摘要
第1章 绪论
1.1 课题研究背景及意义
1.2 光场成像技术进展与研究现状
1.3 光场相机产品
1.4 光场相机优缺点
1.5 本文主要工作及内容组织
第2章 图像显著性检测算法及实现
2.1 引言
2.2 视觉注意机制
2.2.1 人类视觉系统简介
2.2.2 视觉注意机制
2.2.3 视觉注意模型
2.3 显著性线索
2.3.1 背景先验
2.3.2 中心先验
2.3.3 深度线索
2.4 常用显著性检测方法
2.4.1 FT方法
2.4.2 RC方法
2.4.3 SR方法
2.4.4 LC方法
2.4.5 HC方法
2.5 基于对比度的显著性检测算法
2.6 基于全局熵信息的显著性检测算法
2.6.1 检测流程
2.6.2 显著图的提取
2.6.3 基于对数谱响应的区域显著性计算
2.6.4 多尺度显著图融合
2.6.5 基于加权全局熵的显著性融合
2.6.6 实验结果
2.7 本章小结
第3章 光场相机成像原理
3.1 引言
3.2 光场相机和传统相机
3.3 光场的表示形式
3.4 光场的获取方式
3.5 光场重对焦方法
3.6 本章小结
第四章 光场相机数据预处理和焦点栈生成
4.1 引言
4.2 光场相机数据获取
4.2.1 光场相机原始图像的数据提取
4.2.2 微透镜中心提取
4.2.3 六边形采样转换到正交采样
4.3 光场相机焦点堆栈
4.4 全聚焦图像生成
4.4.1 DCT变换及空域方差转换
4.4.2 DCT域下基于方差的图像融合
4.4.3 焦点栈图片融合成全聚焦图片的实验结果
4.5 小结
第5章 融合光场图像焦点堆栈和全聚焦图像的显著性检测
5.1 引言
5.2 LFSD算法
5.2.1 LFSD算法概述
5.2.2 对焦度测度计算
5.2.3 背景区域选择
5.2.4 前景区域选择
5.2.5 焦点堆栈和全聚焦图像显著性融合
5.3 LFSD检测结果
5.4 本章小结
第6章 总结和展望
6.1 总结
6.2 展望
致谢
参考文献
声明