陣列相機成像技術與應用

第1章 緒論
1．1 概述
1．2 概念與內(nèi)涵
1．3 技術與應用
參考文獻

第2章 攝像機標定
2．1 概述
2．2 攝像機模型
2．2．1 坐標系與齊次坐標表示
2．2．2 攝像機內(nèi)部參數(shù)
2．2．3 攝像機外部參數(shù)
2．2．4 透鏡畸變
2．2．5 魚眼鏡頭
2．3 單目攝像機標定
2．3．1 線性模型攝像機標定
2．3．2 特征點的退化
2．3．3 非線性模型攝像機標定
2．4 立體視覺攝像機標定
2．4．1 雙目攝像機模型
2．4．2 極線幾何
2．5 多攝像機與陣列相機標定
2．6 總結
參考文獻

第3章 立體視覺與多視圖理論
3．1 概述
3．2 雙目立體視覺的數(shù)學模型
3．3 雙目立體視覺匹配算法
3．4 多視圖理論
3．4．1 多視圖模型
3．4．2 基于奇異值分解的射影重構
3．4．3 兩種射影深度估計及射影重構算法
3．5 總結
參考文獻

第4章 相機成像增強——去模糊技術
4．1 概述
4．2 圖像去模糊的數(shù)學模型
4．2．1 盲卷積
4．2．2 模糊核的估計
4．2．3 非盲卷積
4．3 圖像去模糊的前沿技術
4．3．1 編碼曝光技術
4．3．2 編碼孔徑技術
4．4 總結與展望
參考文獻

第5章 圖像質量增強——去噪技術
5．1 概述
5．2 圖像去噪的基本概念
5．2．1 圖像噪聲的分類
5．2．2 去噪效果評價指標
5．3 傳統(tǒng)去噪算法
5．3．1 基于空間域的中值濾波
5．3．2 基于小波域的小波閾值去噪
5．3．3 基于PDE的圖像去噪
5．3．4 全變分圖像去噪
5．4 非局域均值去噪算法
5．4．1 NLM
5．4．2 BM3D
5．5 基于稀疏模型的去噪算法
5．5．1 稀疏表示簡介
5．5．2 稀疏去噪原理及模型
5．5．3 字典構建算法
5．5．4 稀疏分解算法
5．5．5 稀疏表示去噪效果
5．6 總結
參考文獻

第6章 簡單透鏡成像增強
6．1 概述
6．2 透鏡成像模型及像差分析
6．2．1 透鏡成像原理
6．2．2 單色像差與色差
6．2．3 消除像差的光學補償方法
6．3 簡單透鏡計算成像前沿技術
6．3．1 簡單透鏡PSF估計
6．3．2 簡單透鏡非盲卷積圖像復原
6．4 總結與展望
參考文獻

第7章 陣列相機成像拼接
7．1 概述
7．1．1 全景圖像
7．1．2 圖像拼接
7．2 基于剛性約束的大視角相機組標定方法
7．2．1 剛性約束
7．2．2 算法求解
7．2．3 標定結果
7．3 全景投影輸出
7．3．1 全景投影原理
7．3．2 等矩形投影
7．3．3 投影結果
7．4 金字塔融合法
7．4．1 算法思想
7．4．2 算法流程
7．4．3 融合結果
7．5 總結與展望
參考文獻

第8章 陣列相機圖像超分辨率增強理論
8．1 概述
8．2 成像模型
8．3 單圖超分辨率重建
8．3．1 基于插值的算法
8．3．2 基于建模的算法
8．3．3 基于學習的方法
8．4 多圖超分辨率重建
8．5 基于相機陣列的超分辨率重建
8．5．1 深度估計＼圖像配準
8．5．2 超分辨率重建
8．5．3 應用示例
8．6 總結與展望
參考文獻

第9章 陣列相機光場理論
9．1 概述
9．2 光場的數(shù)學定義
9．3 陣列相機成像原理
9．3．1 照相機陣列的結構和圖像采集
9．3．2 照相機陣列的數(shù)字重聚焦原理
9．4 總結與展望
參考文獻

第10章 多攝像機廣域動態(tài)圖像技術與應用
10．1 概述
10．2 多攝像機廣域持久監(jiān)視的概念
10．3 多攝像機廣域持久監(jiān)視的意義
10．3．1 多攝像機WAMI數(shù)據(jù)特征
10．3．2 WAMI數(shù)據(jù)處理和分析的意義
10．3．3 WAMI的價值和應用
10．4 典型的多攝像機廣域持久監(jiān)視系統(tǒng)
10．5 WAMI數(shù)據(jù)處理概述
10．5．1 典型步驟
10．5．2 難點與挑戰(zhàn)
10．5．3 地理空間注冊與穩(wěn)像方法
10．5．4 目標檢測方法
10．5．5 目標跟蹤方法
10．6 總結
參考文獻

第11章 多攝像機人體姿態(tài)估計與跟蹤
11．1 概述
11．2 問題描述
11．3 姿態(tài)估計
11．3．1 基于優(yōu)化的姿態(tài)估計方法
11．3．2 基于貝葉斯濾波的姿態(tài)估計方法
11．4 姿態(tài)跟蹤
11．4．1 單假設跟蹤
11．4．2 多假設跟蹤
11．4．3 運動先驗模型
11．5 總結
參考文獻