基于RBF神经网络的近景摄影测量立体匹配技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-21页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·变形监测的方法 | 第11-14页 |
| ·收敛仪量测技术 | 第11-12页 |
| ·全站仪量测技术 | 第12-13页 |
| ·摄影测量技术 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·国外研究进展 | 第15-16页 |
| ·国内研究进展 | 第16-18页 |
| ·本文的主要研究内容 | 第18-21页 |
| 2 数码相机的摄影测量原理 | 第21-34页 |
| ·相机的成像原理 | 第21-24页 |
| ·理想的针孔模型 | 第21-23页 |
| ·镜头的畸变模型 | 第23-24页 |
| ·摄影测量的空间坐标系统 | 第24-26页 |
| ·内方位元素与外方位元素 | 第26-28页 |
| ·内方位元素 | 第26-27页 |
| ·外方位元素 | 第27-28页 |
| ·共线方程与共面方程 | 第28-31页 |
| ·共线的条件方程 | 第28-30页 |
| ·共面的条件方程 | 第30-31页 |
| ·立体匹配技术 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3 数码相机标定的方法 | 第34-44页 |
| ·相机成像的几何模型 | 第34-37页 |
| ·数码相机常见的标定法 | 第37-39页 |
| ·透视变换矩阵的标定法 | 第37-38页 |
| ·直接线性变换方法 | 第38页 |
| ·自主视觉标定法 | 第38-39页 |
| ·二维棋盘定标板 | 第39-40页 |
| ·Calib标定工具箱 | 第40-42页 |
| ·Matlab平台简介 | 第40-41页 |
| ·Calib工具箱原理 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 图像处理方法 | 第44-56页 |
| ·数字图像背景应用 | 第44-45页 |
| ·图像的预处理 | 第45-49页 |
| ·图像平滑 | 第45-48页 |
| ·图像增强与图像分析 | 第48-49页 |
| ·角点的检测与提取 | 第49-55页 |
| ·蒲瑞维特（Prewitt）算子 | 第50-51页 |
| ·索贝尔（Sobel）算子 | 第51-52页 |
| ·LOG算子 | 第52-53页 |
| ·坎尼（Canny）算子 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 摄影测量实验与分析 | 第56-71页 |
| ·实验条件 | 第56-59页 |
| ·数码相机的选取 | 第56-57页 |
| ·具体布置 | 第57-59页 |
| ·图像处理与角点识别 | 第59-61页 |
| ·相机标定 | 第61-64页 |
| ·内部参数的标定 | 第61-63页 |
| ·外部参数的标定 | 第63-64页 |
| ·RBF网络立体匹配建模 | 第64-69页 |
| ·RBF神经网络介绍 | 第64-66页 |
| ·RBF神经网络立体匹配模型设计 | 第66页 |
| ·RBF神经网络立体匹配建模 | 第66-69页 |
| ·测量结果分析 | 第69页 |
| ·本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士期间的论文及研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
