三维曲面拼接是数字图像处理领域中的一个重要研究方向,是实现大型物体形貌测量的关键技术。三维曲面拼接技术将一组或几组相互间存在着重叠区域的曲面进行空间上的匹配对准,然后经重采样融合后形成一个包含各曲面信息的宽视角、完整新曲面的技术。随着科学技术的发展,三维曲面拼接技术越来越得到人们重视,它被广泛应用于计算机视觉、遥感图像处理、医学图像分析等领域。课题组前期工作提出了基于符号M阵列结构光的三维检测方法,初步实现了二值光源投射下动态场景的检测与三维重构。该三维检测方法适合对大尺寸表面、小曲率半径的物体进行测量,这些测量物体表面不具有明显的特征,难以采用自由拼接。基于该三维检测方法,本文提出了一种基于遗传算法及小波变换的三维曲面拼接方法。主要研究内容如下:(1)三维重构算法的改进研究。对基于符号M阵列结构光的三维检测原理及方法进行了详细的研究,深入分析介绍了三维坐标重建算法,在此基础上对课题组之前采用的三维坐标获取算法进行了改进。实验结果表明,改进的算法具有更好的平滑性、鲁棒性和精确性。(2)遗传算法应用于三维曲面配准方法的研究。论文从基于遗传算法的三维曲面配准方面展开研究,深入分析了将遗传算法应用于三维曲面配准的可行性,提出了一种基于遗传算法的曲面重叠区域配准方法,以互信息作为相似性测度对待配准曲面的空间变换参数进行优化,在优化过程中采用遗传算法将其收敛至最优值附近。实验结果表明该方法具有一定的有效性。(3)三维曲面融合算法的研究。推导出一种新的三维曲面融合算法。由二维小波变换推导出三维小波变换形式,并将其应用于三维曲面的融合过程,对所要融合的曲面分别进行小波分解及小波逆变换,重构得到最终的融合曲面,更好的实现了粗配准后三维曲面的融合。实验结果表明了该方法的可行性。