目錄
第1章 圖像處理基礎 1
1.1 機器視覺概述 1
1.2 數(shù)字圖像表示 2
1.2.1 圖像增強 3
1.2.2 圖像濾波 5
1.2.3 圖像分割 11
1.2.4 形態(tài)學圖像處理 12
1.2.5 圖像暗通道處理 15
1.2.6 角點檢測 20
1.2.7 小結 24
第2章 機器學習和深度學習 25
2.1 圖像分類與識別 25
2.1.1 深度卷積神經網(wǎng)絡 25
2.1.2 數(shù)據(jù)集與遷移學習 28
2.1.3 小結 29
2.2 目標檢測與定位 29
2.2.1 目標檢測的兩種算法 30
2.2.2 度學習模型與目標檢測及定位 30
2.2.3 小結 33
2.3 圖像分割與實例分割 33
2.3.1 —般圖像分割 34
2.3.2 圖像語義分割 37
2.3.3 實例分割 39
2.3.4 小結 40
2.4 深度學習在圖像處理中的應用 40
2.4.1 應用一：自動駕駛與視覺導航 40
2.4.2 應用二：非接觸測量 41
2.4.3 小結 42
第3章 相機標定與幾何視覺 43
3.1 空間幾何變換 43
3.1.1 齊次坐標 43
3.1.2 射影變換 44
3.1.3 比例變換 46
3.1.4 歐氏變換 47
3.1.5 小結 48
3.2 相機透視投影模型 49
3.2.1 相機內參標定 50
3.2.2 相機外參標定 51
3.2.3 小結 52
3.3 三維幾何視覺 53
3.3.1 視覺空間定位 53
3.3.2 結構光和偏振光三維成像方法 60
3.3.3 小結 62
3.4 三維重建 62
3.4.1 運動重構 63
3.4.2 稠密重建 65
3.4.3 小結 66
3.5 非線性優(yōu)化 66
3.5.1 高斯-牛頓算法 67
3.5.2 LM算法 67
3.5.3 BA算法 68
3.5.4 小結 69
第4章 3D點云處理與分析 70
4.1 點云分割 70
4.1.1 點云分割概述 70
4.1.2 點云分割面臨的挑戰(zhàn) 71
4.1.3 點云分割方法 72
4.1.4 小結 74
4.2 點云補全 74
4.2.1 傳統(tǒng)形狀補全方法 75
4.2.2 基于深度學習的形狀補全方法 76
4.2.3 小結 83
4.3 點云配準 83
4.3.1 點云配準策略 83
4.3.2 迭代優(yōu)化技術 85
4.3.3 小結 86
4.4 點云濾波 86
4.4.1 噪聲分析 87
4.4.2 常用濾波方法 87
4.4.3 小結 89
4.5 點云分類 89
4.5.1 基于深度學習的點云分類方法 90
4.5.2 傳統(tǒng)機器學習方法在點云分類的應用 94
4.5.3 小結 97
第5章 應用實例 98
5.1 基于事件相機的運動二維碼識別方法研究 98
5.1.1 基于光流估計的二維碼圖像重建 98
5.1.2 重建二維碼的定位修復 99
5.1.3 二維碼的校正修復 100
5.1.4 形態(tài)學操作修復 101
5.1.5 小結 103
5.2 物體三維形貌測量與重建 103
5.2.1 線結構光測量原理 104
5.2.2 線結構光測量系統(tǒng)組成及系統(tǒng)標定 104
5.2.3 激光光條中心提取算法 106
5.2.4 三維形貌實時測量結果 108
5.2.5 實驗結果誤差分析 109
5.2.6 小結 110
5.3 微創(chuàng)髖關節(jié)置換手術中的導航系統(tǒng) 110
5.3.1 位置感知標記 112
5.3.2 分布式定位方法 113
5.3.3 接觸式配準方法 113
5.3.4 小結 114
5.4 基于增強現(xiàn)實技術的外科手術輔助系統(tǒng) 114
5.4.1 基于模型邊緣的無標記識別技術 .115
5.4.2 基于視覺的三維配準 116
5.4.3 醫(yī)學影像數(shù)據(jù)三維重建和手術路徑規(guī)劃 120
5.4.4 增強現(xiàn)實場景搭建 122
5.4.5 小結 122
5.5 帶有力反饋功能的增強現(xiàn)實腦穿刺手術訓練系統(tǒng)研發(fā) 123
5.5.1 手術訓練系統(tǒng)的圖像識別和注冊 123
5.5.2 提升標記圖識別的穩(wěn)定性 127
5.5.3 基于標記圖的虛實配準方法研究 131
5.5.4 基于模型代理的力反饋虛實交互實現(xiàn) 134
5.5.5 小結 138
結合 139
參考文獻 141