基于混合滤波的深度图像修复算法的研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 本文背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究目标 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 2 深度图像的获取 | 第13-19页 |
| 2.1 深度图像的定义 | 第13-14页 |
| 2.2 深度图像的获取方式 | 第14-16页 |
| 2.3 Kinect设备 | 第16页 |
| 2.4 深度图像误差产生的原因 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 深度修复的滤波算法 | 第19-29页 |
| 3.1 双边滤波算法 | 第19-21页 |
| 3.2 联合双边滤波算法 | 第21-23页 |
| 3.3 联合三边滤波算法 | 第23-24页 |
| 3.4 基于方向的联合双边滤波 | 第24-27页 |
| 3.4.1 算法原理 | 第24-25页 |
| 3.4.2 补洞策略 | 第25-27页 |
| 3.5 本章小结 | 第27-29页 |
| 4 基于混合滤波策略的修复算法 | 第29-43页 |
| 4.1 混合滤波算法的流程 | 第29-30页 |
| 4.2 空洞填补优先级策略 | 第30-32页 |
| 4.3 基于全变分模型的结构和纹理信息的提取方法 | 第32-37页 |
| 4.3.1 结构和纹理信息的提取 | 第33-34页 |
| 4.3.2 全变分模型 | 第34-36页 |
| 4.3.3 基于全变分模型的结构纹理信息提取算法 | 第36-37页 |
| 4.4 融合结构和纹理信息的深度图像滤波算法 | 第37-41页 |
| 4.4.1 空洞区域填补算法 | 第37-39页 |
| 4.4.2 非空洞区域填补算法 | 第39-40页 |
| 4.4.3 算法总结 | 第40-41页 |
| 4.5 本章小结 | 第41-43页 |
| 5 实验效果及对比分析 | 第43-56页 |
| 5.1 实验评价标准 | 第43-44页 |
| 5.2 快速行进算法 | 第44-46页 |
| 5.3 实验效果展示 | 第46-54页 |
| 5.4 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 本文总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
