數(shù)字視頻處理原理及DSP實現(xiàn)

第1章　緒論　
　1.1　數(shù)字視頻處理概述　
　1.2　數(shù)字視頻的發(fā)展歷史　
　1.3　數(shù)字視頻處理的應用　
　1.4　數(shù)字視頻處理的研究內容　
　1.5　數(shù)字視頻處理系統(tǒng)概述　
　1.5.1　視頻信號采集[15，22]　
　1.5.2　數(shù)字視頻編解碼[20，21]　
　1.5.3　數(shù)字視頻存儲　
　1.5.4　數(shù)字視頻顯示[15]　
　1.5.5　數(shù)字視頻處理　
　1.6　嵌入式數(shù)字視頻處理系統(tǒng)[34，35，36]　
　1.7　研究現(xiàn)狀與發(fā)展前景　
第2章　數(shù)字視頻基礎　
　2.1　人類視覺機理　
　2.1.1　人眼視覺特性[14，　17]　
　2.1.2　人類視覺系統(tǒng)模型　
　2.2　顏色感知與表示模型[51]　
　2.2.1　顏色感知機理　
　2.2.2　顏色模型　
　2.3　視頻獲取與顯示　
　2.3.1　彩色視頻成像原理[13]　
　2.3.2　視頻攝像機　
　2.3.3　視頻顯示　
　2.3.4　復合視頻與分量視頻[51]　
　2.3.5　伽馬校正　
　2.4　模擬視頻技術[13]　
　2.4.1　模擬視頻信號　
　2.4.2　視頻光柵掃描　
　2.4.3　模擬電視系統(tǒng)　
　2.5　數(shù)字視頻技術[15，16，21]　
　2.5.1　模擬視頻信號數(shù)字化表示　
　2.5.2　數(shù)字視頻的特點及應用　
　2.5.3　ITU-T　BT.601數(shù)字視頻標準　
　2.6　視頻模型[13，14]　
　2.6.1　照明模型　
　2.6.2　攝像機模型　
　2.6.3　物體模型　
第3章　數(shù)字信號處理與嵌入式開發(fā)　
　3.1　數(shù)字信號處理基礎及DSP系統(tǒng)應用[4～9，28，37]　
　3.2　Blackfin處理器簡介[28，37～39]　
　3.3　Blackfin處理器架構　
　3.3.1　Blackfin處理器架構概述　
　3.3.2　Blackfin處理器內核基礎知識　
　3.3.3　數(shù)據(jù)運算指令簡介　
　3.3.4　地址運算指令簡介　
　3.3.5　Blackfin內存結構　
　3.3.6　事件處理　
　3.3.7　DMA控制器　
　3.3.8　系統(tǒng)接口　
　3.4　ADSP開發(fā)過程　
　3.5　集成開發(fā)套件VisualDSP++簡介[31，32]　
　3.5.1　開發(fā)工具及其特點　
　3.5.2　利用IDDE進行DSP程序開發(fā)　
　3.5.3　調試工具　
第4章　基于Blackfin處理器的最小視頻系統(tǒng)　
　4.1　數(shù)字視頻處理系統(tǒng)構成　
　4.2　Blackfin處理器與評估板簡介[38，39]　
　4.2.1　ADSP-BF533：高性能的通用Blackfin處理器　
　4.2.2　ADSP-BF561：用于消費者多媒體的Blackfin對稱多核處理器　
　4.2.3　EZ-KIT　Lite　for　ADSP-BF533　
　4.2.4　EZ-KIT　Lite　for　ADSP-BF561　
　4.3　Blackfin處理器與視頻外設之間的連接　
　4.3.1　Blackfin處理器上的視頻接口——PPI　
　4.3.2　將Blackfin處理器連接至視頻源[50]　
　4.3.3　連接至顯示設備[49]　
　4.3.4　連接視頻源和顯示設備的原則和技巧　
　4.4　數(shù)字視頻信號標準簡介[19~~21]　
　4.5　基于ADSP-BF561的視頻采集　
　4.5.1　Blackfin系統(tǒng)服務[39]　
　4.5.2　Blackfin設備驅動模型　
　4.5.3　視頻采集硬件組成　
　4.5.4　視頻輸入數(shù)據(jù)流　
　4.5.5　視頻輸入實現(xiàn)過程　
　4.6　基于Blackfin處理器的視頻輸出　
　4.6.1　視頻輸出數(shù)據(jù)流　
　4.6.2　視頻顯示實現(xiàn)過程　
　4.6.3　基于Blackfin處理器的視頻傳輸　
　4.7　基于ADSP-BF533的視頻采集與顯示　
　4.7.1　硬件平臺初始化部分　
　4.7.2　初始化中斷服務　
　4.7.3　初始化DMA　
　4.7.4　初始化PPI　
　4.8　視頻采集回放及編碼系統(tǒng)的實現(xiàn)　
　4.9　視頻Sobel邊緣提取系統(tǒng)　
第5章　視頻應用設計原則及基礎應用簡介　
　5.1　視頻應用開發(fā)模板　
　5.1.1　視頻開發(fā)模板綜述　
　5.1.2　視頻開發(fā)模板類型　
　5.1.3　針對Blackfin　處理器的優(yōu)化　
　5.1.4　使用視頻開發(fā)模板　
　5.1.5　視頻開發(fā)模板應用舉例　
　5.1.6　視頻開發(fā)模板組合使用　
　5.2　Blackfin處理器視頻處理框架　
　5.2.1　內存使用原則　
　5.2.2　PPI采集和顯示的DMA模式　
　5.3　視頻基礎應用舉例　
　5.3.1　解交錯　
　5.3.2　解交錯掃描速率轉換　
　5.3.3　像素處理　
　5.3.4　色度再采樣和顏色轉換　
　5.3.5　縮放和裁切　
　5.3.6　顯示處理　
第6章　圖像與視頻處理軟件開發(fā)包　
　6.1　Blackfin軟件開發(fā)包介紹　
　6.1.1　SDK的安裝與使用　
　6.1.2　SDK中的應用簡介　
　6.1.3　受限的軟件　
　6.2　圖形和視頻處理軟件開發(fā)包介紹　
　6.2.1　圖像處理開發(fā)包　
　6.2.2　視頻處理開發(fā)包　
　6.3　Hough變換及其實現(xiàn)　
　6.3.1　Hough　變換基本原理[10，12]　
　6.3.2　圖像處理開發(fā)包中的Hough變換函數(shù)　
　6.3.3　基于圖像處理開發(fā)包的實現(xiàn)　
　6.4　腐蝕與膨脹運算的實現(xiàn)　
　6.4.1　形態(tài)學基本知識[10，12]　
　6.4.2　腐蝕與膨脹的開發(fā)包實現(xiàn)　
　6.5　人臉檢測　
　6.5.1　基于Adaboost學習的人臉檢測[55]　
　6.5.2　基于圖像處理開發(fā)包的人臉檢測實現(xiàn)　
　6.5.3　人臉跟蹤算法的設計　
　6.6　圖像處理軟件包的內存使用　
　6.6.1　內存移動流程　
　6.6.2　一維內存移動API　
　6.6.3　二維內存移動API　
　6.6.4　使用乒乓緩沖區(qū)進行內存移動　
第7章　視頻運動分析及應用　
　7.1　運動估算　
　7.1.1　基于幀差的運動分析　
　7.1.2　基于塊的二維運動分析　
　7.1.3　基于光流場的二維運動分析　
　7.1.4　基于像素遞歸的二維運動分析　
　7.2　運動分割　
　7.2.1　基于背景差分的方法　
　7.2.2　背景圖像更新　
　7.2.3　幀間差分方法　
　7.2.4　目標檢測　
　7.2.5　基于光流的方法　
　7.3　運動目標跟蹤　
　7.3.1　基于特征的跟蹤方法　
　7.3.2　基于變形模型的跟蹤方法　
　7.3.3　基于區(qū)域的跟蹤方法　
　7.3.4　卡爾曼（Kalman）濾波器　
　7.3.5　粒子濾波器　
　7.4　光流計算的實現(xiàn)　
　7.4.1　Lucas-Kanade算法　
　7.4.2　塊匹配算法　
　7.4.3　金字塔型光流　
　7.5　前景目標檢測的實現(xiàn)　
　7.5.1　初始化對象檢測庫　
　7.5.2　基于視頻開發(fā)包的前景對象檢測的實現(xiàn)　
　7.5.3　前景對象檢測中的基礎算法　
　7.6　Kalman濾波器的實現(xiàn)　
　7.6.1　開發(fā)包中的Kalman濾波器API　
　7.6.2　基于API的Kalman濾波器實現(xiàn)過程　
　7.7　視頻交通流檢測系統(tǒng)設計　
　7.7.1　硬件平臺　
　7.7.2　軟件設計和實現(xiàn)　
第8章　視頻編解碼理論及實現(xiàn)　
　8.1　視頻編碼基本理論與技術　
　8.1.1　信源編碼的信息論基礎[1～3]　
　8.1.2　無損壓縮　
　8.1.3　變換編碼　
　8.1.4　預測編碼　
　8.2　視頻編碼國際標準　
　8.2.1　H.261視頻編碼標準　
　8.2.2　H.263視頻編碼標準　
　8.2.3　H.264視頻編碼標準　
　8.2.4　其他視頻編碼標準　
　8.3　基于Blackfin的H.264視頻編解碼系統(tǒng)設計　
　8.4　ADI提供的H.264視頻編碼實現(xiàn)　
　8.4.1　H.264基線編碼器概述　
　8.4.2　H.264基線編碼器庫的使用　
　8.4.3　H.264基線編碼器API介紹　
第9章　視頻時空濾波及實現(xiàn)　
　9.1　視頻時空濾波技術　
　9.1.1　運動軌跡模型　
　9.1.2　運動補償濾波　
　9.1.3　運動自適應濾波　
　9.1.4　運動補償上行變換　
　9.2　基于運動檢測的自適應去交錯　
　9.3　視頻濾波中的二維卷積運算　
參考文獻