| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.1.1 计算机视觉概述 | 第7页 |
| 1.1.2 基于图像的三维重建技术 | 第7-8页 |
| 1.2 国内外研究概况 | 第8-9页 |
| 1.3 本研究的主要工作 | 第9-10页 |
| 1.4 本文结构安排 | 第10-11页 |
| 第二章 图像预处理相关技术研究 | 第11-27页 |
| 2.1 引言 | 第11-12页 |
| 2.2 椒盐噪声检测器 | 第12-17页 |
| 2.2.1 椒盐噪声模型 | 第12页 |
| 2.2.2 BP神经网络结构 | 第12-13页 |
| 2.2.3 遗传算法优化 | 第13-14页 |
| 2.2.4 决策规则 | 第14页 |
| 2.2.5 噪声检测工作流程 | 第14-15页 |
| 2.2.6 噪声检测性能测试 | 第15-17页 |
| 2.3 噪声滤除 | 第17-22页 |
| 2.3.1 自适应开关滤波原理 | 第17-18页 |
| 2.3.2 自适应开关滤波算法参数设置 | 第18-21页 |
| 2.3.3 三种自适应开关滤波算法性能比较 | 第21-22页 |
| 2.4 基于GA-BP噪声检测的自适应滤波实验结果 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 摄像机标定 | 第27-39页 |
| 3.1 摄像机标定理论基础 | 第27-32页 |
| 3.1.1 摄像机成像模型 | 第27-30页 |
| 3.1.2 绝对二次曲线和圆环点 | 第30-31页 |
| 3.1.3 对极几何和基础矩阵 | 第31-32页 |
| 3.2 标定方法简介 | 第32-35页 |
| 3.2.1 传统摄像机标定方法 | 第33-34页 |
| 3.2.2 摄像机自标定方法 | 第34-35页 |
| 3.3 基于圆点模板摄像机标定实验结果 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 图像序列的三维重建研究 | 第39-67页 |
| 4.1 特征检测与匹配 | 第39-45页 |
| 4.1.1 特征点检测算法 | 第39-41页 |
| 4.1.2 特征匹配 | 第41-43页 |
| 4.1.3 剔除误匹配 | 第43页 |
| 4.1.4 实验及结果 | 第43-45页 |
| 4.2 基于SFM的稀疏三维重构 | 第45-50页 |
| 4.2.1 本质矩阵计算方法 | 第45-46页 |
| 4.2.2 相机外参计算 | 第46-47页 |
| 4.2.3 空间三维坐标的求取 | 第47-48页 |
| 4.2.4 稀疏点云重建系统 | 第48-50页 |
| 4.3 基于面片的多视图立体重构 | 第50-56页 |
| 4.3.1 基本概念 | 第51-53页 |
| 4.3.2 PMVS算法 | 第53-56页 |
| 4.4 基于图像序列的三维重建相关实验研究 | 第56-66页 |
| 4.4.1 Bundler与圆点模板标定方法的比较研究 | 第56-61页 |
| 4.4.2 基于图像序列三维重建的实验结果与分析 | 第61-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-68页 |
| 5.1 论文总结 | 第67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |