| 1 引言 | 第1-25页 |
| 1．1 立体视觉概述 | 第16-20页 |
| 1．1．1 计算机视觉的发展历史 | 第17-18页 |
| 1．1．2 Marr视觉计算理论 | 第18-20页 |
| 1．1．2．1 视觉是个信息处理任务 | 第18页 |
| 1．1．2．2 计算机视觉系统的表象 | 第18-20页 |
| 1．2 立体视觉及其应用于森林资源调查中的意义 | 第20-23页 |
| 1．2．1 立体视觉在其它行业的广泛应用 | 第20-21页 |
| 1．2．2 立体视觉应用于森林资源调查中的意义 | 第21-23页 |
| 1．3 立体视觉在森林资源调查中的应用前景 | 第23页 |
| 1．4 论文的组织结构及本文研究的主要内容 | 第23-25页 |
| 2 林业立体视觉综述 | 第25-70页 |
| 2．1 图像获取及预处理 | 第25-26页 |
| 2．1．1 图像获取 | 第25页 |
| 2．1．2 图像预处理 | 第25-26页 |
| 2．1．2．1 图像的灰度修正 | 第26页 |
| 2．1．2．2 图像去噪 | 第26页 |
| 2．2 特征提取综述 | 第26-37页 |
| 2．2．1 边缘检测 | 第27-36页 |
| 2．2．1．1 边缘检测基本概念 | 第27-28页 |
| 2．2．1．2 一阶微分边缘检测算子 | 第28-29页 |
| 2．2．1．3 二阶微分算子 | 第29-36页 |
| 2．2．1．3．1 拉普拉斯算子 | 第30-31页 |
| 2．2．1．3．2 LoG算子 | 第31-32页 |
| 2．2．1．3．3 最优边缘检测算子--Canny算子 | 第32-36页 |
| 2．2．1．4 SUSAN算子 | 第36页 |
| 2．2．2 边缘图像后处理 | 第36页 |
| 2．2．3 点特征检测 | 第36-37页 |
| 2．3 摄像机标定综述 | 第37-48页 |
| 2．3．1 三个基本坐标系 | 第37-40页 |
| 2．3．1．1 图像坐标系 | 第37-39页 |
| 2．3．1．2 摄像机坐标系 | 第39页 |
| 2．3．1．3 地理坐标系 | 第39-40页 |
| 2．3．2 摄像机模型 | 第40-48页 |
| 2．3．2．1 摄像机针孔模型 | 第40-42页 |
| 2．3．3．2 单目标定 | 第42-45页 |
| 2．3．3．2．1 单目标定模型 | 第42页 |
| 2．3．3．2．2 单目标定模型的线性方法 | 第42-45页 |
| 2．3．3．3 双目标定 | 第45-48页 |
| 2．3．3．3．1 两个摄像机坐标系之间的关系 | 第45-46页 |
| 2．3．3．3．2 立体视觉中的外极线方程 | 第46-47页 |
| 2．3．3．3．3 双目标定模型 | 第47-48页 |
| 2．4 立体匹配综述 | 第48-65页 |
| 2．4．1 立体匹配中的约束 | 第48-50页 |
| 2．4．2 匹配算法分类 | 第50-53页 |
| 2．4．2．1 基于区域的匹配算法 | 第50-52页 |
| 2．4．2．2 基于特征的匹配算法 | 第52-53页 |
| 2．4．2．3 基于相位的匹配算法 | 第53页 |
| 2．4．3 实用的匹配策略 | 第53-56页 |
| 2．4．3．1 基于层次化的匹配方法 | 第53-54页 |
| 2．4．3．2 多目匹配 | 第54页 |
| 2．4．3．3 特征和区域联合匹配 | 第54页 |
| 2．4．3．4 新的数学手段的引入立体匹配 | 第54-56页 |
| 2．4．4 常用匹配算法 | 第56-65页 |
| 2．4．4．1 基于区域的相关匹配 | 第56-57页 |
| 2．4．4．2 最小二乘相关匹配算法 | 第57-60页 |
| 2．4．4．3 基于遗传算法的相关匹配 | 第60-61页 |
| 2．4．4．3．1 基本型遗传算法概述 | 第60页 |
| 2．4．4．3．2 基于遗传算法的立体匹配设计 | 第60-61页 |
| 2．4．4．4 基于区域不变矩的立体匹配 | 第61-63页 |
| 2．4．4．4．1 图像区域的矩 | 第61-62页 |
| 2．4．4．4．2 基于图像区域不变矩的匹配 | 第62-63页 |
| 2．4．4．5 基于HousDorff距离的立体匹配 | 第63-64页 |
| 2．4．4．6 基于信息熵差立体匹配算法 | 第64-65页 |
| 2．5 三维重建 | 第65-70页 |
| 2．5．1 重建到地理坐标系 | 第66-68页 |
| 2．5．2 重建到摄像机坐标系 | 第68-70页 |
| 3 实验及结果分析 | 第70-150页 |
| 3．1 图像获取与预处理 | 第71-75页 |
| 3．1．1 图像获取 | 第71页 |
| 3．1．2 图像预处理 | 第71-75页 |
| 3．2 各种边缘检测方法对树干边缘检测适用性分析 | 第75-85页 |
| 3．3 不同标定方法结果比较分析 | 第85-106页 |
| 3．3．1 标志点坐标获取 | 第85-87页 |
| 3．3．1．1 标志点地理坐标的测定 | 第85-87页 |
| 3．3．1．2 标志点图像坐标的获取 | 第87页 |
| 3．3．2 非线性度量误差模型概述 | 第87-88页 |
| 3．3．3 单目标定及结果分析 | 第88-94页 |
| 3．3．4 单目标定重建分析 | 第94-100页 |
| 3．3．5 双目标定结果及其分析 | 第100-103页 |
| 3．3．6 双目标定重建分析 | 第103-106页 |
| 3．4 适合树干边缘立体匹配策略探索 | 第106-127页 |
| 3．4．1 树干边缘的特征约束的变区域匹配 | 第106-110页 |
| 3．4．1．1 算法概述 | 第106-109页 |
| 3．4．1．2 算法在FVision中的实现 | 第109-110页 |
| 3．4．2 非线性度量误差模型整体匹配 | 第110-114页 |
| 3．4．3 立体匹配策略实现 | 第114-127页 |
| 3．5 三维重建及部分林分调查因子测定精度分析 | 第127-150页 |
| 3．5．1 采用单目标定摄像机参数 | 第127-144页 |
| 3．5．2 采用双目标定摄像机参数 | 第144-150页 |
| 4 树木近景摄影和立体量测系统（FVision）简介 | 第150-177页 |
| 4．1 FVision的特点 | 第150-159页 |
| 4．1．1 FVision的用户界面 | 第150-151页 |
| 4．1．2 FVision采用的图像格式BMP | 第151-153页 |
| 4．1．3 FVision的命名规则 | 第153-154页 |
| 4．1．4 FVision包含的类 | 第154页 |
| 4．1．5 FVision中同时处理多个文档的实现 | 第154-155页 |
| 4．1．6 人机交互机制的实现 | 第155-156页 |
| 4．1．7 FVision的容错机制 | 第156-159页 |
| 4．2 FVision主要功能及实现 | 第159-176页 |
| 4．2．1 FVision的数据输入输出 | 第162-163页 |
| 4．2．2 编辑和画图 | 第163-164页 |
| 4．2．3 图像显示与处理 | 第164页 |
| 4．2．4 图像分析 | 第164-170页 |
| 4．2．5 立体视觉 | 第170-171页 |
| 4．2．6 立体匹配算法的实现 | 第171-175页 |
| 4．2．6．1 基于区域匹配算法实现 | 第171-172页 |
| 4．2．6．2 最小二乘相关匹配算法实现 | 第172-173页 |
| 4．2．6．3 基于遗传算法的相关匹配算法实现 | 第173-175页 |
| 4．2．7 FVision中交互式的立体匹配操作过程 | 第175-176页 |
| 4．3 FVision有待完善之处 | 第176-177页 |
| 5 结论与讨论 | 第177-181页 |
| 5．1 结论 | 第177-179页 |
| 5．2 讨论 | 第179-181页 |
| 参考文献 | 第181-193页 |
| 附录 | 第193-199页 |
| 致谢 | 第199-200页 |
