| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 结构光的国内外研究现状与分析 | 第14-22页 |
| 1.2.1 结构光三维视觉测量技术 | 第14-17页 |
| 1.2.2 结构光图像的滤波技术 | 第17页 |
| 1.2.3 结构光图像的增强技术 | 第17-19页 |
| 1.2.4 Retinex简介 | 第19-21页 |
| 1.2.5 结构光图像的分割技术 | 第21-22页 |
| 1.3 本文的主要工作及内容安排 | 第22-24页 |
| 1.3.1 论文研究内容 | 第22-23页 |
| 1.3.2 章节安排 | 第23-24页 |
| 第2章 线结构光系统原理 | 第24-32页 |
| 2.1 引言 | 第24页 |
| 2.2 结构光图像的获取 | 第24-25页 |
| 2.2.1 照明 | 第24页 |
| 2.2.2 摄像机和镜头 | 第24-25页 |
| 2.2.3 图像采集卡 | 第25页 |
| 2.3 圆标识点的定位 | 第25-27页 |
| 2.3.1 边缘检测 | 第25页 |
| 2.3.2 目标识别 | 第25-26页 |
| 2.3.3 亚像素边缘定位 | 第26页 |
| 2.3.4 最小二乘椭圆拟合 | 第26-27页 |
| 2.4 摄像机成像模型 | 第27-28页 |
| 2.5 激光三角法 | 第28-30页 |
| 2.6 Scheimpflug条件 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 结构光图像的自适应中值滤波技术 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 几种滤波器的比较 | 第32-34页 |
| 3.2.1 均值滤波 | 第32页 |
| 3.2.2 维纳滤波 | 第32-33页 |
| 3.2.3 统计滤波器 | 第33页 |
| 3.2.4 小波去噪法 | 第33-34页 |
| 3.3 中值滤波原理 | 第34-36页 |
| 3.3.1 一维中值滤波原理 | 第35页 |
| 3.3.2 二维中值滤波原理 | 第35-36页 |
| 3.3.3 中值滤波的特性 | 第36页 |
| 3.4 改进的自适应中值滤波 | 第36-39页 |
| 3.4.1 图像的噪声检测 | 第36-37页 |
| 3.4.2 自适应滤波窗口的选取 | 第37-38页 |
| 3.4.3 噪声滤波 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-42页 |
| 3.5.1 改进的算法在普通图像上的研究和应用 | 第39-42页 |
| 3.5.2 改进的算法在结构光图像上的研究和应用 | 第42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 基于Retinex模型的结构光图像增强 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 Retinex原理和颜色空间的研究 | 第44-48页 |
| 4.2.1 Retinex基本原理 | 第44-45页 |
| 4.2.2 Retinex增强与同态滤波的对比 | 第45页 |
| 4.2.3 颜色空间 | 第45-48页 |
| 4.3 Retinex模型 | 第48-51页 |
| 4.3.1 中心/环绕Retinex算法 | 第49页 |
| 4.3.2 单尺度Retinex | 第49-50页 |
| 4.3.3 多尺度Retinex | 第50页 |
| 4.3.4 多尺度Retinex算法的具体流程操作 | 第50-51页 |
| 4.4 改进的多尺度Retinex算法 | 第51-53页 |
| 4.4.1 子频带分解 | 第51页 |
| 4.4.2 空间变化的子频带增益 | 第51页 |
| 4.4.3 增强图像的输出 | 第51-52页 |
| 4.4.4 基于HSV颜色空间的改进的多尺度Retinex算法 | 第52-53页 |
| 4.5 实验结果与分析 | 第53-57页 |
| 4.5.1 算法在普通图像上的研究和分析 | 第53-55页 |
| 4.5.2 算法在结构光图像上的研究和分析 | 第55-57页 |
| 4.6 本章小结 | 第57-60页 |
| 第5章 结构光图像的快速二维阈值分割技术 | 第60-72页 |
| 5.1 引言 | 第60页 |
| 5.2 图像分割方法 | 第60-64页 |
| 5.2.1 阈值分割方法 | 第60-61页 |
| 5.2.2 边缘检测方法 | 第61-63页 |
| 5.2.3 基于区域的分割方法 | 第63-64页 |
| 5.3 Sobel边缘检测算子 | 第64页 |
| 5.4 基于Sobel算子的图像快速二维最大熵阈值分割算法 | 第64-67页 |
| 5.4.1 二维最大熵阈值分割 | 第64-66页 |
| 5.4.2 快速二维熵阈值方法 | 第66页 |
| 5.4.3 Sobel算子的快速二维熵分割算法 | 第66-67页 |
| 5.5 实验结果与分析 | 第67-71页 |
| 5.5.1 算法在普通图像上的研究和分析 | 第67-69页 |
| 5.5.2 算法在结构光图像上的研究和分析 | 第69-71页 |
| 5.6 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 总结 | 第72-73页 |
| 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |
