编辑推荐
一本书学会计算摄像学。
内容简介
本书以图像的物理形成过程和相机获取数字图像的原理为支撑，介绍计算摄像学中的基本问题、模型、理论及其用传统最优化、信号处理方法的解决方案。结合各问题近些年随着深度学习技术的发展带来的全新进展，介绍深度学习和计算摄像问题的结合与应用。
深度学习作为目前视觉计算领域最热门的技术之一，在高层计算机视觉的目标检测、识别、分类等问题上带来了传统方法无法企及的性能突破。深度学习技术在计算摄像学中也正在发挥广泛而积极的作用。通过适当的方法，将传统计算摄像学在光学特性、物理过程和成像模型等方面的先验、约束与数据驱动方法强大的学习、建模能力进行优势互补，可以为众多计算摄像难题的求解提供全新的思路和手段。
作者简介
作者施柏鑫，日本东京大学博士，曾先后在麻省理工学院媒体实验室、新加坡科技设计大学、新加坡南洋理工大学从事博士后研究，现为北京大学人工智能研究院院长助理，北京大学计算机学院数字媒体研究所研究员、博士生导师（“博雅青年学者”），北京智源人工智能研究院青年科学家；从事计算摄像学与计算机视觉研究。
章节目录
版权信息
前言
第1章 计算摄像学概述
1.1 计算摄像学研究范畴
1.2 计算摄像学相关课程
1.3 计算摄像学相关教材
本章参考文献
第2章 数字摄像原理
2.1 图像传感器的基本原理
2.2 色彩形成的基本原理
2.3 相机内部图像处理流程
2.4 深度学习建模相机内部流程
2.5 本章小结
2.6 本章课程实践
本章参考文献
第3章 相机几何模型
3.1 针孔相机模型
3.2 透视投影与相机矩阵
3.3 相机几何标定
3.4 利用深度学习的相机几何标定
3.5 本章小结
3.6 本章课程实践
本章参考文献
第4章 镜头与曝光
4.1 理想透镜与真实透镜
4.2 光圈与景深
4.3 视场与镜头选用
4.4 曝光控制
4.5 虚拟大光圈摄像
4.6 无镜头成像
4.7 本章小结
4.8 本章课程实践
本章参考文献
第5章 焦点堆栈与光场摄像
5.1 焦点堆栈
5.2 光场
5.3 自动对焦
5.4 利用深度学习表示光场
5.5 本章小结
5.6 本章课程实践
本章参考文献
第6章 光度成像模型
6.1 相机辐射响应及其标定
6.2 光度成像模型的三个基本要素
6.3 从明暗恢复形状
6.4 利用深度学习估计环境光照
6.5 本章小结
6.6 本章课程实践
本章参考文献
第7章 光度立体视觉
7.1 经典方法
7.2 泛化方法
7.3 光度立体视觉的深度学习解法
7.4 本章小结
7.5 本章课程实践
本章参考文献
第8章 高动态范围成像
8.1 动态范围的定义
8.2 多次曝光融合的经典方法
8.3 高动态范围图像的存储
8.4 高动态范围显示与色调映射
8.5 利用深度学习扩展动态范围
8.6 用非传统传感器扩展动态范围
8.7 本章小结
8.8 本章课程实践
本章参考文献
第9章 超分辨率
9.1 基于子像素位移的多帧方法
9.2 通过改进传感器构造的方法
9.3 基于信号处理的单帧方法
9.4 利用深度学习的方法
9.5 本章小结
9.6 本章课程实践
本章参考文献
第10章 去模糊
10.1 基于传统摄像的方法
10.2 基于计算摄像的方法
10.3 基于深度学习的去模糊
10.4 本章小结
10.5 本章课程实践
本章参考文献
第11章 图像恢复高级专题I
11.1 本征图像分解概述
11.2 Retinex分解
11.3 基于优化求解的本征图像分解
11.4 基于深度学习的本征图像分解
11.5 本章小结
11.6 本章课程实践
本章参考文献
第12章 图像恢复高级专题II
12.1 反射消除问题概述
12.2 经典优化求解的方法
12.3 反射消除基准评测数据集
12.4 基于深度学习的反射消除方法
12.5 本章小结
12.6 本章课程实践
本章参考文献
第13章 图像恢复高级专题III
13.1 神经形态视觉传感器简介
13.2 神经形态视觉信号表达
13.3 神经形态视觉信号处理
13.4 融合传统相机的计算摄像
13.5 本章小结
13.6 本章课程实践
本章参考文献
跋
推荐阅读
计算摄像学：成像模型理论与深度学习实践是2023年由机械工业出版社出版,作者施柏鑫。
得书感谢您对《计算摄像学：成像模型理论与深度学习实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
