| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 背景 | 第11-12页 |
| 1.2 应用领域 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 立体视觉面临的问题 | 第14-15页 |
| 1.5 课题研究的主要内容 | 第15-16页 |
| 第2章 双目三维重建 | 第16-31页 |
| 2.1 双目三维重建原理及数学模型 | 第16-20页 |
| 2.1.1 平行双目立体三维重建模型 | 第16-18页 |
| 2.1.2 双目三维重建一般模型 | 第18-20页 |
| 2.2 双目三维重建的基本流程 | 第20-22页 |
| 2.3 立体约束 | 第22-23页 |
| 2.3.1 基于几何的约束 | 第22-23页 |
| 2.3.2 基于场景的约束 | 第23页 |
| 2.4 立体匹配基本框架 | 第23-25页 |
| 2.4.1 匹配代价计算 | 第24页 |
| 2.4.2 匹配代价聚合 | 第24页 |
| 2.4.3 视差计算与优化 | 第24页 |
| 2.4.4 视差图后处理 | 第24-25页 |
| 2.5 立体匹配算法 | 第25页 |
| 2.6 基于局部匹配算法 | 第25-28页 |
| 2.6.1 区域匹配算法 | 第25-26页 |
| 2.6.2 特征匹配算法 | 第26-27页 |
| 2.6.3 相位匹配算法 | 第27-28页 |
| 2.7 基于全局匹配算法 | 第28-30页 |
| 2.7.1 置信传播算法 | 第28-29页 |
| 2.7.2 动态规划算法 | 第29页 |
| 2.7.3 图割算法 | 第29-30页 |
| 2.7.4 人工智能算法 | 第30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 基于MRF随机场的双目匹配 | 第31-44页 |
| 3.1 马尔科夫随机场理论 | 第31-33页 |
| 3.2 马尔科夫随机场 | 第33-34页 |
| 3.3 Gibbs随机场 | 第34-35页 |
| 3.4 MRF和Gibbs随机场的等价性 | 第35-36页 |
| 3.5 MRF在图像中的应用 | 第36页 |
| 3.6 本文采用MAP_MRF模型 | 第36-39页 |
| 3.6.1 先验概率计算 | 第37-38页 |
| 3.6.2 后验概率计算 | 第38页 |
| 3.6.3 MAP_MRF标记 | 第38-39页 |
| 3.7 构建匹配的能量函数 | 第39-43页 |
| 3.7.1 数据项的建立 | 第41-42页 |
| 3.7.2 平滑性的建立 | 第42-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第4章 基于SA算法求解视差图 | 第44-51页 |
| 4.1 SA算法原理 | 第44-45页 |
| 4.2 SA算法的实现 | 第45-48页 |
| 4.2.1 Metropolis抽样 | 第46-47页 |
| 4.2.2 Gibbs抽样 | 第47-48页 |
| 4.3 本文中SA算法的解空间选择 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 实验与分析 | 第51-59页 |
| 5.1 实验的开发工具和系统环境 | 第51-52页 |
| 5.2 实验安排与分析 | 第52页 |
| 5.3 实验结果 | 第52-54页 |
| 5.4 不同的参数模型的视差图对比 | 第54-55页 |
| 5.5 与其它双目三维重建方法得到的视图差图进行对比 | 第55-56页 |
| 5.6 本文算法对其它数据集的验证 | 第56-57页 |
| 5.7 点云三维重建结果 | 第57-58页 |
| 5.8 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |