| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 深度获取方法综述 | 第9-12页 |
| 1.2.1 深度获取方法现状 | 第9-11页 |
| 1.2.2 深度重建方法研究现状 | 第11-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 第二章 基于 Cost Volume 的图像超分辨率 | 第13-21页 |
| 2.1 本方法简介 | 第13页 |
| 2.2 立体匹配中的 Cost Volume | 第13-15页 |
| 2.3 Cost Volume 框架下的超分辨率 | 第15-17页 |
| 2.3.1 Cost Volume 构建 | 第15-16页 |
| 2.3.2 Cost Volume 代价凝聚 | 第16-17页 |
| 2.3.3 亚像素精细化 | 第17页 |
| 2.4 实验结果及分析 | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于 MST 的非局部图像超分辨率 | 第21-42页 |
| 3.1 本方法简介 | 第21-22页 |
| 3.2 联合图像滤波（Joint Image Filtering） | 第22-26页 |
| 3.2.1 双边滤波（Bilateral Filtering） | 第22-24页 |
| 3.2.2 非局部均值滤波（Non-local Means Filtering） | 第24-26页 |
| 3.3 最小生成树（Minimum Spanning Tree） | 第26-31页 |
| 3.3.1 Prim 算法 | 第26-29页 |
| 3.3.2 Kruskal 算法 | 第29-31页 |
| 3.4 基于最小生成树的深度超分辨率 | 第31-36页 |
| 3.4.1 构建最小生成树 | 第31-33页 |
| 3.4.2 基于最小生成树的预测 | 第33-35页 |
| 3.4.3 逐步优化的迭代框架 | 第35-36页 |
| 3.4.4 深度图的二次优化 | 第36页 |
| 3.5 参数自适应 | 第36-39页 |
| 3.5.1 σ的自适应 | 第37-38页 |
| 3.5.2 α的自适应 | 第38-39页 |
| 3.6 实验结果及分析 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于 TOF 相机的立体成像系统 | 第42-58页 |
| 4.1 系统构成 | 第42页 |
| 4.2 PMD Camcube TOF 相机 | 第42-47页 |
| 4.2.1 TOF 相机成像原理 | 第43-45页 |
| 4.2.2 TOF 相机系统误差 | 第45-47页 |
| 4.3 深度和彩色相机标定 | 第47-51页 |
| 4.3.1 参考坐标系 | 第48-49页 |
| 4.3.2 针孔成像模型 | 第49-50页 |
| 4.3.3 相机参数标定 | 第50-51页 |
| 4.4 虚拟视点绘制 | 第51-52页 |
| 4.5 系统框架 | 第52-57页 |
| 4.5.1 运动补偿插值 | 第52-53页 |
| 4.5.2 基于深度的虚拟视点绘制 | 第53-54页 |
| 4.5.3 分层的深度图像 | 第54页 |
| 4.5.4 三种方法的比较 | 第54页 |
| 4.5.5 优化的 DIBR 方法 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
