| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第12-22页 |
| 1.1 课题提出的依据和背景 | 第12-14页 |
| 1.2 意义及应用价值 | 第14-16页 |
| 1.3 深度提取算法的发展 | 第16-19页 |
| 1.4 本文主要研究工作及章节安排 | 第19-22页 |
| 2 模式识别的水下图像深度信息估计 | 第22-26页 |
| 2.1 模式识别系统原理 | 第22页 |
| 2.2 模式识别方法 | 第22-24页 |
| 2.3 总结 | 第24-26页 |
| 3 马尔可夫随机场基础 | 第26-36页 |
| 3.1 导言 | 第26页 |
| 3.2 马尔可夫随机场理论 | 第26-31页 |
| 3.3 相关概念 | 第31-34页 |
| 3.3.1 单目线索 | 第31页 |
| 3.3.2 特征序列 | 第31-32页 |
| 3.3.3 绝对深度的特征 | 第32-33页 |
| 3.3.4 相对深度的特征 | 第33-34页 |
| 3.4 马尔可夫随机场的发展及优势 | 第34-36页 |
| 4 水下图像深度提取 | 第36-44页 |
| 4.1 马尔可夫随机场模型概述 | 第36-38页 |
| 4.2 马尔可夫随机场模型 | 第38-44页 |
| 4.2.1 两两马尔可夫随机场模型 | 第38-40页 |
| 4.2.2 高阶马尔可夫随机场模型 | 第40页 |
| 4.2.3 马尔可夫随机场概率模型 | 第40-43页 |
| 4.2.4 马尔可夫随机场的拉普拉斯模型 | 第43-44页 |
| 5 基于马尔可夫随机场模型的实验 | 第44-52页 |
| 5.1 引言 | 第44页 |
| 5.2 水下深度特征提取 | 第44-45页 |
| 5.3 模型参数估计 | 第45-47页 |
| 5.3.1 相关联结构 | 第45-46页 |
| 5.3.2 共面性 | 第46页 |
| 5.3.3 共线性 | 第46-47页 |
| 5.4 参数学习 | 第47-48页 |
| 5.5 映射推理 | 第48-49页 |
| 5.6 逐点的马尔可夫随机场 | 第49-52页 |
| 6 实验 | 第52-58页 |
| 6.1 实验结果和实验分析 | 第53-57页 |
| 6.2 实验结果整理 | 第57-58页 |
| 7 总结与实验展望 | 第58-60页 |
| 7.1 对实验成果的总结 | 第58页 |
| 7.1.1 运用模式识别的方法对图像深度进行估计 | 第58页 |
| 7.1.2 提出了马尔可夫随机场的建模并优化 | 第58页 |
| 7.1.3 对图像的纹理进行深度特征提取层面上的理解 | 第58页 |
| 7.2 待改进点及展望 | 第58-60页 |
| 7.2.1 实验中有待改进的方面 | 第58-59页 |
| 7.2.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 个人简历 | 第65-66页 |