| 第1章 绪论 | 第1-18页 |
| 1．1 引言 | 第8-9页 |
| 1．2 计算机视觉系统与理论 | 第9-10页 |
| 1．3 选题背景及文献综述 | 第10-17页 |
| 1．3．1 选题背景 | 第10-11页 |
| 1．3．2 文献综述 | 第11-17页 |
| 1．4 论文的主要研究工作 | 第17-18页 |
| 第2章 相关数学基础及计算机视觉理论 | 第18-37页 |
| 2．1 引言 | 第18页 |
| 2．2 矩阵的奇异值分解 | 第18-20页 |
| 2．2．1 矩阵的奇异值 | 第18-19页 |
| 2．2．2 奇异值分解定理 | 第19-20页 |
| 2．2．3 奇异值分解的计算方法 | 第20页 |
| 2．3 矩阵扰动分析 | 第20-24页 |
| 2．3．1 概述 | 第21-22页 |
| 2．3．2 线性最小二乘问题扰动理论 | 第22-24页 |
| 2．4 不确定性基础 | 第24-28页 |
| 2．4．1 概述 | 第24-26页 |
| 2．4．2 多维不确定性分析 | 第26-28页 |
| 2．5 SUSAN角点检测 | 第28-29页 |
| 2．5．1 概述 | 第28页 |
| 2．5．2 SUSAN角点检测 | 第28-29页 |
| 2．6 基础矩阵估计 | 第29-32页 |
| 2．6．1 概述 | 第30页 |
| 2．6．2 基础矩阵的鲁棒估计 | 第30-32页 |
| 2．7 摄像机模型及极线约束 | 第32-36页 |
| 2．7．1 摄像机模型 | 第32-34页 |
| 2．7．2 极线约束 | 第34-36页 |
| 2．8 本章小结 | 第36-37页 |
| 第3章 基于梯度场相似性和邻域膨胀的匹配算法 | 第37-50页 |
| 3．1 引言 | 第37页 |
| 3．2 匹配策略提出的渊源 | 第37-40页 |
| 3．3 Scott和Longuet-Higgins算法及其改进 | 第40-42页 |
| 3．3．1 Scott和Longuet-Higgins算法 | 第40-41页 |
| 3．3．2 Scott和Longuet-Higgins算法的改进 | 第41-42页 |
| 3．4 匹配算法的实现 | 第42-49页 |
| 3．4．1 算法总体思路 | 第42-43页 |
| 3．4．2 匹配算法的具体实现 | 第43-49页 |
| 3．4．3 结论 | 第49页 |
| 3．5 本章小结 | 第49-50页 |
| 第4章 基于双幅图像3D重建的不确定性研究 | 第50-57页 |
| 4．1 引言 | 第50页 |
| 4．2 重建不确定性分析 | 第50-56页 |
| 4．2．1 重建扰动分析模型 | 第51-53页 |
| 4．2．2 扰动分析 | 第53-54页 |
| 4．2．3 伸展不确定性可视化 | 第54-56页 |
| 4．2．4 结论 | 第56页 |
| 4．3 本章小结 | 第56-57页 |
| 第5章 匹配算法及重建不确定性研究的软件实现 | 第57-71页 |
| 5．1 引言 | 第57-58页 |
| 5．1．1 开发工具 | 第57页 |
| 5．1．2 软件实现功能剖析 | 第57-58页 |
| 5．2 匹配算法实现及实验分析 | 第58-64页 |
| 5．2．1 匹配算法模块的创建 | 第58-59页 |
| 5．2．2 程序实现细节 | 第59-61页 |
| 5．2．3 实验结果 | 第61-64页 |
| 5．3 重建不确定性实验研究 | 第64-69页 |
| 5．3．1 不确定性分析的程序实现 | 第64-65页 |
| 5．3．2 程序实现细节 | 第65-67页 |
| 5．3．3 实验结果 | 第67-69页 |
| 5．4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-74页 |
| 6．1 论文总结 | 第71-72页 |
| 6．2 工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 发表的论文 | 第78-79页 |
| 附录 | 第79-82页 |
| 致谢 | 第82-83页 |
