基于机器学习的深度图生成算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 半自动深度图生成 | 第11-12页 |
| 1.2.2 全自动深度图生成 | 第12-16页 |
| 1.3 研究内容和结构安排 | 第16-17页 |
| 第二章 基于图像搜索的深度图生成方法 | 第17-31页 |
| 2.1 梯度直方图 | 第17-19页 |
| 2.2 基于kNN图像搜索的深度图生成 | 第19-21页 |
| 2.2.1 kNN算法 | 第19-20页 |
| 2.2.2 深度图融合 | 第20页 |
| 2.2.3 交叉双边滤波 | 第20-21页 |
| 2.3 基于kmeans场景聚类的深度图生成 | 第21-23页 |
| 2.3.1 kmeans场景聚类 | 第22页 |
| 2.3.2 导向滤波 | 第22-23页 |
| 2.4 实验分析 | 第23-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 深度图生成视觉词典训练 | 第31-48页 |
| 3.1 引言 | 第31-32页 |
| 3.2 视觉单词 | 第32-33页 |
| 3.3 视觉词典训练 | 第33-44页 |
| 3.3.1 图像多尺度块采样 | 第33-38页 |
| 3.3.2 初始化聚类 | 第38-39页 |
| 3.3.3 交叉验证训练 | 第39-44页 |
| 3.3.4 视觉单词深度生成 | 第44页 |
| 3.4 仿真实验与分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于视觉词典的深度图生成方法 | 第48-56页 |
| 4.1 基于视觉词典的深度图生成 | 第48-50页 |
| 4.1.1 初始深度图 | 第48-49页 |
| 4.1.2 视觉单词检测与深度更新 | 第49页 |
| 4.1.3 深度图滤波 | 第49-50页 |
| 4.2 仿真实验与分析 | 第50-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 2D转3D实验平台开发 | 第56-65页 |
| 5.1 系统框架和整体布局 | 第56-58页 |
| 5.2 主要功能模块 | 第58-63页 |
| 5.2.1 图像显示模块 | 第58-59页 |
| 5.2.2 常用算法模块 | 第59页 |
| 5.2.3 3D转换模块 | 第59-60页 |
| 5.2.4 视觉词典模块 | 第60-62页 |
| 5.2.5 滤波模块 | 第62页 |
| 5.2.6 数据库模块 | 第62-63页 |
| 5.3 容错处理 | 第63-64页 |
| 5.4 系统运行环境配置 | 第64页 |
| 5.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| Ⅳ－2答辩委员会对论文的评定意见 | 第73页 |
