书名：Close-Range Photogrammetry and 3D Imaging - 3rd Edition 作者: Thomas Luhmann,Stuart Robson,Stephen Kyle,Jan Boehm 简介：《近景摄影测量与三维成像》，书中对双目立体视觉系统做了精度分析。在一个三维测量项目中，如果采用立体视觉方案，首先，要根据测量需求（精度、测量范围、速度等），确定立体视觉的硬件方案。Thomas Luhmann在他的《Close-Range Photogrammetry and 3D Imaging》（2014）中，给出立体视觉系统的简化分析方法。

MATROX IMAGING LIBRARY9.0(mil9.0),压缩后经解压测试成功，解压后900多M,共14个分卷，每个分卷为30M，30天试用版，安装好后还要下个LICENSE（30天）的导入才能用(见我资源其它位置）

MATROX IMAGING LIBRARY9.0(mil9.0),压缩后经解压测试成功，解压后900多M,共14个分卷，每个分卷为30M，30天试用版，安装好后还要下个LICENSE（30天）的导入才能用(见我资源其它位置）

MATLAB模拟粒子散射代码光束传播法（BPM）的大规模全息粒子3D成像 MatLab实现文件。 我们提供了光束传播方法的正向模型和重建算法代码，模拟的样本对象，全息图，重建的粒子以及样本实验捕获的全息图，重建结果。 引文 如果您发现该项目对您的研究有用，请考虑引用我们的论文： 抽象的 我们为3D粒子场的大规模全息重建开发了一种新颖的算法。 我们的方法基于结合稀疏正则化的多散射光束传播方法（BPM），该方法可从单个全息图中恢复高折射率对比度的致密3D粒子。 我们显示，BPM计算的全息图生成的强度统计数据与实验测量值非常匹配，并且比单散射模型提供高达9倍的精度。 为了解决反问题，我们设计了一种计算效率高的算法，与基于最新技术的基于多重散射的技术相比，该算法将计算时间减少了两个数量级。 我们在不同散射强度下的仿真和实验中均展示了卓越的重建精度。 我们表明，对于深成像深度和高粒子密度，BPM重建显着优于单散射方法。 概述图 如何使用程式码 正向模型： 重建： 数据 dz = lambda / 16的模拟对象：object / simulatedData / density_1.6 重建对象的

翻译文献 tvreg v2: Variational Imaging Methods for Denoising,Deconvolution, Inpainting, and Segmentation tvreg v2：用于去噪、反卷积、修复和分割的变分成像方法

大斜视角的SAR成像 RD快速算法，解决了斜视角比较大的情况

3D imaging technologies -- Multi-dimensional signal processing and deep learning mathematical approaches and applications

3D imaging technologies -- multidimensional signal processing and deep learning methods, algorithms and applications. Volume ii

MATROX IMAGING LIBRARY9.0(mil9.0),解压安装后可以使用，共有14个包，属于30天试用版。安装好后再下载一个LICENSE就可以使用了。

一篇多套到SAR成像的文献，采用了波前重构算法，非常难得！