首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于RGB-D信息的深度图像增强关键技术研究

摘要第11-13页
ABSTRACT第13-15页
第1章 绪论第16-36页
    1.1 研究背景第16-19页
    1.2 研究现状和研究难点第19-31页
        1.2.1 深度置信度估计第20-22页
        1.2.2 RGB-D传感器彩色和深度图像配准第22-25页
        1.2.3 深度图像修补第25-28页
        1.2.4 深度图像超分辨率第28-31页
    1.3 主要研究内容和创新点第31-33页
    1.4 组织结构第33-36页
第2章 深度图像置信度估计第36-50页
    2.1 方法简介第36-38页
    2.2 Kinect深度置信度估计第38-45页
        2.2.1 特征提取第39-42页
        2.2.2 训练数据第42-44页
        2.2.3 置信度预测模型第44-45页
    2.3 实验第45-48页
    2.4 小结第48-50页
第3章 基于偏移建模的RGB-D传感器深度和彩色图像配准第50-74页
    3.1 方法简介第50-52页
    3.2 RGB-D配准模型第52-57页
        3.2.1 RGB-D投影模型第52-54页
        3.2.2 偏移模型第54-57页
            3.2.2.1 偏移量值第54-56页
            3.2.2.2 偏移方向第56-57页
    3.3 配准方法第57-63页
        3.3.1 综述第57页
        3.3.2 单应性约束估计深度理论角点第57-59页
        3.3.3 深度观测角点提取第59-60页
        3.3.4 优化第60-63页
            3.3.4.1 估计(?)第60-61页
            3.3.4.2 估计系统偏移分量第61-62页
            3.3.4.3 估计随机偏移分量γ第62-63页
    3.4 实验第63-72页
        3.4.1 数据准备第64-65页
            3.4.1.1 (?)的估计数据第64页
            3.4.1.2 偏移模型F的估计数据第64-65页
        3.4.2 深度理论角点的准确性和稳定性第65-68页
        3.4.3 深度相机偏移的方向(ψ)准确度估计第68-69页
        3.4.4 结果第69-71页
        3.4.5 实验结果比较第71-72页
    3.5 小结第72-74页
第4章 深度图像超分辨率第74-104页
    4.1 方法简介第74-76页
    4.2 渐进式卷积神经网络方法(PDCNN-DSR)第76-81页
        4.2.1 PDCNN-DSR网络结构第77-78页
        4.2.2 彩色图像与深度图像局部一致性约束第78-80页
        4.2.3 深度统计信息约束第80页
        4.2.4 能量最小化公式第80-81页
    4.3 基于视点合成的深度监督卷积神经网络方法(VDCNN-DSR)第81-93页
        4.3.1 动机第82-83页
        4.3.2 视点合成策略第83-86页
        4.3.3 深度监督策略第86页
        4.3.4 多尺度融合策略(MFS)第86-87页
        4.3.5 VDCNN-DSR网络结构第87-89页
        4.3.6 深度图像统计信息(DFS)第89页
        4.3.7 能量优化公式第89-90页
        4.3.8 网络实施细节第90-93页
    4.4 实验第93-103页
        4.4.1 非噪声数据第95-96页
        4.4.2 噪声数据第96-97页
        4.4.3 大超分辨率倍数第97-99页
        4.4.4 PDCNN-DSR分析第99-100页
        4.4.5 VDCNN-DSR分析第100-103页
            4.4.5.1 VDCNN-DSR训练单元网络层数分析第100-102页
            4.4.5.2 VDCNN-DSR运行时间分析第102页
            4.4.5.3 VDCNN-DSR泛化能力分析第102-103页
    4.5 小结第103-104页
第5章 总结和展望第104-106页
    5.1 全文总结第104-105页
    5.2 工作展望第105-106页
参考文献第106-120页
致谢第120-121页
攻读学位期间发表的学术论文目录第121-122页
攻读学位期间参与科研项目情况第122-123页
外文论文第123-164页
附件第164页

论文共164页,点击 下载论文
上一篇:基于粒子群BP神经网络的输电线路故障分类与测距
下一篇:配电调度操作票专家系统的应用