| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 目录 | 第9-13页 |
| 1 绪论 | 第13-36页 |
| 1．1 概述 | 第13-15页 |
| 1．2 曲面测量原理及国内外研究现状 | 第15-26页 |
| 1．2．1 测量方法分类 | 第15页 |
| 1．2．2 接触式测量方法及国内外研究现状 | 第15-16页 |
| 1．2．3 主动光测量方法及国内外研究现状 | 第16-19页 |
| 1．2．4 被动光测量方法及国内外研究现状 | 第19-23页 |
| 1．2．5 其他测量方法及国内外研究现状 | 第23-24页 |
| 1．2．6 各种测量方法比较 | 第24-26页 |
| 1．3 SFS方法原理、现状及发展趋势 | 第26-33页 |
| 1．3．1 SFS方法原理及国内外研究现状 | 第26-30页 |
| 1．3．2 SFS方法比较 | 第30-31页 |
| 1．3．3 SFS方法应用前景 | 第31-33页 |
| 1．4 本文主要工作内容 | 第33-36页 |
| 1．4．1 本文主要研究内容 | 第33-34页 |
| 1．4．2 本文组织和结构 | 第34-35页 |
| 1．4．3 本文使用的实验设备 | 第35页 |
| 1．4．4 本文研究的目的和意义 | 第35-36页 |
| 2 适用于单幅图像曲面重构的光照模型研究 | 第36-52页 |
| 2．1 引言 | 第36页 |
| 2．2 光反射现象分析 | 第36-40页 |
| 2．2．1 光反射原理简介 | 第36-39页 |
| 2．2．2 适用于SFS方法的光反射项分析 | 第39-40页 |
| 2．3 光照漫反射模型分析 | 第40-44页 |
| 2．3．1 Lambert光照漫反射模型简介 | 第40-41页 |
| 2．3．2 Oren-Nayar光照漫反射模型简介 | 第41-44页 |
| 2．3．3 改进的光照漫反射模型研究 | 第44页 |
| 2．4 光照镜面反射模型分析 | 第44-50页 |
| 2．4．1 光照镜面反射模型的理论推导 | 第44-48页 |
| 2．4．2 简化的光照镜面反射模型 | 第48-50页 |
| 2．5 适用于SFS方法的改进光照模型研究 | 第50-51页 |
| 2．5．1 改进的光照模型 | 第50页 |
| 2．5．2 应用改进的光照模型图像仿真 | 第50-51页 |
| 2．6 本章小结 | 第51-52页 |
| 3 基于改进光照模型的单幅图像曲面重构算法研究及其实验验证 | 第52-71页 |
| 3．1 引言 | 第52页 |
| 3．2 基于Lambert模型的SFS算法简介 | 第52-56页 |
| 3．3 基于改进光照模型的SFS算法研究 | 第56-59页 |
| 3．3．1 基于改进光照模型的迭代求解算法研究 | 第56-57页 |
| 3．3．2 边界条件分析 | 第57页 |
| 3．3．3 收敛判据分析 | 第57-59页 |
| 3．4 实验验证 | 第59-69页 |
| 3．4．1 不同光照模型下SFS方法误差分析 | 第59-63页 |
| 3．4．2 复杂曲面图像重构实验 | 第63-66页 |
| 3．4．3 人脸图像重构实验 | 第66-67页 |
| 3．4．4 显微图像重构实验 | 第67-69页 |
| 3．5 本章小结 | 第69-71页 |
| 4 基于神经网络模型的间接曲面重构算法研究 | 第71-87页 |
| 4．1 引言 | 第71页 |
| 4．2 基于神经网络模型的曲面重构方法概述 | 第71-73页 |
| 4．3 神经网络算法基础理论 | 第73-77页 |
| 4．3．1 神经网络原理简介 | 第73-75页 |
| 4．3．2 反向传播学习算法 | 第75-77页 |
| 4．4 基于BP网络的曲面重构算法研究 | 第77-83页 |
| 4．4．1 曲面重构算法分析 | 第77-78页 |
| 4．4．2 神经网络模型的构建 | 第78-83页 |
| 4．4．3 曲面高度计算 | 第83页 |
| 4．5 实验验证 | 第83-85页 |
| 4．6 本章小结 | 第85-87页 |
| 5 适用于SFS方法的光源方向参数算法研究 | 第87-103页 |
| 5．1 引言 | 第87页 |
| 5．2 光源方向确定方法概述 | 第87-89页 |
| 5．3 球面图像光亮带的分析及选取 | 第89-91页 |
| 5．3．1 球面光亮带分析 | 第89-90页 |
| 5．3．2 球面光亮带的选取 | 第90-91页 |
| 5．4 基于数学形态学的光亮带骨架化提取算法研究 | 第91-96页 |
| 5．4．1 数学形态学方法简介 | 第92-93页 |
| 5．4．2 光亮带骨架化提取算法研究 | 第93-96页 |
| 5．5 光照方向算法研究 | 第96-98页 |
| 5．6 基于多光带平面的光照方向算法研究 | 第98-100页 |
| 5．7 实验验证 | 第100-102页 |
| 5．8 本章小结 | 第102-103页 |
| 6 多幅图像曲面重构信息融合技术研究 | 第103-120页 |
| 6．1 引言 | 第103页 |
| 6．2 三维曲面匹配算法研究 | 第103-113页 |
| 6．2．1 曲面匹配方法概述 | 第103-104页 |
| 6．2．2 基于脚标的曲面匹配算法概述 | 第104-105页 |
| 6．2．3 匹配点对的生成算法分析 | 第105-109页 |
| 6．2．4 三维变换算法研究 | 第109-111页 |
| 6．2．5 有向脚标投票筛选分析 | 第111-112页 |
| 6．2．6 曲面的分级匹配算法研究 | 第112-113页 |
| 6．3 简化的曲面匹配算法研究 | 第113-115页 |
| 6．3．1 二维平面内的坐标系变化计算 | 第113-115页 |
| 6．3．2 二维平面内的匹配点对投票筛选 | 第115页 |
| 6．4 多曲面信息融合计算算法研究 | 第115-117页 |
| 6．4．1 图像的亚像素三维重构 | 第115-117页 |
| 6．4．2 多曲面信息加权融合算法研究 | 第117页 |
| 6．5 基于多幅图像的曲面重构实验验证 | 第117-119页 |
| 6．6 本章小结 | 第119-120页 |
| 7 结论与展望 | 第120-123页 |
| 7．1 结论 | 第120-121页 |
| 7．2 进一步工作展望 | 第121-123页 |
| 参考文献 | 第123-132页 |
| 攻读博士学位期间发表学术论文情况 | 第132-133页 |
| 创新点摘要 | 第133-134页 |
| 致谢 | 第134-135页 |
| 大连理工大学学位论文版权使用授权书 | 第135页 |