| 致谢 | 第5-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第17-43页 |
| 1.1 研究背景及意义 | 第17-20页 |
| 1.2 深度信息获取的研究现状 | 第20-27页 |
| 1.2.1 被动深度获取——双目输入 | 第22-24页 |
| 1.2.2 被动深度获取——单目多帧输入 | 第24-27页 |
| 1.3 微小基线输入下的深度获取技术 | 第27-39页 |
| 1.3.1 微小基线输入的定义 | 第27-29页 |
| 1.3.2 微小基线输入下的深度获取技术的特殊性 | 第29-34页 |
| 1.3.3 微小基线输入深度获取的具体应用 | 第34-39页 |
| 1.4 论文的研究内容和贡献 | 第39-41页 |
| 1.5 论文的组织结构 | 第41-43页 |
| 第2章 微小基线双目输入下的深度获取技术 | 第43-67页 |
| 2.1 基于方向金字塔的相位差获取 | 第44-48页 |
| 2.1.1 方向金字塔分解 | 第44-47页 |
| 2.1.2 相位差和视差的关系 | 第47-48页 |
| 2.2 层级回归森林的训练 | 第48-55页 |
| 2.2.1 随机森林模型 | 第48-51页 |
| 2.2.2 相位回归树的生成 | 第51-53页 |
| 2.2.3 层级的相位回归 | 第53-55页 |
| 2.3 神经网络的训练 | 第55-58页 |
| 2.4 实验结果与分析 | 第58-65页 |
| 2.4.1 层级回归森林的参数 | 第58-60页 |
| 2.4.2 层级回归森林和卷积神经网络的回归效果对比 | 第60-62页 |
| 2.4.3 与其他方法的对比 | 第62-65页 |
| 2.5 本章小结 | 第65-67页 |
| 第3章 微小基线单目输入下的深度获取技术 | 第67-106页 |
| 3.1 基于点线特征联合优化的深度估计 | 第67-81页 |
| 3.1.1 特征检测和匹配 | 第68-72页 |
| 3.1.2 捆集约束的能量方程 | 第72-74页 |
| 3.1.3 目标函数的优化求解 | 第74-78页 |
| 3.1.4 深度图稠密化 | 第78-81页 |
| 3.2 基于平行参考平面的深度估计 | 第81-94页 |
| 3.2.1 因子分解法原理 | 第83-85页 |
| 3.2.2 平面加视差框架 | 第85-88页 |
| 3.2.3 微小基线输入下的模型修改 | 第88-92页 |
| 3.2.4 具体实现 | 第92-94页 |
| 3.3 实验结果与分析 | 第94-104页 |
| 3.3.1 特征值与深度估计效果 | 第95-97页 |
| 3.3.2 相机内参估计 | 第97-98页 |
| 3.3.3 深度估计结果定性比较 | 第98-101页 |
| 3.3.4 深度估计结果定量比较 | 第101-102页 |
| 3.3.5 计算时间比较 | 第102-104页 |
| 3.4 本章小结 | 第104-106页 |
| 第4章 基于混合信息的深度优化 | 第106-129页 |
| 4.1 相关研究 | 第107-109页 |
| 4.2 条件随机场模型简介 | 第109-111页 |
| 4.3 深度优化问题的公式化 | 第111-113页 |
| 4.4 基于混合信息的深度优化 | 第113-121页 |
| 4.4.1 第一阶段:深度图的空洞填补 | 第114-115页 |
| 4.4.2 第二阶段:深度图的超分辨率恢复 | 第115-117页 |
| 4.4.3 全连接条件随机场的近似求解 | 第117-121页 |
| 4.5 实验结果分析及讨论 | 第121-127页 |
| 4.5.1 深度图的空洞填补结果 | 第121-124页 |
| 4.5.2 深度图的超分辨率恢复结果 | 第124-127页 |
| 4.6 本章小结 | 第127-129页 |
| 第5章 总结与展望 | 第129-133页 |
| 参考文献 | 第133-149页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第149-150页 |