| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 Kinect的成像原理及误差特点 | 第15-22页 |
| 2.1 Kinect的工作原理 | 第15-18页 |
| 2.1.1 Kinect的测距 | 第15-17页 |
| 2.1.2 Kinect的标定 | 第17-18页 |
| 2.2 Kinect误差及其产生原因 | 第18-21页 |
| 2.2.1 缺损区域的产生 | 第18-19页 |
| 2.2.2 彩色图像与深度数据边界对齐出现偏差的原因 | 第19-20页 |
| 2.2.3 深度数据的随机误差与跳变现象 | 第20-21页 |
| 2.3 小结 | 第21-22页 |
| 第三章 Kinect深度数据修复方法概述 | 第22-28页 |
| 3.1 背景知识 | 第22-25页 |
| 3.1.1 基于局部滤波的方法 | 第22-23页 |
| 3.1.2 基于全局优化的方法 | 第23-25页 |
| 3.2 本文的算法框架 | 第25-27页 |
| 3.2.1 算法流程 | 第25-26页 |
| 3.2.2 程序设计 | 第26-27页 |
| 3.3 小结 | 第27-28页 |
| 第四章 改进的深度数据修复算法 | 第28-48页 |
| 4.1 改进的预处理滤波 | 第28-29页 |
| 4.2 深度图像边缘提取算法 | 第29-40页 |
| 4.2.1 直接使用彩色图像进行边缘提取的局限性 | 第29-30页 |
| 4.2.2 canny边缘提取简介 | 第30-32页 |
| 4.2.3 传统canny边缘提取算法应用于深度图像时的局限性 | 第32-33页 |
| 4.2.4 基于图像金字塔的梯度计算 | 第33-35页 |
| 4.2.5 利用张量投票思想结合彩色图像进行的边缘优化 | 第35-40页 |
| 4.3 基于图像分割的漏洞修补 | 第40-43页 |
| 4.4 全局优化能量项的确定与求解 | 第43-45页 |
| 4.4.1 基于原始深度可信度的数据约束项 | 第44页 |
| 4.4.2 基于边缘及彩色信息的光滑约束项 | 第44-45页 |
| 4.5 实验结果 | 第45-46页 |
| 4.6 小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附件 | 第54页 |
