| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 引言 | 第6-12页 |
| 1.1 研究背景与意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 论文主要工作及创新点 | 第9-10页 |
| 1.4 本文组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 KINECT简介及张量基础知识 | 第12-22页 |
| 2.1 KINECT简介 | 第12-18页 |
| 2.1.1 KINECT开发环境 | 第13-14页 |
| 2.1.2 KINECT相机标定 | 第14-18页 |
| 2.2 张量基础知识 | 第18-21页 |
| 2.2.1 张量基础概念 | 第18-19页 |
| 2.2.2 张量基本运算 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 背景分离模型—CODEBOOK模型建立 | 第22-27页 |
| 3.1 视频预处理-加权移动平均机制 | 第22页 |
| 3.2 背景分离模型构建 | 第22-26页 |
| 3.2.1 CODEBOOK模型构建 | 第22-24页 |
| 3.2.2 改进的CODEBOOK模型 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于块和低秩张量恢复的深度视频去噪方法 | 第27-34页 |
| 4.1 低秩矩阵恢复(RPCA)模型 | 第27-28页 |
| 4.2 低秩张量恢复模型 | 第28-29页 |
| 4.3 相似块匹配 | 第29-30页 |
| 4.4 联合双边滤波 | 第30-32页 |
| 4.5 张量恢复模型 | 第32页 |
| 4.6 视频块重组 | 第32-33页 |
| 4.7 本章小结 | 第33-34页 |
| 第五章 实验过程及分析 | 第34-50页 |
| 5.1 实验设置 | 第34页 |
| 5.2 实验过程 | 第34-49页 |
| 5.2.1 深度相机标定 | 第34-37页 |
| 5.2.2 实时加权移动平均机制 | 第37-39页 |
| 5.2.3 利用改进后的CODEBOOK模型进行前景背景分离 | 第39-43页 |
| 5.2.4 相似块匹配 | 第43-45页 |
| 5.2.5 联合双边滤波及低秩张量恢复模型处理 | 第45-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 总结及展望 | 第50-52页 |
| 6.1 工作总结 | 第50-51页 |
| 6.2 未来展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |