基于单目视觉的视网膜三维重建技术研究
| 中文摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-17页 |
| 1.1 视网膜图像处理与分析研究现状 | 第12-14页 |
| 1.1.1 国外研究现状 | 第12-13页 |
| 1.1.2 国内研究现状 | 第13-14页 |
| 1.2 本文选题背景和研究内容 | 第14-16页 |
| 1.2.1 本文选题背景 | 第14-15页 |
| 1.2.2 本文研究内容及章节安排 | 第15-16页 |
| 1.3 本章小结 | 第16-17页 |
| 2 视网膜图像获取 | 第17-25页 |
| 2.1 人眼结构 | 第17-19页 |
| 2.2 获取视网膜图像 | 第19页 |
| 2.3 立体视觉 | 第19-21页 |
| 2.3.1 对极几何 | 第20页 |
| 2.3.2 单应性矩阵 | 第20页 |
| 2.3.3 基础矩阵 | 第20-21页 |
| 2.4 摄像机成像模型 | 第21-24页 |
| 2.4.1 针孔摄像机模型 | 第21-23页 |
| 2.4.2 非线性相机模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 摄像机标定 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 传统的摄像机标定方法 | 第25-27页 |
| 3.2.1 最优化算法的标定方法 | 第25-26页 |
| 3.2.2 基于透视变换矩阵的摄像机标定方法 | 第26页 |
| 3.2.3 Tsai两步法 | 第26页 |
| 3.2.4 双平面标定法 | 第26页 |
| 3.2.5 张正友标定法 | 第26-27页 |
| 3.3 摄像机自标定法 | 第27-28页 |
| 3.3.1 直接求解Kruppa方程的自标定 | 第27页 |
| 3.3.2 分层逐步标定法 | 第27页 |
| 3.3.3 利用绝对二次曲面的自标定 | 第27-28页 |
| 3.4 标定实验与结果分析 | 第28-31页 |
| 3.5 视网膜图像预处理 | 第31-34页 |
| 3.5.1 直方图均衡化 | 第31-32页 |
| 3.5.2 限制对比度自适应直方图均衡化 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 视网膜图像特征点提取与匹配 | 第35-52页 |
| 4.1 引言 | 第35页 |
| 4.2 视网膜图像特征点提取 | 第35-46页 |
| 4.2.1 Moravec角点特征提取 | 第36页 |
| 4.2.2 Harris角点特征提取 | 第36-37页 |
| 4.2.3 改进的Harris角点特征提取 | 第37-38页 |
| 4.2.4 SUSAN角点特征提取 | 第38页 |
| 4.2.5 SIFT特征提取 | 第38-45页 |
| 4.2.6 SURF特征提取 | 第45-46页 |
| 4.3 视网膜图像特征点匹配及提纯 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 视网膜三维重建 | 第52-61页 |
| 5.1 视网膜图像的空间关系 | 第52-54页 |
| 5.2 4通光束平差法估计相机位置 | 第54-56页 |
| 5.3 视网膜稠密点云获取 | 第56-57页 |
| 5.4 视网膜的三维重建 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 视网膜三维重建系统的设计与实现 | 第61-66页 |
| 6.1 开发环境 | 第61页 |
| 6.2 视网膜三维重建流程 | 第61页 |
| 6.3 视网膜三维重建系统功能模块设计 | 第61-62页 |
| 6.4 视网膜三维重建系统实现 | 第62-65页 |
| 6.5 本章小结 | 第65-66页 |
| 7 结论与展望 | 第66-68页 |
| 7.1 结论 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表论文情况 | 第73页 |
