| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 特定拍摄条件的方法 | 第10-11页 |
| 1.2.2 多张图像的方法 | 第11-13页 |
| 1.3 本文的主要工作和创新点 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 梯度估计指标 | 第15-21页 |
| 2.1 图像建模 | 第15页 |
| 2.2 边缘检测算法 | 第15-20页 |
| 2.2.1 灰度转换 | 第16页 |
| 2.2.2 Roberts算子 | 第16页 |
| 2.2.3 Prewitt算子 | 第16-17页 |
| 2.2.4 Sobel算子 | 第17-18页 |
| 2.2.5 Canny算子 | 第18-20页 |
| 2.3 梯度估计 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 运动估计指标 | 第21-44页 |
| 3.1 SIFT特征 | 第21-29页 |
| 3.1.1 构建尺度空间 | 第21-25页 |
| 3.1.1.1 高斯模糊 | 第21-23页 |
| 3.1.1.2 构建高斯金字塔 | 第23页 |
| 3.1.1.3 差分金字塔 | 第23-25页 |
| 3.1.2 特征点检测 | 第25-27页 |
| 3.1.2.1 极值点的检测 | 第25页 |
| 3.1.2.2 关键点定位 | 第25-26页 |
| 3.1.2.3 剔除边缘响应点 | 第26-27页 |
| 3.1.3 方向不变性 | 第27-28页 |
| 3.1.4 特征点描述 | 第28-29页 |
| 3.2 SIFT-flow算法 | 第29-33页 |
| 3.2.1 SIFT图像可视化 | 第30页 |
| 3.2.2 匹配目标 | 第30-32页 |
| 3.2.3 加速收敛 | 第32-33页 |
| 3.3 SIFT-flowhierarchy算法 | 第33-35页 |
| 3.4 超像素平滑 | 第35-42页 |
| 3.4.1 超像素 | 第36页 |
| 3.4.2 SLIC超像素 | 第36-41页 |
| 3.4.2.1 CIELAB色彩空间 | 第37-38页 |
| 3.4.2.2 SLIC算法步骤 | 第38-39页 |
| 3.4.2.3 距离度量 | 第39-41页 |
| 3.4.2.4 后处理 | 第41页 |
| 3.4.2.5 复杂度 | 第41页 |
| 3.4.3 平滑运动估计 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 图像重建系统 | 第44-54页 |
| 4.1 指标融合 | 第44-45页 |
| 4.2 图像重建 | 第45-53页 |
| 4.2.1 统计意义上的图像 | 第45-49页 |
| 4.2.2 建立最优化方程 | 第49-50页 |
| 4.2.3 求解优化方程 | 第50-53页 |
| 4.2.3.1 最小二乘法 | 第50-51页 |
| 4.2.3.2 迭代重复加权最小二乘法 | 第51-52页 |
| 4.2.3.3 使用迭代加权最小二乘法求解优化方程 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 实验结果分析 | 第54-64页 |
| 5.1 算法流程概述 | 第54-55页 |
| 5.2 实验结果分析 | 第55-61页 |
| 5.2.1 对比实验分析 | 第55-59页 |
| 5.2.2 真实场景实验分析 | 第59页 |
| 5.2.3 特殊场景实验分析 | 第59-60页 |
| 5.2.4 人工搭建场景实验分析 | 第60页 |
| 5.2.5 人工合成图像分析 | 第60-61页 |
| 5.3 估计指标有效性分析 | 第61-62页 |
| 5.4 超像素平滑分析 | 第62页 |
| 5.5 本章小结 | 第62-64页 |
| 第六章 全文总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64页 |
| 6.2 后续工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间取得的成果 | 第69页 |