| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-36页 |
| ·课题研究背景和意义 | 第14-16页 |
| ·国内外研究现状 | 第16-31页 |
| ·基于场景运动特征的 2D 转 3D 方法 | 第18-19页 |
| ·基于图像散焦分析的 2D 转 3D 方法 | 第19-20页 |
| ·基于场景结构分析的 2D 转 3D 方法 | 第20-23页 |
| ·基于视觉感知原理的 2D 转 3D 方法 | 第23-27页 |
| ·2D 转 3D 中景物的时域稳定性 | 第27-29页 |
| ·2D 转 3D 技术产业化应用 | 第29-31页 |
| ·论文的主要工作及结构 | 第31-36页 |
| ·论文主要工作 | 第31-33页 |
| ·论文结构 | 第33-36页 |
| 第二章 基于内容理解的 2D 转 3D 方法 | 第36-68页 |
| ·单帧视频图像区域聚类分割 | 第36-39页 |
| ·视频图像区域特征提取 | 第39-44页 |
| ·图像区域自身特征 | 第39-41页 |
| ·邻域联合特征 | 第41-44页 |
| ·视频内容理解 | 第44-55页 |
| ·基于支持向量机的景物分类识别 | 第44-48页 |
| ·基于特征线段分析的建筑物面识别 | 第48-55页 |
| ·视频深度估计 | 第55-59页 |
| ·基于相机小孔模型的深度估计 | 第55-56页 |
| ·基于景物结构关系的深度估计 | 第56-59页 |
| ·实验结果与分析 | 第59-66页 |
| ·街景视频内容理解 | 第59-61页 |
| ·建筑物面型划分识别 | 第61-63页 |
| ·街景视频的深度估计 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 第三章 基于视觉感知原理的 2D 转 3D 方法 | 第68-90页 |
| ·视频场景分割 | 第68-70页 |
| ·视频运动前景提取 | 第70-74页 |
| ·视频背景场景合成 | 第70-71页 |
| ·高斯背景模型检测运动前景 | 第71-72页 |
| ·景物轮廓优化 | 第72-74页 |
| ·视频前景显著性度量 | 第74-78页 |
| ·视觉注意力模型 | 第74-77页 |
| ·前景景物显著性度量 | 第77-78页 |
| ·视频背景深度估计 | 第78-80页 |
| ·视频前景深度估计 | 第80-83页 |
| ·基于视频空域的前景目标深度估计 | 第80页 |
| ·基于视频时域信息的前景目标深度估计 | 第80-83页 |
| ·实验结果与分析 | 第83-88页 |
| ·本章小结 | 第88-90页 |
| 第四章 面向 H.264 压缩视频的 2D 转 3D 方法 | 第90-118页 |
| ·基于运动特征分析的 H.264 视频前景检测 | 第90-96页 |
| ·运动矢量场累积滤波 | 第91-93页 |
| ·视频压缩域全局运动估计 | 第93-95页 |
| ·基于运动相似性的前景检测 | 第95-96页 |
| ·基于 DCT 系数分析的 H.264 视频前景检测 | 第96-101页 |
| ·联合运动特征的 DCT 系数累积 | 第96-98页 |
| ·基于熵能自适应阈值的前景目标检测 | 第98-101页 |
| ·联合特征 H.264 视频前景检测 | 第101-103页 |
| ·具有时域稳定性的景物轮廓提取 | 第103-106页 |
| ·单帧视频空域内 snake 能量模型 | 第103-104页 |
| ·具有时域稳定性的 snake 能量模型 | 第104-106页 |
| ·基于景物运动特征的视频场景深度估计 | 第106-108页 |
| ·实验结果与分析 | 第108-117页 |
| ·视频压缩域中运动前景检测分割 | 第108-111页 |
| ·压缩视频前景检测结果时域稳定性度量 | 第111-112页 |
| ·H.264 压缩视频深度估计 | 第112-117页 |
| ·本章小结 | 第117-118页 |
| 第五章 结论与展望 | 第118-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-133页 |
| 作者在学期间取得的学术成果 | 第133页 |