日前，公司教师裴炤的博士学位论文《相机阵列合成孔径成像技术研究》获2015年陕西省优秀博士学位论文。所属专业：计算机科学与技术

附 2015年该篇省优秀博士学位论文简介：

1.  提出了一种基于相机阵列合成孔径目标检测成像方法。该方法使用简单的平移变换实现合成孔径成像，能够透视遮挡，可在复杂背景下对任意深度目标进行检测，提供严重遮挡目标的合成结果，并且在聚焦目标的同时去除遮挡目标引起的模糊。实验通过包括室内及室外五种不同场景，使用两种不同的相机阵列，以验证该算法的有效性。结果表明，提出的方法具有良好的性能，并且在对被遮挡目标检测的同时，能得到任意处于设计深度间隔上的目标的合成成像结果。本方法是首个使用合成孔径对具有显著遮挡多深度复杂场景多目标检测成像的方法。

2. 提出了一种基于能量最小像素标记的合成孔径成像方法。在传统的方法中，一般都是通过将所有相机视图加权平均来实现合成孔径成像的。改进成像方法中通常需要训练集且仅适用于遮挡物处于某一特定运动状态。该方法将合成孔径成像问题等价为一标记问题，通过能量最小方法，标记各相机视图中的每一个像素，并决定该像素是否属于遮挡物，进而在聚焦于目标深度时，仅仅加权平均那些标记为不属于遮挡物的像素以实现合成孔径成像。实验通过两种不同场景的斯坦福数据库数据与自有阵列拍摄的室内及室外不同场景数据，以验证该算法的有效性。该方法无需训练集并且无需规定遮挡物在场景中的运动状态，实验表明，相对于仅仅只是减弱遮挡物影响的传统合成孔径成像方法，该方法的实验结果更优。

3. 提出了一种基于双相机阵列合成孔径目标检测成像方法。针对当目标间深度接近时，相机阵列合成孔径成像算法将会失效这一不足，该方法通过基于简单平移变换的斜平面方法标定双相机阵列，将两个相机阵列进行联合，得到同一目标不同相机阵列视角的聚焦结果。实验结果表明，与相机阵列合成孔径检测成像相比较，由于增加了不同视角的相机阵列，该方法能够适应目标间深度近似的情况，从而获得同一目标不同视角的聚焦结果。

4. 提出了一种基于图像质量评价函数的目标最优深度估计方法。针对合成孔径图像包含目标深度信息这一特殊性，该方法使用图像质量评价函数如：最小均方误差、峰值信噪比和相关度，来进行目标最优深度估计。通过自行设计的逐深度聚焦实验，结果表明，这些质量评价函数不仅可用于自动聚焦，估计被遮挡目标的最优聚焦深度，同时在对评价合成孔径图像质量中表现良好