| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第13-21页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 课题意义 | 第14-15页 |
| 1.3 国内外发展现状 | 第15-18页 |
| 1.3.1 ToF相机的误差来源分析 | 第15-17页 |
| 1.3.2 ToF深度数据去噪算法 | 第17-18页 |
| 1.4 主要工作和贡献 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-21页 |
| 2 ToF深度图像真值数据集的获取研究 | 第21-38页 |
| 2.1 ToF深度摄像机成像原理分析 | 第21-30页 |
| 2.1.1 ToF深度摄像机简介 | 第21-23页 |
| 2.1.2 ToF摄像机的数学模型 | 第23-26页 |
| 2.1.3 ToF摄像机的噪声分析 | 第26-30页 |
| 2.2 实验平台与环境说明 | 第30-32页 |
| 2.3 摄像机标定 | 第32-34页 |
| 2.4 深度图配准 | 第34-36页 |
| 2.5 创建ToF深度真值数据集 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 3 图像端映射的深度网络模型设计 | 第38-50页 |
| 3.1 卷积神经网络研究现状 | 第38-40页 |
| 3.2 图像端映射的深度网络模型 | 第40-44页 |
| 3.2.1 深度卷积网络的整体架构 | 第40-41页 |
| 3.2.2 深度卷积网络的数学模型 | 第41-43页 |
| 3.2.3 ReLU与局部响应归一化 | 第43-44页 |
| 3.3 自然图像去噪结果与分析 | 第44-48页 |
| 3.3.1 网络训练 | 第45-46页 |
| 3.3.2 实验结果 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 基于深度神经网络的ToF深度图像去噪研究 | 第50-63页 |
| 4.1 深度图像去噪常用算法 | 第50-53页 |
| 4.2 基于Levenberg-Marquardt的反向传播算法 | 第53-54页 |
| 4.3 深度神经网络去噪算法的训练过程 | 第54-56页 |
| 4.3.1 ToF深度真值数据集增强 | 第54-55页 |
| 4.3.2 深度神经网络训练细节 | 第55-56页 |
| 4.4 实验结果分析与讨论 | 第56-62页 |
| 4.5 本章小结 | 第62-63页 |
| 5 总结和展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者简历及在学期间主要的研究成果 | 第69页 |