Kinect深度图像增强算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 概述 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 论文创新点及结构安排 | 第15-18页 |
| 1.3.1 论文的创新点 | 第15-16页 |
| 1.3.2 论文结构 | 第16-18页 |
| 第2章 Kinect 深度测距原理及误差分析 | 第18-30页 |
| 2.1 传统深度测距技术简介 | 第18-21页 |
| 2.1.1 双目视觉测距技术 | 第18-19页 |
| 2.1.2 飞行时间测距技术 | 第19-20页 |
| 2.1.3 相位差测距技术 | 第20页 |
| 2.1.4 结构光测距技术 | 第20-21页 |
| 2.2 Kinect 深度测距原理 | 第21-24页 |
| 2.2.1 研究现状 | 第21页 |
| 2.2.2 Kinect 深度测距原理 | 第21-22页 |
| 2.2.3 Kinect 数学模型 | 第22-23页 |
| 2.2.4 Kinect 的标定 | 第23-24页 |
| 2.3 Kinect 深度图像误差 | 第24-28页 |
| 2.3.1 误差来源 | 第25页 |
| 2.3.2 理论误差模型 | 第25-26页 |
| 2.3.3 Kinect 深度图像质量分析 | 第26-28页 |
| 2.4 Kinect 编程环境 | 第28-29页 |
| 2.4.1 Kinect 三大驱动 | 第28-29页 |
| 2.4.2 Kinect 的输出 | 第29页 |
| 2.5 小结 | 第29-30页 |
| 第3章 单幅深度图像增强算法研究 | 第30-51页 |
| 3.1 引言 | 第30-33页 |
| 3.1.1 距离变换 | 第30页 |
| 3.1.2 区域生长 | 第30-31页 |
| 3.1.3 双边滤波 | 第31页 |
| 3.1.4 加权模式滤波 | 第31-33页 |
| 3.2 单幅深度图像增强 | 第33-39页 |
| 3.2.1 不相关边缘的去除 | 第34-36页 |
| 3.2.2 错误像素的去除 | 第36-38页 |
| 3.2.3 空洞填充 | 第38页 |
| 3.2.4 深度图像去噪 | 第38-39页 |
| 3.3 实验结果及分析 | 第39-49页 |
| 3.3.1 参数的选择 | 第39-45页 |
| 3.3.2 实验结果 | 第45-49页 |
| 3.4 小结 | 第49-51页 |
| 第4章 融合时空信息的深度图像增强算法 | 第51-60页 |
| 4.1 卡尔曼滤波简介 | 第51-52页 |
| 4.2 静止场景下深度图像序列增强算法 | 第52-55页 |
| 4.3 实验结果及分析 | 第55-59页 |
| 4.3.1 参数的选择 | 第57页 |
| 4.3.2 实验结果 | 第57-59页 |
| 4.4 小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
