| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-12页 |
| 1.3 研究内容及组织结构 | 第12-15页 |
| 第二章 地形地貌三维重建实验平台搭建 | 第15-25页 |
| 2.1 地形地貌三维重建平台的系统组成 | 第15页 |
| 2.2 基于SFM的稀疏点云获取模块 | 第15-19页 |
| 2.2.1 特征点提取与匹配 | 第16-17页 |
| 2.2.2 三角化重建原理 | 第17-18页 |
| 2.2.3 基于SFM的序列图像三维重建 | 第18-19页 |
| 2.3 基于PMVS的密集点云获取模块 | 第19-20页 |
| 2.3.1 PMVS中的基本概念 | 第19-20页 |
| 2.3.2 面片重建 | 第20页 |
| 2.4 表面模型构建模块 | 第20-22页 |
| 2.4.1 PowerCrust曲面重建算法 | 第21页 |
| 2.4.2 ScreenedPossion曲面重建算法 | 第21页 |
| 2.4.3 BallPivotingAlgorithm(BPA)曲面重建算法 | 第21-22页 |
| 2.5 用户界面 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于图像信息熵的自适应阈值DAISY特征点提取 | 第25-45页 |
| 3.1 SIFT特征点密度分布不均匀问题 | 第25-27页 |
| 3.2 基于图像信息熵的自适应阈值SIFT特征点提取算法 | 第27-38页 |
| 3.2.1 图像信息熵与特征点密度相关性 | 第28-31页 |
| 3.2.2 基于信息熵的自适应阈值SIFT特征检测器 | 第31-36页 |
| 3.2.3 自适应阈值SIFT特征点提取 | 第36-38页 |
| 3.3 基于图像信息熵的自适应阈值DAISY特征点提取算法 | 第38-40页 |
| 3.3.1 DAISY特征描述子 | 第38-39页 |
| 3.3.2 自适应阈值DAISY特征点提取 | 第39-40页 |
| 3.4 实验 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于图像低频信息相似度的匹配图像对识别 | 第45-65页 |
| 4.1 基于暴力穷举法选取匹配图像对 | 第46-50页 |
| 4.1.1 图像数据采集方式 | 第46-47页 |
| 4.1.2 暴力穷举法效率分析 | 第47-50页 |
| 4.2 基于有序图像选取匹配图像对 | 第50-51页 |
| 4.3 基于模板匹配的匹配图像对识别算法 | 第51-56页 |
| 4.4 基于图像低频信息相似度的匹配图像对识别算法 | 第56-62页 |
| 4.4.1 选取对比区域 | 第57-58页 |
| 4.4.2 基于对比区域相似度的匹配图像对识别 | 第58-60页 |
| 4.4.3 基于感知哈希算法的对比区域相似度评价 | 第60-62页 |
| 4.5 实验 | 第62-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 基于边缘特征自约束的表面网格模型构建 | 第65-81页 |
| 5.1 现有表面网格模型构建算法的不足 | 第65-66页 |
| 5.2 基于直线段约束的三维表面模型构建算法 | 第66-70页 |
| 5.2.1 直线段约束条件获取 | 第67-68页 |
| 5.2.2 直线段约束下表面模型构建 | 第68页 |
| 5.2.3 效果与不足 | 第68-70页 |
| 5.3 基于边缘特征自约束的三维表面模型构建 | 第70-78页 |
| 5.3.1 边缘特征提取 | 第71-72页 |
| 5.3.2 基于边缘特征约束的平面三角剖分 | 第72-76页 |
| 5.3.3 边缘特征自约束条件获取 | 第76-77页 |
| 5.3.4 基于局部降维的带约束三角网构建 | 第77-78页 |
| 5.4 实验 | 第78-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 作者简介 | 第89页 |
