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。

前言
第1章 计算摄像学概述
1.1 计算摄像学研究范畴
1.1.1 研究背景
1.1.2 研究内容
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
2.3.1 白平衡
2.3.2 去马赛克
2.3.3 去噪
2.3.4 色调再现
2.3.5 传感器原始图像格式
2.4 深度学习建模相机内部流程
2.4.1 应用于图像增强
2.4.2 应用于图像处理流程建模
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
3.2.1 相机内参矩阵
3.2.2 相机外参矩阵
3.2.3 透视投影现象与应用
3.2.4 特殊相机模型
3.3 相机几何标定
3.3.1 三维对应点标定法
3.3.2 多图棋盘格标定法
3.3.3 径向畸变标定法
3.4 利用深度学习的相机几何标定
3.4.1 直接回归相机焦距法
3.4.2 地平线辅助标定法
3.4.3 垂直消失点辅助标定法
3.4.4 径向畸变下的标定问题
3.4.5 利用特殊场景进行标定
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
4.5.1 虚拟大光圈效果渲染方法
4.5.2 利用深度学习的实现方法
4.6 无镜头成像
4.6.1 相机构造
4.6.2 图像重建算法
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
5.1.1 基本概念
5.1.2 拍摄与合并
5.1.3 对焦与离焦的深度测量
5.2 光场
5.2.1 基本概念
5.2.2 表示方法
5.2.3 拍摄方法
5.2.4 可视化与应用
5.3 自动对焦
5.3.1 主动对焦
5.3.2 反差对焦
5.3.3 相位对焦
5.4 利用深度学习表示光场
5.4.1 经典光场表示
5.4.2 基于神经辐射场的方法
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
6.1.1 相机响应函数
6.1.2 相机辐射响应标定
6.2 光度成像模型的三个基本要素
6.2.1 表面法线
6.2.2 反射率模型
6.2.3 光源模型
6.3 从明暗恢复形状
6.4 利用深度学习估计环境光照
6.4.1 参数化模型估计室外光照
6.4.2 自编码器估计室外光照
6.4.3 非参数化全局一致室内光照
6.4.4 参数化的局部可变室内光照
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
7.1.1 相关基本概念
7.1.2 基于最小二乘法优化的解法
7.2 泛化方法
7.2.1 应对非理想的反射率
7.2.2 应对非标定情况的解法
7.2.3 基准评测数据集
7.3 光度立体视觉的深度学习解法
7.3.1光源方向固定的方法/1797.3.2应对任意方向光源的方法
7.3.3 应对光源方向未标定的方法
7.3.4 应对光源方向稀疏的方法
7.3.5 利用其他约束的方法
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
8.4.1 色调映射方法
8.4.2 关于色调映射的一些讨论
8.5 利用深度学习扩展动态范围
8.5.1 单张图像逆向色调映射
8.5.2 多图交替曝光的方法
8.6 用非传统传感器扩展动态范围
8.6.1 基于余数相机的方法
8.6.2 融合神经形态相机的方法
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
9.1.1 图像退化模型
9.1.2 优化求解高分辨率图像
9.2 通过改进传感器构造的方法
9.2.1 利用相机抖动
9.2.2 利用非周期重复像素布局
9.2.3 利用非对称子像素分布
9.3 基于信号处理的单帧方法
9.3.1 基于图像块重复性的方法
9.3.2 基于梯度锐化变换的方法
9.4 利用深度学习的方法
9.4.1 基于卷积神经网络的方法
9.4.2 基于生成对抗网络的方法
9.4.3 基于无监督学习的方法
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
10.1.1 应对镜头缺陷带来的模糊
10.1.2 应对相机抖动带来的模糊
10.2 基于计算摄像的方法
10.2.1 应对景深限制带来的模糊
10.2.2 应对场景运动带来的模糊
10.3 基于深度学习的去模糊
10.3.1 卷积核估计
10.3.2 端到端生成