| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 3DTV采 集技术现状 | 第13-16页 |
| 1.2.2 深度获取方式现状 | 第16-18页 |
| 1.2.3 深度计算重建方法研究现状 | 第18-19页 |
| 1.2.4 信号重建模型和解法 | 第19-20页 |
| 1.3 研究内容及章节安排 | 第20-22页 |
| 第二章 基于全局优化的深度图像计算重建 | 第22-54页 |
| 2.1 引言 | 第22-23页 |
| 2.2 相关工作简介 | 第23-30页 |
| 2.2.1 相机成像原理 | 第23-24页 |
| 2.2.2 基于全局优化的深度复原方法 | 第24-29页 |
| 2.2.3 自回归模型 | 第29-30页 |
| 2.3 ToF相机系统的搭建与标定 | 第30-32页 |
| 2.3.1 系统搭建 | 第30页 |
| 2.3.2 系统矫正和标定 | 第30-32页 |
| 2.4 降质类型和自回归模型 | 第32-34页 |
| 2.4.1 深度图的降质类型 | 第32-33页 |
| 2.4.2 深度图的自回归模型 | 第33-34页 |
| 2.5 基于自适应自回归模型的深度图像计算重建 | 第34-38页 |
| 2.5.1 基于自回归模型的深度重建框架 | 第34-35页 |
| 2.5.2 彩色引导的自回归模型 | 第35-38页 |
| 2.6 稳定性分析和参数自适应 | 第38-42页 |
| 2.6.1 深度重建系统的求解方法及其稳定性分析 | 第38-40页 |
| 2.6.2 参数自适应 | 第40-42页 |
| 2.7 实验结果和分析 | 第42-53页 |
| 2.7.1 针对含有合成降质类型数据集的实验 | 第42-46页 |
| 2.7.2 针对实际系统数据集的实验 | 第46-52页 |
| 2.7.3 时间复杂度及相关讨论 | 第52-53页 |
| 2.8 本章小结 | 第53-54页 |
| 第三章 基于局部滤波的深度图像计算重建及虚拟视点绘制 | 第54-78页 |
| 3.1 引言 | 第54-56页 |
| 3.2 相关工作简介 | 第56-59页 |
| 3.2.1 基于局部滤波的深度复原方法 | 第56页 |
| 3.2.2 视点合成中的彩色补绘技术 | 第56-58页 |
| 3.2.3 矩阵填充 | 第58页 |
| 3.2.4 虚拟视点绘制技术 | 第58-59页 |
| 3.3 基于局部滤波的深度图像计算重建 | 第59-63页 |
| 3.3.1 量化噪声移除 | 第60-61页 |
| 3.3.2 基于滤波的深度复原 | 第61-63页 |
| 3.4 视点合成 | 第63-69页 |
| 3.4.1 深度引导的块优先级估计 | 第64-66页 |
| 3.4.2 基于低秩矩阵恢复的纹理填充 | 第66-69页 |
| 3.5 实验结果和分析 | 第69-76页 |
| 3.5.1 深度修复实验结果及分析 | 第70-72页 |
| 3.5.2 视点合成实验结果及分析 | 第72-74页 |
| 3.5.3 时间复杂度分析和相关讨论 | 第74-76页 |
| 3.6 本章小结 | 第76-78页 |
| 第四章 基于运动信息和矩阵重建的视频背景恢复和前景分离 | 第78-100页 |
| 4.1 引言 | 第78-79页 |
| 4.2 相关工作 | 第79-81页 |
| 4.2.1 局部方法 | 第79-80页 |
| 4.2.2 全局方法 | 第80-81页 |
| 4.3 基于运动信息和矩阵恢复的背景建模 | 第81-86页 |
| 4.3.1 模型提出的动机 | 第81页 |
| 4.3.2 模型框架 | 第81-82页 |
| 4.3.3 基于运动信息的特征标识矩阵创建 | 第82-84页 |
| 4.3.4 模型解法 | 第84-86页 |
| 4.3.5 针对噪声环境下的视频背景建模 | 第86页 |
| 4.4 实验结果和分析 | 第86-98页 |
| 4.4.1 实验参数设置 | 第87页 |
| 4.4.2 测试数据集和测试性能指标 | 第87-89页 |
| 4.4.3 参数α对运动场和标识矩阵间映射的影响 | 第89-90页 |
| 4.4.4 模型内不同模块对模型整体的性能影响 | 第90-92页 |
| 4.4.5 背景恢复实验结果 | 第92-93页 |
| 4.4.6 前景检测实验结果 | 第93-96页 |
| 4.4.7 带噪数据集的恢复结果 | 第96-97页 |
| 4.4.8 时间复杂度分析和相关讨论 | 第97-98页 |
| 4.5 本章小结 | 第98-100页 |
| 第五章 总结与展望 | 第100-104页 |
| 5.1 本文工作总结 | 第100-101页 |
| 5.2 未来工作展望 | 第101-104页 |
| 5.2.1 多元深度信号的降质建模与融合 | 第101-102页 |
| 5.2.2 深度与纹理的结构相关性及稀疏表示 | 第102页 |
| 5.2.3 融合纹理信息的深度计算重建 | 第102页 |
| 5.2.4 验证系统及3DTV应用 | 第102-104页 |
| 参考文献 | 第104-116页 |
| 发表论文和参加科研情况说明 | 第116-118页 |
| 致谢 | 第118-119页 |