三维虚拟视点合成质量的增强
| 致谢 | 第5-7页 |
| 中文摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 主要符号对照表 | 第13-15页 |
| 1 绪论 | 第15-27页 |
| 1.1 选题背景与意义 | 第15-16页 |
| 1.2 虚拟视点合成的发展现状 | 第16-20页 |
| 1.3 基于深度图的虚拟视点合成的关键问题 | 第20-24页 |
| 1.3.1 纹理图-深度图分辨率不匹配的问题 | 第20-22页 |
| 1.3.2 虚拟视点合成的空洞问题 | 第22-24页 |
| 1.4 论文的主要贡献 | 第24-26页 |
| 1.5 论文的组织结构 | 第26-27页 |
| 2 三维虚拟视点合成质量的增强概述 | 第27-43页 |
| 2.1 引言 | 第27页 |
| 2.2 基于模型的虚拟视点合成 | 第27-28页 |
| 2.3 基于图像的虚拟视点合成 | 第28-35页 |
| 2.3.1 基本原理 | 第28-30页 |
| 2.3.2 基于图像的虚拟视点合成算法 | 第30-35页 |
| 2.4 DIBR质量增强算法 | 第35-42页 |
| 2.4.1 深度图分辨率增强算法 | 第35-38页 |
| 2.4.2 基于视点合成的空洞填补算法 | 第38-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 基于分形变换的深度图分辨率增强算法 | 第43-63页 |
| 3.1 相关工作 | 第43-46页 |
| 3.1.1 分辨率增强的相关算法 | 第43-44页 |
| 3.1.2 分形的基本概念 | 第44-46页 |
| 3.2 基于分形变换的深度图分辨率增强框架 | 第46页 |
| 3.3 基于分形变换的深度图分辨率增强算法 | 第46-54页 |
| 3.3.1 分形参数提取算法 | 第46-51页 |
| 3.3.2 迭代重构算法 | 第51-54页 |
| 3.3.3 算法复杂度分析 | 第54页 |
| 3.4 实验结果及分析 | 第54-60页 |
| 3.4.1 实验设置 | 第54-55页 |
| 3.4.2 性能评估 | 第55-60页 |
| 3.5 小结 | 第60-63页 |
| 4 结构保持的深度图分辨率增强算法 | 第63-79页 |
| 4.1 相关工作 | 第63-65页 |
| 4.1.1 深度图分辨率增强算法概述 | 第63-64页 |
| 4.1.2 局部分形分析理论 | 第64-65页 |
| 4.2 结构保持的深度图分辨率增强算法框架 | 第65-66页 |
| 4.3 结构保持的深度图分辨率增强算法 | 第66-72页 |
| 4.3.1 深度图的局部分形分析 | 第66-68页 |
| 4.3.2 纹理图-深度图的边缘一致性分析 | 第68-71页 |
| 4.3.3 算法复杂度分析 | 第71-72页 |
| 4.4 实验结果及分析 | 第72-76页 |
| 4.4.1 实验设置 | 第73-74页 |
| 4.4.2 性能评估 | 第74-76页 |
| 4.5 小结 | 第76-79页 |
| 5 基于生成对抗网络的虚拟视点空洞填补算法 | 第79-93页 |
| 5.1 相关工作 | 第79-81页 |
| 5.1.1 空洞填补问题概述 | 第79-80页 |
| 5.1.2 生成对抗网络 | 第80-81页 |
| 5.2 基于生成对抗网络的空洞填补算法框架 | 第81-82页 |
| 5.3 基于生成对抗网络的空洞填补算法 | 第82-87页 |
| 5.3.1 边缘采样 | 第83-84页 |
| 5.3.2 生成对抗网络的模型训练 | 第84-85页 |
| 5.3.3 深度图引导的空洞填补 | 第85-87页 |
| 5.4 实验结果与分析 | 第87-90页 |
| 5.4.1 实验设置 | 第87-88页 |
| 5.4.2 性能评估 | 第88-90页 |
| 5.5 小结 | 第90-93页 |
| 6 结论与展望 | 第93-95页 |
| 6.1 工作总结 | 第93-94页 |
| 6.2 未来工作进展 | 第94-95页 |
| 参考文献 | 第95-105页 |
| 作者简历 | 第105-107页 |
| 攻读博士学位期间发表的学术论文 | 第107-109页 |
| 专利与获奖情况 | 第109-113页 |
| 学位论文数据集 | 第113页 |
