引入了由非球面角膜和晶状体组成的模型眼, 采用ZEMAX软件进行光线追迹, 为无晶状体眼的人工晶状体的设计提供理论依据。计算表明, 球差是影响人眼像质的关键因素。一般对于正常眼来说, 晶状体的负球差可以部分补偿角膜的正球差, 从而降低整个人眼光学系统的球差, 以保证较好的视觉功能。随着年龄的增长, 晶状体的球差逐渐由负球差转变为正球差, 这样晶状体对人眼整体像差的补偿作用就会减小甚至消失。为了减小球差的影响, 人工晶状体的表面结构需采用非球面设计。当其非球面系数Q值固定时, 人工晶状体的球差主要受到其本身的屈光度的影响。要想优化整个人眼光学系统的球差, 人工晶状体必须要引入一个负的Q值。

HANDBOOK OF VISUAL OPTICS Instrumentation and Vision Correction VOLUME II Cover Half Title Title Page Copyright Page Contents Preface Editor Contributors PART I:OPHTHALMIC INSTRUMENTATION PART II:VISION CORRECTION PART III: IMPACT OF THE EYE' S OPTICS ON VISION Index

圆环标识在目标识别及定位中应用广泛，其定位精度很大程度上决定了三维测量系统的精度。为了消除由透视投影变换产生的离心偏差，提高圆环标识的定位精度，对圆环的离心偏差校正展开研究，根据已有的空间投影推导给出校正方法。首先同心圆环经过透视投影变换，得到中心分离的双椭圆，由双椭圆的中心和同心圆环半径信息，得到圆心的实际位置。然后进行同心圆环投影仿真实验，根据圆心定位结果分析偏心误差与圆环半径以及旋转角度的关系。最后利用显示器作为物平面显示不同参数的同心圆环，与相机构成实验系统对圆心测量精度进行评价。结果表明：此方法可以准确地获取圆环标识的真实投影点，且校正后，经标定的相机平均反投影误差减小为原来的50%。利用显示器验证圆环定位精度，与以前的标定板验证方法相比，圆环标定在操作上具有更好的灵活性与实用性。

利用二维图像来进行场景的深度估计是计算机视觉领域的经典问题之一,也是实现三维重建、场景感知的重要环节。近年来基于深度学习的单目图像深度估计发展迅速,各种新算法层出不穷。介绍了深度学习在这一领域的应用历程与研究进展,采用监督与无监督两类方式分别系统地分析了有代表性的算法与框架,综述了深度学习在单目图像深度估计领域的研究进展与变化趋势,总结了当前研究的缺陷与不足,展望了未来研究的热点。

可以计算焦距、工作距、视野等 同时计算放大倍率、系统分辨率 压缩包内有使用说明

视觉光学手册提供了生理光学领域百科知识的权威概述。它从基础概念到仪器的科学和技术以及视力矫正的实际程序，整合了物理学，医学，生物学，心理学和工程学的专业知识。这些章节全面涵盖了现代研究和实践的各个方面，从眼睛和视网膜的光学原理和光学到成像和视觉测试的新型眼科工具，视觉矫正的装置和技术，以及眼睛光学和视觉感知之间的关系。

通过彩色数码相机单幅RGB图像的响应值重建物体表面的光谱反射率, 不仅可以有效避免基于带通滤光片光谱成像系统存在的通道间图像像素偏移问题, 而且可以缩短图像采集周期和获得高空间分辨率的光谱图像,但是光谱重建误差受光谱重建方法的影响。提出了一种基于相机响应值扩展和局部反距离加权优化的光谱重建方法, 以CIEDE2000色差和光谱均方根误差为评价指标, 以600个矿物颜料色块为实验样本, 利用佳能600D型数码相机对所提方法进行了验证, 并与当前几种较先进的方法进行了对比。实验结果表明, 所提方法的平均CIEDE2000色差和平均光谱均方根误差分别降低到1.0389和0.0230, 所提方法的光谱重建精度优于当前几种较先进方法的光谱重建精度。

针对传统多光谱成像颜色测量系统光谱反射率重建算法计算量大、操作繁琐耗时、成本高等缺点，提出一种由LED主动照明光源和黑白高速相机构建的多光谱成像颜色测量系统。采用多个单色LED拟合出相对光谱功率分布与相机光谱灵敏度曲线成倒数关系的照明光源，并利用黑白相机的输出响应直接重建物体的光谱反射率。实验结果表明，与分光光度计测量结果相比，该方法测量Macbeth ColorChecker 24标准色卡的光谱反射率的平均误差在2.3个CIELAB色差左右。该系统具有原理简单可行、不需要滤光片、光谱反射率重建算法简单快速等优点。

针对可见光学遥感图像港口舰船检测过程中,人造目标造成检测结果准确率低、虚警率高的问题,提出了一种基于边缘线梯度特征定位和聚合通道特征的舰船检测方法。基于多尺度多结构元素形态学滤波实现海陆分割;并结合遥感图像中港口的矩形形状特点,定义边缘梯度正切角和港口凹凸度特征以对港口进行定位,获取港口感兴趣区域集合。提取舰船目标的聚合通道特征,并通过聚合通道特征构建的样本训练库和AdaBoost算法完成分类器的训练,利用训练完成后的分类器完成舰船目标的最终判别确认。实验结果表明该算法相较于传统的HOG特征和Haar特征,检测效果良好,准确率和召回率得到较大的提升。

在多种光源的45°/0°照明观测条件下,提出了一种测量金属涂料闪光效果的评价方法和开发了测量装置。根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。实验装置的测量效果优于现有的测量设备。