1  Multi-Dimensional  Signals  and  Systems
  1.1  Multi-Dimensional  Signals
    1.1.1  Finite-Extent  Signals  and  Periodic  Signals
    1.1.2  Symmetric  Signals
    1.1.3  Special  Multi-Dimensional  Signals
  1.2  Multi-Dimensional  Transforms
    1.2.1  Fourier  Transform  of  Continuous  Signals
    1.2.2  Fourier  Transform  of  Discrete  Signals
    1.2.3  Discrete  Fourier  Transform  (DFT)
    1.2.4  Discrete  Cosine  Transform  (DCT)
  1.3  Multi-Dimensional  Systems
    1.3.1  Impulse  Response  and  D  Convolution
    1.3.2  Frequency  Response
    1.3.3  FIR  Filters  and  Symmetry
    1.3.4  IIR  Filters  and  Partial  Difference  Equations
  1.4  Multi-Dimensional  Sampling  Theory
    1.4.1  Sampling  on  a  Lattice
    1.4.2  Spectrum  of  Signals  Sampled  on  a  Lattice
    1.4.3  Nyquist  Criterion  for  Sampling  on  a  Lattice
    1.4.4  Reconstruction  from  Samples  on  a  Lattice
  1.5  Sampling  Structure  Conversion
  References
  Exercises
  Problem  Set
2  MATLAB  Exercises
  2  Digital  Images  and  Video
  2.1  Human  Visual  System  and  Color
    2.1.1  Color  Vision  and  Models
    2.1.2  Contrast  Sensitivity
    2.1.3  Spatio-Temporal  Frequency  Response
    2.1.4  Stereo/Depth  Perception
  2.2  Digital  Video
    2.2.1  Spatial  Resolution  and  Frame  Rate
    2.2.2  Color,  Dynamic  Range,  and  Bit-Depth
    2.2.3  Color  Image  Processing
    2.2.4  Digital-Video  Standards
  2.3  D  Video
    2.3.1  D-Display  Technologies
    2.3.2  Stereoscopic  Video
    2.3.3  Multi-View  Video
  2.4  Digital-Video  Applications
    2.4.1  Digital  TV
    2.4.2  Digital  Cinema
    2.4.3  Video  Streaming  over  the  Internet
    2.4.4  Computer  Vision  and  Scene/Activity  Understanding
  2.5  Image  and  Video  Quality
    2.5.1  Visual  Artifacts
    2.5.2  Subjective  Quality  Assessment
    2.5.3  Objective  Quality  Assessment
  References
3  Image  Filtering
  3.1  Image  Smoothing
    3.1.1  Linear  Shift-Invariant  Low-Pass  Filtering
    3.1.2  Bi-Lateral  Filtering
  3.2  Image  Re-Sampling  and  Multi-Resolution  Representations
    3.2.1  Image  Decimation
    3.2.2  Interpolation
    3.2.3  Multi-Resolution  Pyramid  Representations
    3.2.4  Wavelet  Representations
  3.3  Image-Gradient  Estimation,  Edge  and  Feature  Detection
    3.3.1  Estimation  of  the  Image  Gradient
    3.3.2  Estimation  of  the  Laplacian
    3.3.3  Canny  Edge  Detection
    3.3.4  Harris  Corner  Detection
  3.4  Image  Enhancement
    3.4.1  Pixel-Based  Contrast  Enhancement
    3.4.2  Spatial  Filtering  for  Tone  Mapping  and  Image  Sharpening
  3.5  Image  Denoising
    3.5.1  Image  and  Noise  Models
    3.5.2  Linear  Space-Invariant  Filters  in  the  DFT  Domain
    3.5.3  Local  Adaptive  Filtering
    3.5.4  Nonlinear  Filtering:  Order-Statistics,  Wavelet  Shrinkage,  and  Bi-Lateral  Filtering
    3.5.5  Non-Local  Filtering:  NL-Means  and  BM3D
  3.6  Image  Restoration
    3.6.1  Blur  Models
    3.6.2  Restoration  of  Images  Degraded  by  Linear  Space-Invariant  Blurs
    3.6.3  Blind  Restoration  –  Blur  Identification
    3.6.4  Restoration  of  Images  Degraded  by  Space-Varying  Blurs
    3.6.5  Image  In-Painting
  References
  Exercises
  Problem  Set
  MATLAB  Exercises
  MATLAB  Resources
4  Motion  Estimation
  4.1  Image  Formation
    4.1.1  Camera  Models
    4.1.2  Photometric  Effects  of  D  Motion
  4.2  Motion  Models
    4.2.1  Projected  Motion  vs.  Apparent  Motion
    4.2.2  Projected  D  Rigid-Motion  Models
    4.2.3  D  Apparent-Motion  Models
  4.3  D  Apparent-Motion  Estimation
    4.3.1  Sparse  Correspondence,  Optical-Flow  Estimation,  and  Image-Registration  Problems
    4.3.2  Optical-Flow  Equation  and  Normal  Flow
    4.3.3  Displaced-Frame  Difference
    4.3.4  Motion  Estimation  is  Ill-Posed:  Occlusion  and  Aperture  Problems