实时绿屏与深度肖像抠像技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及其意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 绿屏抠像研究现状 | 第13-15页 |
| 1.2.2 自然抠像研究现状 | 第15-18页 |
| 1.3 本文主要工作 | 第18-19页 |
| 1.4 论文的结构安排 | 第19-20页 |
| 第2章 研究基础 | 第20-32页 |
| 2.1 抠像概述 | 第20-21页 |
| 2.2 绿屏抠像 | 第21-22页 |
| 2.3 典型的绿屏抠像算法 | 第22-25页 |
| 2.3.1 亮度键 | 第22-23页 |
| 2.3.2 色度键 | 第23-24页 |
| 2.3.3 差异键 | 第24页 |
| 2.3.4 色差键 | 第24-25页 |
| 2.4 基于深度学习的自然抠像基本理论 | 第25页 |
| 2.5 典型的基于深度学习的自然抠像算法 | 第25-31页 |
| 2.5.1 深度自然抠像 | 第25-27页 |
| 2.5.2 深度肖像抠像 | 第27-29页 |
| 2.5.3 快速肖像抠像 | 第29-31页 |
| 2.6 小结 | 第31-32页 |
| 第3章 基于GPU加速的绿屏抠像算法 | 第32-47页 |
| 3.1 算法框架 | 第32-33页 |
| 3.2 切片工具和分析 | 第33-38页 |
| 3.2.1 切片工具 | 第33-34页 |
| 3.2.2 毛发丢失 | 第34-35页 |
| 3.2.3 边缘太硬 | 第35-36页 |
| 3.2.4 背景色溢色 | 第36-37页 |
| 3.2.5 噪声 | 第37-38页 |
| 3.3 方法 | 第38-43页 |
| 3.3.1 毛发丢失 | 第38-40页 |
| 3.3.2 边缘太硬 | 第40页 |
| 3.3.3 背景色溢色 | 第40-41页 |
| 3.3.4 噪声 | 第41-42页 |
| 3.3.5 GPU加速 | 第42-43页 |
| 3.4 实验结果 | 第43-46页 |
| 3.5 本章小节 | 第46-47页 |
| 第4章 基于GANS和U-NET的肖像抠像算法 | 第47-61页 |
| 4.1 肖像抠像框架 | 第47-50页 |
| 4.2 肖像抠像的实现 | 第50-54页 |
| 4.3 精细化 | 第54-55页 |
| 4.4 训练过程 | 第55-56页 |
| 4.5 实验结果 | 第56-60页 |
| 4.5.1 实验环境 | 第56页 |
| 4.5.2 评价和指标 | 第56-57页 |
| 4.5.3 结果与分析 | 第57-60页 |
| 4.6 小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
