文中提出了一种水下线激光的三维重建系统，由相机、绿色线形激光器和转台组成，通过对系统扫描获得的图像进行分析与处理，实现对目标区域的三维重建。采用边缘检测算法与基于极值法的高斯拟合法相结合的条纹中心提取算法，利用坐标转换公式，得到相应的三维点云坐标。点云处理方面，将alpha shapes边界提取算法和Delaunay三角剖分相结合，实现对点云的滤波与重建。针对实验中由于光线在不同介质表面折射造成的视角误差问题，提出了一种折射校正算法，并用已知尺寸的标准球进行了误差实验。结果表明，在500~1200 mm的工作距离内，系统可以实现对水下目标物体及区域的三维形貌还原，重建误差小于0.6 mm，满足设计要求，为水下三维重建技术提供新的参考。

通过对激光作用薄膜元件后的损伤过程和图像损伤特征进行分析与研究,借助光学薄膜损伤表面三维微观形貌的重构,揭示薄膜元件损伤机理。基于白光干涉显微原理,采集薄膜损伤表面的干涉显微三维云数据,运用Delaunay三角剖分法构建损伤表面的三角网格模型,通过可视化仿真,实现了损伤表面三维微观形貌的再现。结果表明:实验测试的HfO2薄膜表面损伤区域呈坑状凹陷,损伤形貌不规则,内部有鼓包、裂纹存在,边缘处陡度变化大、毛刺较多;对重构图像、VEECO Vision软件处理结果、Taylor-Hobson非接触式轮廓仪测试结果进行对比后发现,重构图像能更直观、全方位地再现损伤表面细微形貌。研究结果给分析损伤表面形貌特征、调控高损伤阈值薄膜制备工艺提供了技术支持。

针对当前机器视觉热点研究的配准问题,提出了一种全新的快速点特征直方图(FPFH)特征描述与Delaunay三角剖分相结合的三维点云配准方法。首先采用FPFH综合描述特征信息,通过Delaunay三角网建立特征信息的局部关联性;再根据特征点对的对应关系进行采样一致性初始变换,实现初始配准;最后,根据得到的初值采用迭代最近点法进行精确配准,获得精确转换关系。分别对简单目标物体及复杂目标物体进行配准实验。实验结果表明,将FPFH特征描述与Delaunay三角剖分结合引入传统点云配准,简化了特征提取复杂度,缩小了特征点对匹配的搜索范围,提升了配准精度及速度,实现对目标物体高效配准,对提高机器视觉特征点匹配效率具有一定指导作用。

对于复杂背景下微小圆柱体芯块的端面缺陷检测,受表面镀层不均匀造成的灰度信息的干扰,现有的基于阈值、形态学、边缘Canny的分割方法的检测具有不精确性。提出一种基于机器视觉的结构光三角剖分技术缺陷检测算法。首先,采用结构光主动视觉检测法获取两幅含有一定缺陷信息的图像;然后,根据模板匹配、形态学分析、频率统计将缺陷轮廓粗略勾画出来;最后,使用Delaunay三角剖分技术实现端面缺陷区域的精确勾画。实验结果表明,该方法对隐藏于杂乱背景下的缺陷检测具有较高的识别率,重复精度可达亚像素级,并且抗干扰性好、实用性强、效率高。

针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求，构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体，需要正确匹配多物体同名点，因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点；通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格，对左右图像每一对匹配三角形区域计算仿射矩阵；根据多物体同名点在不同匹配三角形内的分布，利用仿射约束实现对多物体同名点的匹配。实验结果表明，提出的方法对特征相同多物体同名点实现了快速高精度的匹配，多物体同名点提取以及实时匹配时间约为30 ms，满足相机25 frame/s的实时处理要求，较好地解决了超大三维空间中弧形坡面上随机出现的特征相同多物体同名点的匹配问题。

为提高反向条纹生成的速度和精度，提出了一种基于Delaunay三角剖分的反向条纹生成方法。利用投影机坐标系与相机坐标系之间的正向映射关系，将相机坐标系上的相位点组成相位散乱点集合，并进行Delaunay三角剖分。将投影机坐标系上的相位点作为插值点，找出插值点所对应的Delaunay三角形并进行插值计算，插值后即得到预期反向条纹的垂直和水平方向的相位值，利用这些相位值可进一步生成反向条纹。计算机模拟实验和实物仿真实验表明，所提方法在反向条纹生成的速度和精度上均有改进，具有较高的应用价值。

物体的三维重建技术一直是计算机视觉领域研究的热点问题，提出一种利用Kinect传感器获取的深度图像实现多幅深度图像融合完成物体三维重建的方法。在图像空间中对深度图像进行三角化，然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场(hierarchical signed distance field)，对距离场中所有的体素应用整体Delaunay三角剖分算法产生一个涵盖所有体素的凸包，并利用Marching Tetrahedra算法构造等值面，完成物体表面重建。实验结果表明，该方法利用Kinect传感器采集的不同方向37幅分辨率为640×480的深度图像完成目标物体的三维重建，仅需要48 s，并且得到非常精细的重建效果。

对图像处理中二维经验模式分解(EMD)算法提出改进。在二维EMD中涉及到像素极值的选取和对极值点进行插值, 在插值过程中会出现边界点变异现象。利用Delaunay三角剖分方法对选取的极值点进行分划, 对不包含在Delaunay多边形内的边界像素采用对称处理, 抑制了3次样条插值过程中边界点变异现象。用改进算法对一幅图像进行EMD处理, 计算得到重构图像与原始图像之间标准差为6.667×10-6, 可见重构图像与原始图像之间的灰度值波动很小。实验结果表明重构图像与原始图像吻合非常好, 论证了这种改进算法的准确性和可行性。EMD方法在图像压缩以及去噪过程中运用越来越广泛, 因此本文的改进算法也将在基于EMD的图像处理中起到提高运算速度的作用。