第1章 引论 1
1.1机器视觉的发展及系统构成 1
1.1.1机器视觉的发展 1
1.1.2机器视觉系统构成 2
1.2 Marr的视觉理论框架 4
1.2.1视觉系统研究的三个层次 4
1.2.2视觉信息处理的三个阶段 5
1.3机器视觉的应用领域及面临的问题 7
1.3.1机器视觉的应用领域 7
1.3.2机器视觉面临的问题 8
本章参考文献 9
第2章 空间几何变换与摄像机模型 11
2.1空间几何变换 11
2.1.1齐次坐标 11
2.1.2射影变换 12
2.1.3仿射变换 13
2.1.4比例变换 14
2.1.5欧氏变换 14
2.2几何变换的不变量 15
2.2.1简比与交比 15
2.2.2不变量 16
2.3欧氏空间的刚体变换 17
2.3.1刚体变换过程 18
2.3.2旋转矩阵的表示形式 18
2.4摄像机透视投影模型 20
2.4.1图像坐标系、摄像机坐标系与世界坐标系 20
2.4.2针孔成像模型 22
2.4.3非线性模型 23
2.5摄像机透视投影近似模型 23
2.5.1正投影 23
2.5.2弱透视 24
2.5.3平行透视 25
2.5.4仿射摄像机 26
本章参考文献 27
第3章 视觉图像特征信息提取 28
3.1图像边缘与图像平滑 28
3.1.1图像边缘 28
3.1.2图像平滑滤波 29
3.2一阶微分边缘检测算子 31
3.2.1梯度 32
3.2.2边缘算子 32
3.3二阶微分边缘检测算子 36
3.3.1拉普拉斯算子 36
3.3.2 LoG算子 37
3.4子像素级边缘检测 39
3.4.1 Hessian矩阵法 40
3.4.2曲面拟合法 42
3.5角点探测器 43
3.5.1 K-R（Kitchen-Rosenfeld）法 43
3.5.2图像灰度法 44
3.5.3简单算法 45
3.6形状特征分析 46
3.6.1矩形度 46
3.6.2球状性 46
3.6.3圆形性 47
3.6.4中心矩 47
3.6.5长轴 48
3.7椭圆孔图像中心的提取 48
3.7.1重心法 49
3.7.2椭圆拟合法 49
3.8给定形状曲线的检测——Hough变换 50
3.8.1简单形状曲线的检测 50
3.8.2复杂形状曲线的检测 52
本章参考文献 53
第4章 摄像机标定与双目立体视觉 55
4.1非线性优化方法 55
4.1.1非线性优化目标函数 55
4.1.2最小二乘法 56
4.1.3 Levenberg-Marquardt算法 60
4.1.4罚函数法 61
4.2基于3D立体靶标的摄像机标定 61
4.2.1线性模型摄像机标定 61
4.2.2非线性模型摄像机标定 64
4.3双目立体视觉原理 64
4.3.1双目立体视觉三维测量原理 64
4.3.2双目立体视觉数学模型 65
4.4双目立体视觉中的对应点匹配 68
4.4.1图像匹配的常用方法 68
4.4.2已知极线几何的对应点匹配方法 69
4.4.3未知极线几何的对应点匹配方法 70
本章参考文献 75
第5章 视觉计算与融合理论 76
5.1融合处理中需考虑的问题 76
5.2融合方法概论 78
5.2.1信号级融合方法 78
5.2.2像素级融合方法 79
5.2.3特征级融合方法 86
5.2.4决策级融合方法 87
5.3模式识别与信息融合 88
5.3.1视觉信息融合 89
5.3.2视觉与触觉融合 89
5.3.3视觉与红外信息融合 90
5.3.4自动目标识别 90
5.3.5移动机器人的感知信息融合 91
本章参考文献 92
第6章 基于图像融合的变形轮廓线 95
6.1变形轮廓线概述 95
6.1.1主动轮廓线 95
6.1.2动态轮廓线 96
6.2 B样条动态轮廓线 96
6.3基于图像融合和微分耦合机制的动态轮廓线 103
6.3.1基于Lagrangian动力学原理的微分耦合的动态轮廓线 103
6.3.2微分耦合机制的局限性 106
6.3.3基于图像融合和微分耦合的动态轮廓线 106
6.3.4实验结果 107
6.4基于图像融合和B样条曲线范数极小化的动态轮廓线 109
6.4.1 B样条形状空间 110
6.4.2自适应Kalman滤波 110
6.4.3基于B样条曲线范数极小化的图像融合 111
6.4.4实验结果 112
6.5基于图像融合的运动目标轮廓提取 114
6.5.1运动目标分割 114
6.5.2特征级融合 116
6.5.3实验结果 116
6.6基于图像融合的多分辨率动态轮廓线 117
6.6.1多分辨率图像像素级融合 118
6.6.2基于多分辨率对比度分解的图像融合 120
6.6.3基于图像融合的多分辨率动态轮廓线 122
6.6.4动态轮廓线与目标运动速度的关系 123
6.6.5实验结果 125
6.7基于图像融合和形状约束机制的主动轮廓线 128
6.7.1基于能量极小化原理的参数型主动轮廓线 128
6.7.2形状约束主动轮廓线及其局限性 128
6.7.3基于图像融合和形状约束的主动轮廓线 129
6.7.4实验结果 129
本章参考文献 130
第7章 基于变形轮廓线的微小物体表面积周长精密测量 133
7.1二维图像测量机研究现状 133
7.2二维图像测量机 134
7.2.1总体结构与原理 134
7.2.2图像式自动调焦瞄准系统 134
7.2.3调焦评价函数的确定 135
7.2.4二维图像测量机的工作方式 137
7.3基于动态轮廓线的物体表面积周长测量 137
7.3.1图像目标的像素面积计算概述 137
7.3.2基于动态轮廓线的物体表面积计算方法 138
7.3.3基于动态轮廓线的物体周长计算方法 139
7.4像素尺寸当量的标定 139
7.4.1概述 139
7.4.2形心自标定技术 140
7.5基于多分辨率动态轮廓线的物体表面积周长测量 141
7.5.1多分辨率动态轮廓线 141
7.5.2实验结果 142
7.6基于短程线主动轮廓线的多物体面积周长并行测量研究 144
7.6.1短程线主动轮廓线概述 144
7.6.2基于短程线主动轮廓线的像素面积及周长的计算方法 145
7.6.3实验结果 146
本章参考文献 148
第8章 运动模糊图像恢复及其在运动物体速度测量中的应用 150
8.1运动模糊图像恢复综述 150
8.2应用区域划分法进行空间可变运动模糊图像恢复研究 151
8.2.1奇偶场图像提取及运动偏移量的计算 153
8.2.2区域空间不变运动模糊图像恢复 153
8.2.3实验结果 154
8.3采用运动模糊图像信息进行物体速度精密测量 156
8.3.1基于运动模糊的物体旋转速度测量 156
8.3.2基于车载摄像机采集运动模糊图像的车辆平移速度测量 157
8.3.3基于公路两侧安装摄像机采集运动模糊图像的车辆平移速度测量 159
8.3.4考虑车辆运动模糊与摄像机离焦模糊耦合时的车辆速度测量 162
8.3.5采集单幅隔行扫描CCD图像进行车辆速度测量 164
本章参考文献 165
第9章 林业工程应用范例——板材材种显微细胞图像分类识别 167
9.1概述 167
9.1.1国内研究概述 167
9.1.2国外研究概述 168
9.1.3板材材种分类识别 168
9.2系统硬件及软件构成 170
9.2.1系统硬件组成与配置 170
9.2.2系统软件设计 171
9.3板材细胞形状特征提取与分类识别 173
9.3.1细胞图像预处理 173
9.3.2板材细胞图像分割 176
9.3.3细胞外轮廓定型 181
9.3.4基准细胞模拟 190
9.4细胞纹理特征提取与分类识别 193
9.4.1纹理图像研究方法 194
9.4.2 Contourlet变换理论 196
9.4.3板材细胞图像分类识别 202
本章参考文献 206
第10章 农业工程应用范例——农作物杂草分类识别 208
10.1杂草识别 209
10.2利用杂草位置信息进行识别 211
10.3利用杂草颜色特征进行识别 212
10.4利用杂草形状特征进行识别 214
10.5利用杂草纹理特征进行识别 215
10.6利用杂草光谱特征进行识别 216
10.7利用杂草多特征融合进行识别 217
10.8利用杂草模糊信息进行识别 218
本章参考文献 221
第11章 应用实例——光笔式3D坐标视觉测量系统及其应用 226
11.1系统建模 226
11.1.1系统坐标系的建立 226
11.1.2共线3点透视问题的求解 227
11.1.3被测点三维坐标的求解 228
11.1.4系统模型的唯一性证明 228
11.1.5实验 230
11.2光笔式坐标测量系统中控制点光斑图像的识别 230
11.2.1光笔上发光二极管的成像特点 230
11.2.2发光二极管椭圆形光斑图像的识别 231
11.3光笔式坐标测量系统中控制点光斑图像中心的并行定位算法 233
11.4采用光笔式坐标测量系统进行曲面物体边界周长的精密测量 236
11.5采用光笔式坐标测量系统进行曲面物体表面积的精密测量 237
11.5.1 B样条变形曲面 238
11.5.2面积计算 238
本章参考文献 239