首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

立体视觉媒体分析及处理技术研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第16-30页
    1.1 研究背景及意义第16-20页
        1.1.1 背景知识简介第16页
        1.1.2 立体媒体的机遇与挑战第16-18页
        1.1.3 研究意义第18-20页
    1.2 国内外研究现状及问题分析第20-26页
        1.2.1 立体媒体深度计算第20-22页
        1.2.2 似物性推荐技术第22-23页
        1.2.3 显著对象检测第23-24页
        1.2.4 立体图像平面化展示第24-25页
        1.2.5 立体视频重对焦第25-26页
    1.3 论文主要工作及贡献第26-28页
    1.4 论文组织结构第28-30页
第二章 基于运动插值的立体视频深度快速估计第30-41页
    2.1 引言第30-31页
        2.1.1 研究背景第30页
        2.1.2 存在的问题第30-31页
        2.1.3 研究方法和技术路线第31页
    2.2 相关工作第31-33页
        2.2.1 时空域立体匹配第31-32页
        2.2.2 三维场景流第32页
        2.2.3 其它方法第32-33页
    2.3 基于双向运动插值的深度估计第33-37页
        2.3.1 自适应帧选择第33-35页
        2.3.2 深度图帧间插值第35-36页
        2.3.3 深度图精化第36-37页
    2.4 实验结果与讨论第37-39页
        2.4.1 数据集和实验设置第37页
        2.4.2 实验结果及分析第37-39页
    2.5 小结与展望第39-41页
第三章 基于上下文感知的多对象似物性推荐第41-61页
    3.1 引言第41-43页
        3.1.1 研究背景第41页
        3.1.2 存在的问题第41-43页
        3.1.3 研究方法和技术路线第43页
    3.2 相关工作第43-45页
        3.2.1 基于单帧的似物性推荐第43-44页
        3.2.2 基于序列的似物性推荐第44页
        3.2.3 其他方法第44-45页
    3.3 自适应上下文感知似物性推荐模型第45-50页
        3.3.1 空域候选框生成第45-46页
        3.3.2 时域框映射第46-48页
        3.3.3 矩形框置信度计算第48页
        3.3.4 加权评分系统第48-49页
        3.3.5 时域分数精化第49-50页
    3.4 实验结果与讨论第50-60页
        3.4.1 数据集描述第50页
        3.4.2 实验设置第50-51页
        3.4.3 对比分析第51-54页
        3.4.4 实验结果讨论第54-60页
    3.5 小结与展望第60-61页
第四章 基于视角融合的多显著对象检测第61-72页
    4.1 引言第61-63页
        4.1.1 研究背景第61页
        4.1.2 存在的问题第61-62页
        4.1.3 研究方法和技术路线第62-63页
    4.2 相关工作第63-64页
        4.2.1 基于显著性图的显著对象检测第63-64页
        4.2.2 基于似物性推荐的显著对象检测第64页
    4.3 基于视角融合多显著对象检测方法第64-68页
        4.3.1 显著对象框推荐第65页
        4.3.2 显著性概率估计第65-66页
        4.3.3 似物性概率估计第66页
        4.3.4 概率分数融合策略第66-67页
        4.3.5 最大后验概率子集优化第67-68页
    4.4 实验结果与讨论第68-71页
        4.4.1 数据集和实验设置第68页
        4.4.2 实验结果及分析第68-71页
    4.5 小结与展望第71-72页
第五章 基于平面显示设备的立体图像动态展示第72-84页
    5.1 引言第72-74页
        5.1.1 研究背景第72页
        5.1.2 存在的问题第72-73页
        5.1.3 研究方法和技术路线第73-74页
    5.2 相关工作第74-75页
        5.2.1 摆动立体第74页
        5.2.2 显著性检测第74-75页
        5.2.3 视角合成第75页
    5.3 立体图像动态展示方法第75-80页
        5.3.1 注视点获取第75-78页
        5.3.2 多视角合成第78-79页
        5.3.3 动态序列生成第79-80页
    5.4 实验结果与讨论第80-83页
        5.4.1 数据集和实验设置第80页
        5.4.2 实验结果及分析第80-83页
    5.5 小结与展望第83-84页
第六章 基于计算摄影模型的立体视频重对焦第84-95页
    6.1 引言第84-86页
        6.1.1 研究背景第84页
        6.1.2 存在的问题第84-85页
        6.1.3 研究方法和技术路线第85-86页
    6.2 相关工作第86-87页
    6.3 面向立体视频的重对焦第87-90页
        6.3.1 用户意图跟踪第87页
        6.3.2 视频深度估计第87-88页
        6.3.3 计算摄影模型第88-90页
    6.4 实验结果与讨论第90-94页
        6.4.1 数据集和实验设置第90-91页
        6.4.2 实验结果及分析第91-94页
    6.5 小结与展望第94-95页
第七章 总结及未来工作第95-98页
    7.1 论文工作总结第95-96页
    7.2 未来工作展望第96-98页
参考文献第98-116页
附录: 攻读博士学位期间的学术成果和获奖情况第116-118页
致谢第118-121页

论文共121页,点击 下载论文
上一篇:基于等离激元结构柔性非晶硅薄膜太阳能电池的研究
下一篇:海南红树角果木的化学成分研究