单幅正视灰度图像三维重建及伪彩处理的研究与实现

单幅正视灰度图像三维重建及伪彩处理的研究与实现

论文摘要

本文研究的主要内容是单幅正视灰度图像的一种三维重建方法及三维图像的伪彩色处理。本文提出的三维重建方法,可归类于国内外热门研究的从阴影恢复形状之法,但有所不同。本法依据光度学照度平方反比定律,指出点光源光强之垂直分量入射目标物表面获得的照度,反比于点光源到受照面距离的平方;论证物表照度还可被视为扩展光源将层面深度信息反射到观察器里,物表层面在观察器视屏成像的照度,同样反比于扩展光源到成像距离的平方。这就是本文提出的目标物在观察器成像照度的平方反比公式。据此建立了目标物在观察器二维成像的模型,引出了单幅正视图像灰度映射目标物表层深度的关系式。还讨论了该模型其它实用的可能性,例如利用图像灰度求光源强度与角度,利用图像灰度求材质表面反射率或吸收率,利用光源强度或表面反射率求物表层深度(或者相反)等。本文参考普通相机宏观摄影和实体显微镜、生物显微镜、金相显微镜微观摄影的光学成像系统的参数,进一步建立了用这些观察器所拍摄的单幅正视灰度图像三维重建的数学模型。本文按照各种观察器不同放大倍率摄影参数所建数学模型的关系式,采用MATLAB语言编程予以计算和可视化处理,在计算机视屏显示了经过三维重建及伪彩色处理的目标物立体形状。本文研究的三维重建及伪彩处理方法,可普遍应用于许多科学技术领域,特别适合于历史资料中仅存的单幅灰度正视图片,其中目标物表面形状的恢复及其特征的伪彩处理。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 本文的选题背景
  • 1.1.1 数字图像三维重建及伪彩处理现状的概述
  • 1.1.2 数字图像三维重建及伪彩处理方法的评论
  • 1.2 本文的研究工作
  • 1.3 本文的章节安排
  • 第二章 本文研究工作的基础
  • 2.1 图像光度学原理
  • 2.1.1 点光源的发光强度与扩展光源的面发光强度
  • 2.1.2 面发光强度与亮度的关系
  • 2.1.3 景物表面的照度
  • 2.1.4 景物表面的发光强度
  • 2.2 成像几何学原理
  • 2.2.1 单透镜缩放成像系统
  • 2.2.2 双透镜放大成像系统
  • 2.3 二维正视灰度图像的伪彩处理方法
  • 第三章 本文提出的单幅正视灰度图像的三维重建方法
  • 3.1 景物在观察器中的二维成像模型
  • 3.1.1 景物在观察器中成像的照度
  • 3.1.2 景物在观察器中的二维成像模型
  • 3.1.3 成象模型实用意义的探讨
  • 3.1.4 用目标物二维图像的灰度求其表层第三维的深度
  • 3.2 宏观摄影图像的三维重建模型
  • 3.2.1 普通相机远摄图像的三维重建模型
  • 3.2.2 普通相机近摄图像的三维重建模型
  • 3.3 微观摄影图像的三维重建模型
  • 3.3.1 显微镜摄影系统成像原理与三维重建
  • 3.3.2 实体显微镜灰度摄影图像的三维重建模型
  • 3.3.3 生物显微镜灰度摄影图像的三维重建模型
  • 3.3.4 金相显微镜灰度摄影图像的三维重建模型
  • 第四章 本文提出的三维灰度图像的伪彩处理方法
  • 4.1 三维灰度图像的伪彩映射关系式
  • 4.2 三维重建与伪彩处理的关系
  • 第五章 本文基于MATLAB编程的图像三维重建及伪彩处理
  • 5.1 MATLAB与数字图像处理
  • 5.1.1 MATLAB编程语言简述
  • 5.1.2 MATLAB编程语言在本文中的应用
  • 5.2 基于MATLAB编程的三维重建
  • 5.2.1 单幅正视灰度图像三维重建系统的流程图
  • 5.2.2 单幅正视灰度图像三维重建的实现
  • 5.3 基于MATLAB编程的伪彩处理
  • 5.3.1 三维灰度图像伪彩处理系统的流程图
  • 5.3.2 二维灰度图像的伪彩处理实例
  • 5.3.3 三维灰度图像伪彩处理的实现
  • 第六章 结论
  • 6.1 特点与优势
  • 6.1.1 本文三维重建方法特点与优势的总结
  • 6.1.2 本文伪彩处理方法特点与优势的总结
  • 6.2 不足与展望
  • 6.2.1 本文三维重建方法的不足与展望
  • 6.2.2 本文伪彩处理方法的不足与展望
  • 参考文献
  • 附录A 实体显微镜16倍MESH源程序
  • 附录B 伪彩转换系统的部分源程序
  • 致谢
  • 相关论文文献

    • [1].基于深度学习的灰度图像实际颜色预测[J]. 计算机应用 2019(S2)
    • [2].一种基于非对称逆布局灰度图像表示算法[J]. 福建电脑 2017(10)
    • [3].面向人眼探测识别的灰度图像伪彩色化方法[J]. 红外与激光工程 2015(S1)
    • [4].高斯变邻域差分的灰度图像增强算法[J]. 激光杂志 2015(01)
    • [5].一种16位灰度图像自动调窗算法[J]. 光电技术应用 2016(04)
    • [6].浅析灰度图像的直方图均衡化处理[J]. 数字技术与应用 2014(12)
    • [7].一种新的灰度图像色彩迁移算法[J]. 福建电脑 2008(09)
    • [8].基于灰度图像特征的电选粉煤灰烧失量预测[J]. 矿业研究与开发 2020(02)
    • [9].一种基于K-均值分类稀疏表示的灰度图像颜色重建方法[J]. 计算机应用研究 2017(08)
    • [10].基于区域合并的灰度图像目标分离[J]. 计算机与数字工程 2010(04)
    • [11].基于多重算法的灰度图像增强及应用[J]. 怀化学院学报(自然科学) 2008(02)
    • [12].一种新的灰度图像的快速矩计算算法[J]. 计算机学报 2017(11)
    • [13].一种简单的单幅灰度图像高光检测与恢复方法[J]. 哈尔滨理工大学学报 2018(02)
    • [14].基于有限离散剪切波变换的灰度图像融合[J]. 计算机工程 2016(12)
    • [15].均场退火算法在单幅灰度图像高光检测与恢复中的应用[J]. 计算机辅助设计与图形学学报 2017(05)
    • [16].多工程软件协作的测量用灰度图像的合成方法研究[J]. 现代制造工程 2014(08)
    • [17].基于灰度图像分形特征的局部放电模式识别[J]. 变压器 2009(01)
    • [18].在灰度图像中对人眼的识别[J]. 电子技术与软件工程 2017(05)
    • [19].基于褶皱灰度图像的服装宽松量的评价方法[J]. 服装设计师 2020(08)
    • [20].基于静态灰度图像人脸识别算法的功图诊断方法研究[J]. 中国管理信息化 2014(03)
    • [21].基于字典学习与稀疏表示的灰度图像颜色重建算法[J]. 计算机辅助设计与图形学学报 2014(07)
    • [22].灰度图像平滑处理及着色方法[J]. 科技创新导报 2010(32)
    • [23].一种基于粒子群优化的高斯混合灰度图像增强算法[J]. 应用光学 2017(04)
    • [24].基于量子指针的量子灰度图像处理[J]. 华东交通大学学报 2013(03)
    • [25].视频微小运动放大的灰度图像方法[J]. 计算机与数字工程 2019(08)
    • [26].基于暗区域分割的夜间灰度图像增强[J]. 湖北师范大学学报(自然科学版) 2019(03)
    • [27].低分辨率灰度图像传输真实度优化仿真研究[J]. 计算机仿真 2017(12)
    • [28].暗背景下低灰度图像的实时增强[J]. 液晶与显示 2011(03)
    • [29].Photoshop中灰度图像的转换及其调节[J]. 数码印刷 2009(06)
    • [30].基于像素相关性的灰度图像上色算法[J]. 北京工业大学学报 2009(05)

    标签:;  ;  ;  ;  ;  ;  

    单幅正视灰度图像三维重建及伪彩处理的研究与实现
    下载Doc文档

    猜你喜欢