| 摘要 | 第9-10页 |
| abstract | 第10-11页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 三维重建算法国内外研究现状 | 第13-16页 |
| 1.2.1 结构光法 | 第13-14页 |
| 1.2.2 光度立体法 | 第14-15页 |
| 1.2.3 融合法 | 第15页 |
| 1.2.4 水下三维重建算法 | 第15-16页 |
| 1.3 论文的创新性 | 第16-17页 |
| 1.4 论文的主要内容及结构安排 | 第17-19页 |
| 第2章 相关算法的理论基础及实验环境 | 第19-42页 |
| 2.1 结构光重建法的理论基础 | 第19-30页 |
| 2.1.1 摄像机模型 | 第19-23页 |
| 2.1.2 摄像机标定 | 第23-27页 |
| 2.1.3 激光三角法原理 | 第27页 |
| 2.1.4 本文结构光校准与重建算法 | 第27-30页 |
| 2.2 光度立体重建法的理论基础 | 第30-35页 |
| 2.2.1 法向求解 | 第30-32页 |
| 2.2.2 法向积分 | 第32-34页 |
| 2.2.3 本文光度立体重建法实验 | 第34-35页 |
| 2.3 神经网络的理论基础 | 第35-41页 |
| 2.3.1 bp神经网络 | 第35-39页 |
| 2.3.2 广义回归神经网络（GRNN） | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 水下结构光特征点的提取与重建 | 第42-71页 |
| 3.1 引言 | 第42-43页 |
| 3.2 结构光特征点提取的常用算法 | 第43-44页 |
| 3.2.1 极值法 | 第43页 |
| 3.2.2 阈值法 | 第43-44页 |
| 3.2.3 灰度重心法 | 第44页 |
| 3.3 本文结构光图像的预处理 | 第44-48页 |
| 3.3.1 水下成像模型 | 第44-45页 |
| 3.3.2 水下结构光图像去后向散射 | 第45-48页 |
| 3.4 本文光条中心特征点的提取 | 第48-52页 |
| 3.5 结构光特征点的高度重建 | 第52-70页 |
| 3.5.1 常用提取方法提取的特征点重建结果 | 第53-58页 |
| 3.5.2 本文提取方法提取的特征点重建结果及异常点处理 | 第58-67页 |
| 3.5.3 不同提取方法的性能比较 | 第67-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 水下光度立体重建 | 第71-86页 |
| 4.1 目标表面梯度求解 | 第71-74页 |
| 4.1.1 超定方程求解方法 | 第71-72页 |
| 4.1.2 求解梯度 | 第72-74页 |
| 4.2 梯度积分 | 第74-85页 |
| 4.2.1 梯度积分方法的评价 | 第75-81页 |
| 4.2.2 积分曲面的矫正 | 第81-85页 |
| 4.3 本章小结 | 第85-86页 |
| 第5章 光度立体重建法与结构光重建法的融合 | 第86-95页 |
| 5.1 高度信息的映射 | 第86-94页 |
| 5.1.1 网络结构与网络参数的确定 | 第87-88页 |
| 5.1.2 实验结果 | 第88-94页 |
| 5.2 本章小结 | 第94-95页 |
| 第6章 总结与展望 | 第95-97页 |
| 参考文献 | 第97-103页 |
| 攻读硕士学位期间参与的科研项目及发表的学术论文 | 第103-104页 |
| 致谢 | 第104页 |