一、彩色扩印系统多分物镜的设计(论文文献综述)
曹昭睿[1](2019)在《基于深度学习的仿生复眼目标识别系统设计》文中提出随着人工智能技术的不断提高,具有视觉能力的机器人在军、民用领域的需求不断增多。目前的机器视觉平台以单目探测系统构架为主导,这种结构的探测系统视场范围较小,无法对大范围环境进行完整的视场覆盖与全面的图像捕捉,导致其探测灵活度较低。同时现阶段配合机器视觉平台的目标识别算法主要由人工目标特征定义与匹配法实现,该方法在定义目标特征环节经常会因人为误差导致识别精度下降,且对于复杂目标几乎无法进行精准定义。所以单目探测系统与人工定义特征匹配目标识别算法均不适用于现代机器视觉的使用环境中。为解决以上问题,同时提高机器视觉系统的探测范围与目标识别能力,通过对昆虫复眼结构的研究与神经网络的搭建,设计了一种基于深度学习的仿生复眼目标识别探测系统。系统通过多孔径拼接成像的方法在大范围内采集目标物图像信息,整合信息后利用以压缩的YOLO V3深度卷积神经网络为主体算法进行目标识别,同时采用KCF目标跟踪算法对识别的目标物进行锁定,完成对目标物的实时识别与跟踪。通过实验证明,系统能够在较大的视场范围内对目标进行识别与追踪,解决了以往单目探测系统图像捕捉范围窄、灵活性差的问题。同时将图像特征匹配算法与卷积神经网络进行联合,即保证了目标识别率与识别灵活度,使系统能够针对多种目标物进行学习与识别,同时减小了神经网络框架对计算环境的占有空间,为可附加的路径规划、目标定位等后续算法提供支持。
国家标准化管理委员会[2](2014)在《中华人民共和国行业标准备案公告》文中进行了进一步梳理2014年第7号(总第175号)国家标准化管理委员会依法备案行业标准606项,现予以公告。二〇一四年八月一日
黄城[3](2009)在《变焦距手机镜头的光学设计》文中研究表明随着变焦距光学系统设计理论的完善及加工工艺的提高,应用变焦距光学系统的领域不断增多。特别是应用各类光学系统设计软件提高了变焦距镜头的设计效率后,变焦距光学系统更是广泛的应用到生活中多个领域。手机的使用普及后,人们越来越追求手机的多功能性。可拍照手机已经逐步取代了低端的数码相机,但还不能满足人们要求。要想拍照手机拥有更好的性能,就必须研究能适用于手机上的500万像素以上的变焦距、内置式手机镜头。在这种情况下研究适用于手机上的变焦距镜头系统的设计无疑具有重要的意义。本文所做工作如下:1)阐述了可拍照手机的历史和发展现状,突出信息时代可拍照手机镜头的作用和发展前景;2)结合当前手机镜头的发展趋势,从实际应用中手机镜头对光学系统性能与质量的要求、光学系统对使用要求的满足程度及光学系统设计的经济性等方面考虑变焦距手机镜头结构的选型及相关传感器类型、驱动器类型的选配;3)用全动型近轴光学理论计算法初步拟定一个手机镜头系统结构,要求其满足560视场角(FOV)、2.5倍光学变焦、800万像素。最后以其它运动组及像面相对于第一镜片组的距离为变量构造凸轮曲线,实现内置式变焦距手机摄像镜头的光学设计;4)运用专业光学设计软件CODE V对整个设计进行优化并检测系统成像质量,所得系统成像像面的像散、场曲及畸变都满足手机镜头的性能要求,而且弥散斑大小均匀,调制传输函数(MTF)值在空间频率201p/姗处大于0.8,在2281p/mm处大于0.1。并且公差分析结果为镜头的加工制造提供了允许误差范围;5)研究能否在理论计算出的2.5倍光学变焦手机镜头的基础上进一步优化得到更高变倍率的手机镜头结构。结果显示,在达到3倍光学变焦时系统成像像面的像散、场曲及畸变都能满足手机镜头的性能要求,但在最大空间频率大于2501p/mm时调制传输函数(MTF)值就会小于0.1,这就限定了这个镜头只能达到500万像素的要求。因此,变倍率增大时能达到的像素要求就会降低。
陈国金[4](2007)在《数字图像自动聚焦技术研究及系统实现》文中进行了进一步梳理从上个世纪中叶至今,光电成像系统的应用发展迅速,从简单地用于完成对静态图像的记录,逐渐发展到用于对目标对象进行分析,并广泛应用于工业、农业、医学、军事及科学研究等领域。在一个成像系统中,光学镜头的焦距对准是排在所有其它功能之前首先需要解决的基本问题,它的最终效果将直接决定最后成像的图像质量及后续图像应用的有效性。自动聚焦技术的发展与成像系统的发展有着紧密的联系。自动聚焦方式的发展集中体现在成像系统的自动聚焦技术研究上以及对焦机构设计上的不断创新。而对焦机构集中体现了成像系统光学、机械、电子一体化的程度,并直接决定了它的性能。自动聚焦已成为各种成像系统的重要功能,与国外相比,国内在这方面的工作做得还比较少,同时图像处理技术的发展使得自动聚焦趋于数字化和智能化。提出采用基于图像技术的自动聚焦方法并研发性能优良的自动聚焦系统具有重要的现实意义,它不仅对推动光机电一体化技术进步,发展现代光学仪器产业具有重要的意义,同时如果能把自动聚焦模块与系统集成,必定能带动我国数字成像系统产业的发展,使我国在国内、国际市场上具有更强的竞争力。本论文研究课题来源于浙江省网上重大招标项目“基于数字技术的图像自动调焦系统”(编号:021105778,KYZ011103002)和国家自然科学基金项目“基于神经网络识别及控制的图像自动调焦方法和系统的研究”(编号:60672063)。基于图像技术的自动聚焦方法采用了与传统聚焦技术完全不同的方式进行对焦,传统的聚焦方法是通过传感器检测焦点或测量距离的方式实现的,而基于图像技术的聚焦方法直接根据图像分析出图像的质量,从而获得当前的成像状态,然后完成聚焦操作。自动聚焦装置是光电成像系统的一个重要的部分。本文首先结合自动聚焦领域的发展和现状,对目前为止所出现的各类自动聚焦方法分别进行了论述,同时分析和比较了这些自动聚焦方法的优缺点,并认为自动聚焦方法的未来发展中,图像处理方法是最具发展前景的。之后,对自动聚焦技术的发展趋势进行了论述,并认为高度集成化、智能化、低功耗和高速处理将是今后自动聚焦技术的显着特征。从基本原理来说,自动聚焦可以分成两大类:一类是基于镜头与被摄目标之间距离测量的测距方法,另一类是基于聚焦屏上成像清晰的聚焦检测方法。近年来还有一种就是基于图像处理的自动聚焦方法。本文对三类自动聚焦方式进行了论述,并着重讨论了数字图像自动对焦系统原理、基本组成模块及对焦评价函数应具有的性质。数字图像预处理技术是基于图像处理的自动聚焦方法的基础和前提条件,本文讨论了图像的数字化及其特性,结合CMOS图像传感器成像对光线敏感的特点,提出了灰度值线性变换和灰度直方图均衡两种灰度校正技术;针对不同的噪声,从加性和乘性两个角度介绍了不同的实现方法,对于加性噪声可采用邻域平均法和中值滤波的方法,通过实验比较,邻域平均法会削弱图像的边缘并对椒盐噪声的滤除效果不好,中值滤波在滤除噪声的同时很好地保存了图像边缘。而对于乘性噪声可采用同态滤波的方法,先把噪声与信号分离,然后滤波,最后恢复信号,它的滤波效果由滤波器决定。图像质量分析评价是自动聚焦方法中的关键技术,本文从三种途经详细论述了图像质量评价方法的实现。(1)基于对比度的图像质量评价方法从图像的时域、频域及信息熵三个角度,建立能表示图像对比度的一些调焦函数,并对这些评价函数做了详细的比较,最后确定出时域的Brenner函数和绝对方差函数具有更好的综合性能。在此基础上,提出基于灰度对比度变化率和基于自相关函数对图像作清晰度评价的两种改进算法,仿真结果表明这两种方法简单实用,兼顾空间域函数的优点并且克服了空间域评价函数对噪声干扰敏感和对对焦区域选择要求高的缺点,具有更好的实时响应性能。(2)基于功率谱的客观图像质量评价方法假设场景的功率谱具有不变特性,引入了人类视觉系统,加入了维纳噪声滤波器,对图像质量进行评价得到一个确定的IQM数值。该数值与人的视觉评价具有很高的相关性。IQM方法可以对图像直接进行质量评价。log(IQM)值与人的视觉评价值基本上可以满足一种线性关系,因而它的评价结果可以代表人的视觉评价,作为其他应用的参考,也可以很直接地应用到调焦控制。调焦应用中,根据IQM值可以明确地控制焦距调整量,与对比度方法相比减少了搜索过程,因而在精度要求不是很高的情况下,该方法具有更快的响应能力。(3)基于小波与神经网络的图像质量评价方法利用小波分析对图像进行多分辨率分解,分析其细节信息并采用统计的方法提取图像特征,再利用人工神经网络对图像特征进行质量模式识别,得到图像的质量等级。该方法基于生物视觉机理,在分析人眼调焦和成像系统调焦之间关系的基础上,利用神经网络的非线性特性,在对焦评判规则中包含了人的主观因素,以改善成像系统的调焦效果。实验表明,该方法能达到满意的识别率。调焦实现过程中对图像进行分块并选择合适的处理方法,能使实际处理的数据仅为其中的一小部分,从而可以大大减少计算量。本文详细介绍了相对复杂的对比度法调焦的工作过程,通过对成像过程中可能发生的一些异常现象进行分析总结,提出了一种阈值比较的方法,克服了搜索过程中的干扰波动。同时还简要说明了功率谱法和小波与神经网络法的调焦操作过程。对比度法调焦是一个多次调整、逼近的过程,因而它可以达到很高的精度,但每次调整之后都要重新计算,因而它会比较费时;而功率谱法和小波与神经网络法调焦基本上是一次调焦,虽然它的精度要差一些,但它的响应速度更快。在自动聚焦技术研究的基础上,提出了基于FPGA的自动调焦系统实现方案,分别对组成系统的光学成像模块、图像采集模块、图像处理模块、控制模块和驱动模块的特性和要求进行分析,同时对自动调焦系统实现方案进行了具体的设计并确定了器件类型。对系统实现过程中涉及到的几个关键问题进行了分析研究,包括系统各模块时间延时特性、FFT算法实现、I2C接口实现、图像信号采集的芯片配置、VGA接口实现及FPGA器件的配置等。最后对系统实现中出现的各类问题及出现原因进行了详细说明与分析,提出了改进后的系统结构,为以后系统的改进指明了方向。
李静峰[5](2002)在《现代汉语常用汉字字义研究》文中进行了进一步梳理现代汉字字义研究长期以来备受冷落。本论文在综合应用现代汉字学、词汇学、语义学、语法学、语音学、文字学等各方面的理论知识,对3500个常用汉字做共时研究之后,认为字义是汉字独有的特征,现代汉字字义研究的深入还能在汉字教学、辞书编纂及计算机信息处理等诸多领域发挥巨大的作用。因此,现代汉字应当受到重视,获得独立的研究地位。在肯定现代汉字字义研究价值的基础上,本论文进一步提出了现代汉字字义研究应当具备的四项基本内容:特点、内部类别划分、外部联系方式及应用前景,然后利用对比、数据库分析等方法,分别就这四个方面做了一定的理论探讨和材料分析。由于字义的历史延续性及字义系统的开放性,现代汉字字义研究必然十分复杂,非短短数万言的论文所能涵盖,因此本论文只能在理论上略做探讨,旨在引起研究者对这一研究的关注,从而让这门既古老又年轻的学科在今天的语言文字应用中发挥更大的作用。
黄大刚,孙建芳,孙杰[6](2000)在《彩色扩印系统多分物镜的设计》文中认为提出了对非常规光学镜头进行分组计算、像差匹配的设计方法 .作为特例 ,给出了在远离常规镜头位置设置扩印镜头的设计步骤及相应的像差曲线和传递函数曲线
钟伯亮[7](1995)在《彩扩镜头的设计与选购(二)》文中认为彩扩镜头的设计与选购(二)文钟伯亮二、如何选择纯头的结构型式在确定了彩扩镜头的焦距后,对同一焦距,市场上往往有各种结构型式的镜头,价格相差很大。对设计者来说,在为某一种型号的彩扩机设计配套镜头时,也往往需要确定初始的结构型式。镜头的结构型式是由以下两...
二、彩色扩印系统多分物镜的设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、彩色扩印系统多分物镜的设计(论文提纲范文)
(1)基于深度学习的仿生复眼目标识别系统设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究意义与背景 |
1.2 仿生复眼技术的国内外研究现状 |
1.2.1 平面仿生复眼 |
1.2.2 曲面仿生复眼 |
1.3 图像识别技术的国内外研究现状 |
1.3.1 基于特征分类的图像识别算法发展 |
1.3.2 基于深度学习的图像识别技术发展 |
1.4 论文主要研究内容与章节安排 |
第2章 仿生复眼探测系统的整体构架设计 |
2.1 仿生复眼系统的功能结构 |
2.2 仿生复眼系统的设计流程 |
2.3 仿生复眼系统的设计标准与性能指标 |
2.4 本章小结 |
第3章 仿生复眼的结构设计与优化 |
3.1 昆虫复眼结构与成像原理 |
3.2 仿生复眼子眼相机设计 |
3.2.1 仿生复眼子眼相机镜头设计与优化 |
3.2.2 仿生复眼子眼相机光电接收器选择 |
3.3 仿生复眼系统相机阵列设计 |
3.4 仿生复眼系统图像处理单元选择 |
3.5 仿生复眼系统设备安装 |
3.6 本章小结 |
第4章 多尺度目标识别算法的研究与设计 |
4.1 基于Faster RCNN的目标识别算法 |
4.1.1 网络结构 |
4.1.2 网络训练 |
4.1.3 目标识别 |
4.2 基于YOLO的目标识别算法 |
4.2.1 网络结构 |
4.2.2 网络训练 |
4.2.3 目标识别 |
4.3 基于Faster RCNN与YOLO的多尺度目标识别测试 |
4.4 基于YOLO的多尺度目标识别测试 |
4.4.1 基于YOLO V3的目标识别算法 |
4.4.2 YOLO构架下的目标特征训练与识别性能测试 |
4.5 基于微型图像处理单元的网络改进 |
4.5.1 基于YOLO V3的网络压缩测试 |
4.5.2 基于YOLO V3 Tiny的网络拓展测试 |
4.5.3 改进神经网络的性能分析 |
4.6 本章小结 |
第5章 仿生复眼目标识别与跟踪算法研究 |
5.1 基于图像特征匹配的目标跟踪算法原理 |
5.2 目标跟踪算法性能测试与对比 |
5.3 目标识别跟踪算法设计与验证 |
5.4 本章小结 |
第6章 系统测试与验证 |
6.1 仿生复眼系统的性能测试 |
6.2 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和获得的科研成果 |
致谢 |
(3)变焦距手机镜头的光学设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 可拍照手机的发展 |
1.2 手机拍照镜头与数码照相镜头的比较 |
1.3 手机摄像镜头的发展趋势 |
1.4 本课题研究的意义 |
1.5 本章工作及框架 |
第二章 变焦物镜类型讨论 |
2.1 光学补偿式变焦距系统 |
2.2 机械补偿式变焦距系统 |
2.2.1 单变倍单补偿型机械补偿式变焦距物镜 |
2.2.2 双组联动型变焦距物镜 |
2.3 多组元全动型变焦距物镜 |
本章小结 |
第三章 手机镜头的近轴光学理论计算 |
3.1 手机镜头组元组合形式的选择 |
3.2 适用于手机上的变焦距系统的理论计算 |
本章小结 |
第四章 适用于手机镜头的镜片材料、传感器及驱动器件 |
4.1 可供手机镜头使用的光学材料 |
4.2 传感器类型讨论 |
4.2.1 CCD传感器 |
4.2.2 CMOS传感器 |
4.3 驱动器件 |
4.3.1 凸轮曲线的拟合计算 |
4.3.2 凸轮驱动结构 |
本章小结 |
第五章 2.5倍光学变焦800万像素手机摄像镜头的光学设计 |
5.1 镜头满足的主要技术指标 |
5.2 镜头结构的理论计算 |
5.3 凸轮曲线的拟合 |
5.4 镜头系统各方面性能的分析 |
5.4.1 像差、场曲及畸变的分析 |
5.4.2 点列图分析 |
5.4.3 调制传输函数分析 |
5.4.4 公差分析 |
本章小结 |
第六章 3倍光学变焦500万像素手机摄像镜头的光学设计 |
6.1 镜头系统元件基本参数 |
6.2 镜头系统各方面性能的分析 |
6.2.1 像差、场曲及畸变的分析 |
6.2.2 点列图分析 |
6.2.3 调制传输函数分析 |
6.2.4 公差分析 |
本章小结 |
总结 |
参考文献 |
致谢 |
在读研究生期间发表的论文 |
(4)数字图像自动聚焦技术研究及系统实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 聚焦技术发展现状 |
1.2.1 聚焦技术发展回顾 |
1.2.2 国内外研究现状 |
1.3 各类自动聚焦方法特点及分析比较 |
1.3.1 各类自动聚焦方法特点 |
1.3.2 各类自动聚焦方法分析比较 |
1.4 自动聚焦技术的发展趋势 |
1.5 主要研究内容 |
1.6 本章小结 |
第二章 自动聚焦基本原理 |
2.1 成像系统原理 |
2.1.1 成像系统模型 |
2.1.2 点扩散函数与光学传递函数 |
2.1.3 成像系统的分辨率 |
2.1.4 成像的焦深和景深 |
2.2 聚焦方式综述 |
2.3 数字图像自动对焦系统原理 |
2.3.1 数字图像自动对焦系统的基本组成模块 |
2.3.2 基于数字图像的自动对焦系统原理 |
2.4 本章小结 |
第三章 数字图像预处理 |
3.1 图像的数字化及其特性 |
3.2 图像格式及其相互转化 |
3.2.1 BMP图像文件 |
3.2.2 JPEG图像文件 |
3.2.3 RGB与YUV之间的相互转换 |
3.2.4 RGB到灰度空间的映射 |
3.3 去干扰处理 |
3.3.1 消除光线的影响 |
3.3.2 去噪滤波 |
3.4 本章小结 |
第四章 基于对比度的图像质量评价 |
4.1 对图像清晰度评价方法的要求 |
4.2 空间域对比度的评价函数 |
4.3 频域对比度的评价函数 |
4.4 信息熵对比度的评价函数 |
4.5 评价函数的改进算法 |
4.5.1 对比度变化率的评价函数 |
4.5.2 基于自相关的评价函数改进算法 |
4.6 本章小结 |
第五章 基于功率谱的客观图像质量评价 |
5.1 场景功率谱不变特性 |
5.2 客观图像质量评价 |
5.2.1 二维功率谱定义 |
5.2.2 二维/一维转化 |
5.2.3 功率谱的规范化 |
5.2.4 图像区域的选择 |
5.2.5 人类视觉系统的集成 |
5.2.6 成像系统的噪声处理 |
5.2.7 图像质量评价 |
5.3 IQM的性能 |
5.4 IQM的应用 |
5.5 本章小结 |
第六章 基于小波与神经网络的图像质量评价 |
6.1 概述 |
6.2 小波分析提取图像特征 |
6.2.1 小波变换理论 |
6.2.2 图像特征提取 |
6.3 最小各向同性小波滤波器的评价函数 |
6.4 基于神经网络的图像模式识别 |
6.4.1 BP神经网络简介 |
6.4.2 BP神经网络识别模型 |
6.5 实验与结果分析 |
6.5.1 样本设计 |
6.5.2 仿真实验 |
6.5.3 结果分析 |
6.6 本章小结 |
第七章 聚焦过程实现 |
7.1 图像区域的划分与选择 |
7.2 一维搜索方法 |
7.2.1 斐波那契(Fibonacci)法搜索 |
7.2.2 黄金分割法(0.618法)搜索 |
7.2.3 两种方法比较 |
7.3 聚焦操作 |
7.4 本章小结 |
第八章 基于FPGA的自动聚焦系统实现 |
8.1 系统的基本实现方案及组成 |
8.1.1 系统的基本实现方案 |
8.1.2 光学成像模块 |
8.1.3 图像采集模块 |
8.1.4 图像处理模块与控制模块 |
8.1.5 驱动模块 |
8.2 系统软硬件设计 |
8.2.1 各模块延时特性分析 |
8.2.2 评价算法分析与实现 |
8.2.3 数据采集 |
8.2.4 视频图像显示 |
8.2.5 FPGA的配置 |
8.3 测试结果分析及系统改进 |
8.3.1 测试结果分析 |
8.3.2 系统改进 |
8.3.3 改进后的系统结构 |
8.4 本章小节 |
第九章 总结与展望 |
9.1 论文工作总结 |
9.2 研究工作展望 |
致谢 |
参考文献 |
作者攻读博士学位期间的研究成果 |
附录 |
(5)现代汉语常用汉字字义研究(论文提纲范文)
导言 |
第一章 现代汉字字义的研究意义和现状 |
1.1 现代汉字字义研究的必要性 |
1.2 现代汉字字义研究的现状 |
1.3 现代汉字字义研究的内容 |
第二章 现代汉字字义的特点 |
第三章 常用现代汉字字义分类 |
3.1 语料选择 |
3.2 分类视角 |
3.3 分类步骤 |
3.4 分析结果 |
第四章 汉语双音节合成词的字义构成 |
4.1 现代汉语合成词形成的原因和途径 |
4.2 分析材料和方法 |
4.3 分析结果 |
第五章 现代汉字字义研究的应用领域 |
5.1 现代汉字字义研究在汉字教学领域中的应用 |
5.2 现代汉字字义研究在辞书编纂领域中的应用 |
5.3 现代汉字字义研究在计算机语言信息处理领域中的应用 |
结语 |
注释 |
参考文献 |
附录一 现代汉字字义分类结果 |
附录二 汉语双音节合成词字义构成方式 |
致谢 |
四、彩色扩印系统多分物镜的设计(论文参考文献)
- [1]基于深度学习的仿生复眼目标识别系统设计[D]. 曹昭睿. 沈阳理工大学, 2019(03)
- [2]中华人民共和国行业标准备案公告[J]. 国家标准化管理委员会. 中国标准化, 2014(10)
- [3]变焦距手机镜头的光学设计[D]. 黄城. 江苏大学, 2009(09)
- [4]数字图像自动聚焦技术研究及系统实现[D]. 陈国金. 西安电子科技大学, 2007(03)
- [5]现代汉语常用汉字字义研究[D]. 李静峰. 广西大学, 2002(02)
- [6]彩色扩印系统多分物镜的设计[J]. 黄大刚,孙建芳,孙杰. 天津理工学院学报, 2000(04)
- [7]彩扩镜头的设计与选购(二)[J]. 钟伯亮. 照相机, 1995(09)