| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与研究意义 | 第8-9页 |
| 1.2 三维模型重建的国内外研究现状 | 第9-12页 |
| 1.2.1 基于三维扫描设备获取三维模型 | 第9-10页 |
| 1.2.2 基于图像重建三维模型 | 第10-12页 |
| 1.3 本文的研究内容及结构安排 | 第12-14页 |
| 第2章 基于面片的三维重建(PMVS)算法 | 第14-24页 |
| 2.1 PMVS 算法基本概念 | 第14-17页 |
| 2.1.1 面片 | 第14-15页 |
| 2.1.2 灰度一致函数 | 第15-16页 |
| 2.1.3 面片优化 | 第16页 |
| 2.1.4 图像模型 | 第16-17页 |
| 2.2 PMVS 算法 | 第17-21页 |
| 2.2.1 特征点匹配及初始面片的生成 | 第18-19页 |
| 2.2.2 面片扩散 | 第19-20页 |
| 2.2.3 面片过滤 | 第20-21页 |
| 2.3 已有的 PMVS 改进算法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于准稠密匹配方法的 PMVS 改进 | 第24-40页 |
| 3.1 经典特征点提取及匹配算法 | 第24-29页 |
| 3.1.1 Harris 算法 | 第24-25页 |
| 3.1.2 DoG(高斯差分)算法 | 第25-28页 |
| 3.1.3 SIFT 算法 | 第28-29页 |
| 3.1.4 特征点匹配算法 | 第29页 |
| 3.2 准稠密匹配方法 | 第29-34页 |
| 3.3 基于准稠密匹配方法的 PMVS 改进 | 第34-36页 |
| 3.4 实验结果比较 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于准稠密匹配改进 PMVS 算法的优化 | 第40-54页 |
| 4.1 优化特征点匹配 | 第40-44页 |
| 4.1.1 极线约束 | 第41-42页 |
| 4.1.2 单应约束 | 第42-43页 |
| 4.1.3 基于自适应非极大值抑制的匹配点均匀分布 | 第43-44页 |
| 4.2 重采样 | 第44-45页 |
| 4.3 优化基于准稠密匹配方法的 PMVS 改进算法 | 第45-46页 |
| 4.4 实验结果分析 | 第46-52页 |
| 4.4.1 三维重建效率分析 | 第46-50页 |
| 4.4.2 三维重建效果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |