《深度图象分析》求取 ⇩

第1章图象的表示及生成5

1.1 深度图象及其表示5

1.1.1 图象的表示5

1.1.2 象点与对应景物点的几何关系5

1.2 雷达成象7

1.2.1 常规及合成孔径雷达成象8

1.2.2 激光雷达成象12

1.3 结构光成象15

1.4 Moire技术17

1.5 从双眼系统获得深度数据20

第2章深度图象的早期处理23

2.1 深度图象的平滑滤波23

2.1.1 线性平滑滤波的局域平均23

2.1.2 选择平均25

2.1.3 加权平均27

2.2 深度图象的边缘检测29

2.2.1 边缘检测算子30

2.2.2 二阶导数法——零交叉检测33

2.2.3 亮条图象（Stripe image）的边缘检测44

2.3 基于区域的深度图象分割51

2.4 基于形态学的深度图象分割57

第3章双眼立体视觉64

3.1 用于双眼立体视觉的MPG算法64

3.1.1 MPG算法的主要步骤66

3.1.2 经典MPG算法存在的问题70

3.2 双眼立体视觉中的基于规则的匹配方法71

3.2.1 占支配地位特征的匹配72

3.2.2 几何约束匹配79

3.2.3 零交叉轮廓的匹配85

3.2.4 基于规则的方法小结90

第4章几何信号处理97

4.1 几何表示97

4.2 几何信号的建模102

4.3 几何描述106

4.3.1 平面曲线107

4.3.2 空间曲线108

4.3.3 表面111

4.3.4 体127

4.4 几何近似129

4.4.1 局部近似129

4.4.2 全局近似133

第5章 物体的三维表示140

5.1 表面的表示140

5.1.1 面与表面140

5.1.2 基于样条函数的表面142

5.1.3 球面调和函数表示144

5.1.4 广义柱表示147

5.2 广义高斯图象151

5.2.1 高斯图象151

5.2.2 广义高斯图象154

5.2.3 旋转体的高斯曲率160

5.2.4 一般情况下的高斯曲率162

5.3 立体的表示164

5.3.2 组合法165

5.3.1 分解法165

5.3.3 立体表示的几种算法167

5.3.4 表面表示时体特征的计算172

5.3.5 界面的计算173

第6章基于先验知识的深度图象分析175

6.1 深度图象分析的一般方法175

6.2 轮廓线分析176

6.2.1 线条检测177

6.2.2 边界确认181

6.2.3 扇形搜索182

6.3 结点分析184

6.3.1 结点的可能类型184

6.3.2 结点词典的建立186

6.3.3 结点词典指导下的结点分析188

6.4 体划分190

6.4.1 顶点调整190

6.4.2 体划分190

6.5 深度图象分析系统191

6.5.1 系统组成192

6.5.2 实例193

6.5.3 简单曲面物体的分析195

第7章深度图象识别198

7.1 特征矢量表示的物体识别198

7.1.1 最短距离判决方法200

7.1.2 最近邻域判决法202

7.1.3 Bayes判决法203

7.1.4 多级判决204

7.1.5 表面判决函数205

7.2 姿态聚类206

7.2.1 几何变换207

7.2.2 特征组合及匹配209

7.2.3 候选变换矩阵的计算211

7.2.4 姿态变换矩阵聚类214

7.2.5 主要算法217

7.2.6 简例220

7.3 广义柱表示的物体识别225

7.3.1 系统组成225

7.3.2 建模226

7.3.3 识别过程227

7.4 零部件结构表示的物体识别229

7.4.1 超二次曲面表示的体基元230

7.4.2 广义柱表示的体基元232

7.4.3 物体结构的表示234

7.4.4 识别：一个优化问题235

7.4.5 识别：一个多级匹配问题236

7.5 曲面物体的识别237

7.5.1 扩散法238

7.5.2 面孔的识别240

7.6 图象识别考虑的主要问题244

第8章神经网络识别系统248

8.1 系统概述248

8.2 曲面物体的描述249

8.2.1 表面的曲率250

8.2.2 基于曲率的表面分割252

8.2.3 属性关系图ARG252

8.3 能量函数254

8.3.1 低层次处理的能量函数256

8.3.2 中间层次处理的能量函数257

8.3.3 高层次处理的能量函数260

8.4 最小化算法264

8.4.1 低层次算法264

8.4.2 中间层次算法266

8.4.3 高层次算法268

8.5 神经网络272

8.5.1 低层次神经网络273

8.5.2 中、高层次神经网络274

第9章深度图象处理的应用278

9.1 运动机器人中的3D视觉技术278

9.1.1 运动机器人概述278

9.1.2 地貌表示279

9.1.3 多地貌图综合300

9.2 其它一些工业应用316

9.2.1 齐套与排列检查316

9.2.2 表面检查318

9.2.3 计量320

9.2.4 引导和控制321

9.2.5 建模322

9.3 实际应用中的障碍323

第10章多传感器融合330

10.1 多传感器融合330

10.1.1 多传感器融合的作用332

10.1.2 多传感器融合的一般方法337

10.1.3 传感器选择344

10.1.5 控制结构345

10.1.4 环境模型345

10.2 计算机视觉中的多传感器融合347

10.2.1 图象模型347

10.2.2 传感器间图象特征的确定349

10.2.3 基于物理原理的传感器间特征确认352

10.3 多传感器融合在计算机视觉中的应用355

10.3.1 视觉图象与热图象融合355

10.3.2 联合深度和灰度数据362

主要参考资料374