【现货速发】图像处理系统

当前，图像处理技术的发展令世人瞩目。这种发展既有赖于图像处理算法的发展，又有赖于图像处理硬件的发展，当然，这两个领域是有联系的。未来的图像处理，特别是在高度并行的图像处理方面的进展，将更加依赖算法与硬件的紧密联系，这种紧密联系不仅是软硬件的实现，还在于算法、存储、处理之间的紧密结合，这种结合有助于解决实际应用中的难题，也将使图像处理的水平达到一个新的高度。
汉王公司的汉字识别获得了国家科技进步一等奖，清华大学、北京大学研制成功的指纹识别分别获得了国家科技进步二等奖，清华大学研制成功的TJ82图像计算机获得了国家科技进步二等奖，中科院计算所研制成功的人脸识别获得了国家科技进步二等奖，这些系统无疑是我国图像处理系统的杰出代表。
研制出一个出色的图像处理系统并非易事。我们都熟悉千层饼的故事，“千层”固然是一种夸张的说法，但在研制图像处理系统的过程中，我们却有制作千层饼的体会。
笔者研究图像处理系统经历了硬件、软件以及系统的漫长过程，有过柳暗花明，也经历过黔驴技穷，科研成果也曾多次获奖。这些系统具有鲜明的先进性，但也存在错误和不足，我们在后续的研究中大都进行了改进。传统的采样定理存在采样频率的不确定性问题以及应用时出现的采样频率错误的问题，而1∶1图像采样可以纠正上述问题，也由此带来了性能的大幅度提升。早期采用分时控制的存储体管理方式，安排计算机在场消隐期间访问帧存，其结果是计算机访问帧存的效率仅有8%； 而采用存储体多周期嵌套的优先级访问技术，则将效率提高到100%。中值滤波采用TJ82图像计算机处理，处理一幅512×512像素的灰度图像耗时30s，而采用NIPC3邻域图像计算机，耗时仅0．11ms。人脸识别、低分辨率人脸图像的重建与识别的进步等，可以说是科技发展的一个缩影。
笔者曾撰写了《微机图像处理系统》和《图像并行处理技术》两本著作(清华大学出版社于2000年、2002年出版)，其主要是笔者前一阶段的工作总结，随着科研工作的深入，也取得了一些新的研究成果。为了进行系统的总结，笔者在前两本著作的基础上，撰写了这本综合性较强的《图像处理系统》。
本书主要以图像处理系统方面的一些科技成果为基础，论述了图像处理系统的系统结构及其设计方法、图像处理系统创新性的理论和方法，并介绍了一些具有影响力的图像处理系统应用实例。本书中的实例主要取材于笔者主持或参与的一些科研项目。这些研究历经40余年，时间跨度较大，既包括多彩的传统技术，又有当前热门的新技术。
在本书中，读者既可以了解采样定理的发展过程，也可以从一个侧面看到人脸识别在中国的杰出应用，还可以了解基于邻域存储体的二维计算的发展历程，看到人工智能软件和硬件结合的前景。

感谢吴佑寿院士对笔者的悉心指导和提携，感谢吴麒教授、朱雪龙教授、林行刚教授、吴国威教授对笔者的真诚帮助，感谢与笔者一起从事科研工作的师生和其他工作人员，同时也感谢与我们合作的单位。
本书的内容涉及面较宽，鉴于笔者的水平有限，不妥之处望读者批评指正。
苏光大2020年5月于清华园

本书主要以图像处理系统方面的一些科技成果为基础，论述了图像处理系统的系统结构及其设计方法、图像处理系统创新性的理论和方法，并介绍了一些具有影响力的图像处理系统应用实例。本书中的实例主要取材于笔者主持或参与的一些科研项目。这些研究历经40余年，时间跨度较大，既包括多彩的传统技术，又有当前热门的新技术。 通过本书，读者既可以了解1∶1采样定理的发展过程，又可以从一个侧面看到人脸识别在中国的杰出应用，还可以了解基于邻域存储体的二维流计算的发展历程，看到人工智能软件和硬件结合的前景。 本书可作为高校图像处理相关专业的教学用书，也可作为图像处理技术领域科技人员的参考用书。

本书主要以图像处理系统方面的一些科技成果为基础，论述了图像处理系统的系统结构及其设计方法、图像处理系统创新性的理论和方法，并介绍了一些具有影响力的图像处理系统应用实例。本书中的实例主要取材于笔者主持或参与的一些科研项目。这些研究历经40余年，时间跨度较大，既包括多彩的传统技术，又有当前热门的新技术。
通过本书，读者既可以了解1∶1采样定理的发展过程，又可以从一个侧面看到人脸识别在中国的杰出应用，还可以了解基于邻域存储体的二维流计算的发展历程，看到人工智能软件和硬件结合的前景。
本书可作为高校图像处理相关专业的教学用书，也可作为图像处理技术领域科技人员的参考用书。

第1章绪论

1.1图像处理科学的体系结构

1.2图像处理的特点

1.3图像处理算法及其数据结构

1.3.1数据处理层算法及其
数据结构

1.3.2信息提取层算法及其
数据结构

1.3.3知识应用层算法及其
数据结构

1.4图像处理系统的系统结构

1.4.1图像处理系统的发展
历程

1.4.2以图像帧存为中心的
系统结构

1.4.3以计算机内存为中心
的系统结构

1.4.4以网络为中心的系统
结构

1.5图像处理系统的性能指标

1.6图像处理技术的应用

1.6.1图像处理技术在医学
中的应用

1.6.2图像处理技术在军事
上的应用

1.6.3图像处理技术在工业
中的应用

1.6.4图像处理技术在公共
安全中的应用

1.6.5图像处理技术在办公
自动化中的应用

1.6.6图像处理技术在体育
方面的应用

1.6.7图像处理技术在娱乐
中的应用

习题1

第2章图像处理硬件系统的设计
方法
2.1图像处理系统的设计流程

2.2图像处理系统的设计准则

2.2.1设计适应于机器

2.2.2设计适应于算法

2.2.3设计适应于系统

2.3可编程逻辑器件

习题2

第3章视频图像数字化

3.1图像的基本描述

3.2扫描时序的产生

3.2.1扫描时序规范

3.2.2数值波形法

3.2.3扫描时序的设计

3.3视频图像的数字化

3.3.1视频图像的采样

3.3.2数字图像的有效
比特位

3.3.3模拟视频图像的预
处理

习题3

第4章图像帧存储体

4.1图像帧存储体的结构

4.2图像帧存储体的管理

4.2.1存储体分时访问
方式

4.2.2存储体多周期嵌套的
优先级访问方式

4.3图像帧存储体的时序

习题4

第5章图像显示

5.1图像显示的基本形式

5.2图像滚动显示、漫游显示和
放大显示

5.3图像灰度窗口显示

5.4动态图像显示

习题5

第6章微机接口

6.1微机接口技术基础

6.2微机总线

6.3ISA总线下的微机图像
接口

6.4PCI总线下的微机图像
接口

习题6

第7章图像并行处理技术基础

7.1图像并行处理技术的基本
概念

7.2处理器的并行结构

7.3并行算法

7.4图像并行处理的性能指标

习题7

第8章流水线型图像并行处理

8.1流水线型图像处理的基本
技术

8.2IMAGEBOX150图像处理
系统

8.3VICOMVME图像处理工作
站、VICOMVMV机器视觉
计算机

8.4TJ82图像计算机

习题8

第9章基于DSP的图像并行处理

9.1基于DSP的图像处理基本
技术

9.2多DSP的图像并行处理

9.3基于TMS320C80的图像并行
处理

9.4基于IMS A110的图像并行
处理

习题9

第10章基于邻域存储体的二维
计算
10.1基于邻域存储体的二维计算
的基本原理与系统结构

10.2邻域存储体

10.2.1邻域存储体的邻域
数据类别

10.2.2邻域存储体并行存取
二维邻域数据

10.2.3邻域存储体并行存取
一维邻域数据

10.2.4邻域存储体的
实现

10.3基于邻域存储体的二维流数据
形成方法

10.4基于邻域存储体的二维流并行
处理的方法

10.5基于邻域存储体的二维计算
的实践

10.5.1NIPC1邻域图像
并行处理机

10.5.2NIPC2邻域图像
并行处理机

10.5.3NIPC3邻域图像
并行处理机

10.5.4NIPC4邻域图像
并行处理机

习题10

第11章图像系统软件

11.1计算机的软件环境

11.2图像处理系统的软件
结构

11.2.1图像软件系统的分层
结构

11.2.2图像软件系统的基础
架构

11.3图像软件系统的设备驱动
程序

11.4基于MMX/SSE技术的图像
并行处理

11.4.1MMX技术

11.4.2SSE技术核心

11.4.3基于MMX/SSE技术的
图像并行处理

11.5图像不规则区域的描述

11.5.1图像不规则区域的
边界形成方法

11.5.2图像不规则区域的
内部判别方法

11.5.3不规则区域的图像
存储

11.5.4图像不规则区域描述
的应用

习题11

第12章计算机人像组合技术

12.1人像组合技术的发展
历程

12.2人像部件库建库软件

12.2.1人像部件数据库

12.2.2人脸图像几何归
一化

12.2.3人脸部件的提取

12.2.4人脸部件的分类

12.3人像组合软件

12.3.1组合状态下的
操作

12.3.2修改状态下的
操作

12.4结合脑电记忆人脸的图像
重建

习题12

第13章超低分辨率人脸图像的
重建
13.1低分辨率人脸图像重建的
基本方法

13.2低分辨率人脸图像重建的
性能指标

13.3超低分辨率人脸图像的尺寸
归一化方法

13.4基于低频分量的超分辨率人脸
图像的重建方法

13.5超分辨率人脸图像重建的多级
多类训练集的生成方法

13.6超分辨率人脸图像重建的多级
多类训练集的应用方法

13.7超低分辨率人脸图像重建的
意象人脸图像的形成方法

13.8超低分辨率人脸图像的重建
系统

13.9超低分辨率人脸图像重建的
应用

13.10人脸超分辨技术的发展

习题13

第14章人脸识别技术

14.1生物特征识别概述

14.2人脸识别概述

14.3人脸识别算法

14.3.1部件PCA人脸
识别

14.3.2深度学习人脸
识别 

14.4人脸识别系统

14.4.1人脸识别系统的
基本结构

14.4.2辨识型人脸识别
系统

14.4.3确认型人脸识别
系统

14.4.4关注名单型人脸
识别系统

14.4.5综合型人脸识别
系统

14.4.6人脸识别的程序
接口

14.5人脸识别技术的展望

习题14

结束语

参考文献

本书主要以图像处理系统方面的一些科技成果为基础，论述了图像处理系统的系统结构及其设计方法、图像处理系统创新性的理论和方法，并介绍了一些具有影响力的图像处理系统应用实例。本书中的实例主要取材于笔者主持或参与的一些科研项目。这些研究历经40余年，时间跨度较大，既包括多彩的传统技术，又有当前热门的新技术。 通过本书，读者既可以了解1∶1采样定理的发展过程，又可以从一个侧面看到人脸识别在中国的杰出应用，还可以了解基于邻域存储体的二维流计算的发展历程，看到人工智能软件和硬件结合的前景。 本书可作为高校图像处理相关专业的教学用书，也可作为图像处理技术领域科技人员的参考用书。

本书主要以图像处理系统方面的一些科技成果为基础，论述了图像处理系统的系统结构及其设计方法、图像处理系统创新性的理论和方法，并介绍了一些具有影响力的图像处理系统应用实例。本书中的实例主要取材于笔者主持或参与的一些科研项目。这些研究历经40余年，时间跨度较大，既包括多彩的传统技术，又有当前热门的新技术。
通过本书，读者既可以了解1∶1采样定理的发展过程，又可以从一个侧面看到人脸识别在中国的杰出应用，还可以了解基于邻域存储体的二维流计算的发展历程，看到人工智能软件和硬件结合的前景。
本书可作为高校图像处理相关专业的教学用书，也可作为图像处理技术领域科技人员的参考用书。