jì) 11.4 DSP控制模塊的設(shè)計(jì) 11.5 DSP與FPGA數(shù)據(jù)接口設(shè)計(jì) 11.6 程序算法的實(shí)現(xiàn) 11.7 實(shí)驗(yàn)驗(yàn)證 11.8 本章小結(jié) 結(jié)論 參考文獻(xiàn) 附 錄 附錄A FIR濾波器 附錄B IIR濾波器