曲面物體3D重建與計算機視覺分析

目錄
前言
第1章 深度圖像分割 1
1.1 深度圖像傳統(tǒng)分割方法 1
1.1.1 基于邊緣的分割方法 1
1.1.2 基于區(qū)域的分割方法 6
1.1.3 傳統(tǒng)深度圖像分割方法的缺陷 8
1.2 深度圖像數(shù)學形態(tài)學分割 10
1.2.1 數(shù)學形態(tài)學基礎理論 10
1.2.2 深度形態(tài)學基礎理論 14
1.2.3 深度形態(tài)學基本運算 16
1.3 深度圖像分割新方法 18
1.3.1 深度圖像預處理 18
1.3.2 基于形態(tài)學算子的深度圖像分割 22
1.3.3 基于水線區(qū)域的深度圖像分割 23
1.4 方法驗證與評估 25
1.4.1 計算機仿真 25
1.4.2 實驗結果 30
1.4.3 深度圖像分割方法評估體系 32
1.5 本章小結 34
參考文獻 35
第2章 基于參數(shù)活動輪廓和向量場卷積的圖像分割 37
2.1 活動輪廓模型理論 37
2.1.1 活動輪廓模型基本思想與分類 38
2.1.2 曲線演化理論 39
2.1.3 參數(shù)活動輪廓模型原理 41
2.1.4 幾何活動輪廓模型 44
2.1.5 Snake模型 45
2.2 Snake參數(shù)輪廓模型改進 47
2.2.1 Snake模型改進 47
2.2.2 改進力構成 49
2.3 實驗結果 51
2.3.1 仿真實驗說明 51
2.3.2 不同圖像分割法結果分析 52
2.4 本章小結 57
參考文獻 58
第3章 點云模型偽洞修補與區(qū)域分割 60
3.1 點云模型基礎 60
3.1.1 點云模型基本理論 60
3.1.2 點云模型幾何特性 66
3.1.3 曲率估算 70
3.2 偽洞檢測與修補 71
3.2.1 偽洞基本理論 71
3.2.2 檢測偽洞邊界點 73
3.2.3 偽洞邊界提取 75
3.2.4 偽洞填充彌補 81
3.3 區(qū)域分割方法 92
3.3.1 傳統(tǒng)區(qū)域分割方法驗證 92
3.3.2 活動輪廓模型分割方法驗證 93
3.3.3 實驗結果 95
3.4 本章小結 97
參考文獻 97
第4章 基于計算機視覺的水果分級 100
4.1 基于深度學習的水果分級 100
4.1.1 基于數(shù)字圖像處理的水果分級方法 100
4.1.2 基于深度學習的水果分級方法 106
4.2 水果分級模型的優(yōu)化和改進 110
4.2.1 數(shù)據(jù)優(yōu)化 110
4.2.2 VGG16結構優(yōu)化 113
4.3 本章小結 122
參考文獻 123
第5章 基于深度學習的花卉圖像分類 124
5.1 基于多損失注意力網(wǎng)絡的花卉圖像分類 124
5.1.1 Xception模型概述 125
5.1.2 注意力機制 126
5.1.3 三元組損失函數(shù) 130
5.1.4 多損失注意力網(wǎng)絡模型設計 131
5.1.5 實驗結果 136
5.2 基于多損失注意力雙線性網(wǎng)絡的花卉圖像分類 141
5.2.1 殘差網(wǎng)絡 141
5.2.2 雙線性卷積神經網(wǎng)絡模型 143
5.2.3 多損失注意力雙線性網(wǎng)絡設計 146
5.2.4 實驗結果 148
5.3 本章小結 150
參考文獻 150
彩圖