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ARG 252
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