基于SIFT的双目图像深度信息提取
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 立体匹配的背景 | 第8-9页 |
| 1.1.2 SIFT的背景 | 第9-10页 |
| 1.2 国内外研究的发展与现状 | 第10-11页 |
| 1.3 本文的研究工作及论文结构 | 第11-14页 |
| 1.3.1 本文的研究工作 | 第11-12页 |
| 1.3.2 论文结构安排 | 第12-14页 |
| 第二章 局部立体匹配算法 | 第14-27页 |
| 2.1 双目图像立体匹配的基本原理 | 第14-18页 |
| 2.1.1 双目摄像机的成像原理 | 第14-16页 |
| 2.1.2 视差向量和视差图 | 第16-17页 |
| 2.1.3 双目立体匹配的约束条件 | 第17-18页 |
| 2.2 立体匹配算法框架 | 第18-21页 |
| 2.2.1 算法框架 | 第18页 |
| 2.2.2 匹配代价函数 | 第18-21页 |
| 2.3 基于窗口代价聚合的局部算法及其改进 | 第21-27页 |
| 2.3.1 固定窗口的局部算法 | 第21-23页 |
| 2.3.2 多窗口的局部算法 | 第23-24页 |
| 2.3.3 权重改进的固定窗口法 | 第24-27页 |
| 第三章 SIFT特征匹配和行传播算法 | 第27-41页 |
| 3.1 SIFT综述 | 第27-33页 |
| 3.1.1 尺度极值检测 | 第27-29页 |
| 3.1.2 特征点精确定位 | 第29-31页 |
| 3.1.3 特征点主方向分配 | 第31页 |
| 3.1.4 特征点描述子生成 | 第31-32页 |
| 3.1.5 SIFT特征点匹配 | 第32-33页 |
| 3.2 行传播法 | 第33-38页 |
| 3.2.1 行线分割构造 | 第34页 |
| 3.2.2 初始视差计算 | 第34-35页 |
| 3.2.3 种子点选取 | 第35-36页 |
| 3.2.4 扫描线传播 | 第36-37页 |
| 3.2.5 垂直投票 | 第37-38页 |
| 3.3 行传播算法的改进 | 第38-41页 |
| 3.3.1 SIFT描述子度量 | 第38-39页 |
| 3.3.2 中值滤波和改进结果 | 第39-41页 |
| 第四章 置信传播立体匹配算法及其改进 | 第41-64页 |
| 4.1 置信传播算法原理 | 第41-51页 |
| 4.1.1 马尔可夫随机场 | 第41-46页 |
| 4.1.2 最大后验概率和马尔可夫随机场 | 第46-48页 |
| 4.1.3 置信传播理论 | 第48-51页 |
| 4.2 最大积置信传播算法和匹配效果 | 第51-53页 |
| 4.2.1 最大积置信传播算法 | 第51-52页 |
| 4.2.2 置信传播算法的匹配效果 | 第52-53页 |
| 4.3 基于分水岭分割算法改进的置信传播 | 第53-60页 |
| 4.3.1 分水岭分割算法 | 第53-55页 |
| 4.3.2 应用分水岭分割算法的实验结果 | 第55-60页 |
| 4.4 基于Canny边缘提取改进的置信传播 | 第60-64页 |
| 4.4.1 Canny边缘检测 | 第60-62页 |
| 4.4.2 应用Canny边缘检测算法的实验结果 | 第62-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
