摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-23页 |
1.1 研究背景和意义 | 第11-13页 |
1.2 研究现状 | 第13-19页 |
1.2.1 代价聚合立体匹配算法 | 第14-16页 |
1.2.2 全局立体匹配算法 | 第16-18页 |
1.2.3 半全局立体匹配算法 | 第18页 |
1.2.4 其它算法研究进展 | 第18-19页 |
1.3 研究问题与挑战 | 第19-20页 |
1.4 本文的研究内容 | 第20-22页 |
1.5 本文的组织结构 | 第22-23页 |
第二章 基本算法分析与评价标准 | 第23-32页 |
2.1 引言 | 第23页 |
2.2 朴素法 | 第23-24页 |
2.3 基本算法分析 | 第24-28页 |
2.3.1 代价聚合立体匹配算法 | 第24-26页 |
2.3.2 全局立体匹配算法 | 第26-27页 |
2.3.3 半全局立体匹配算法 | 第27-28页 |
2.4 立体匹配数据集与评价标准 | 第28-31页 |
2.5 本章总结 | 第31-32页 |
第三章 基于树的非局部代价聚合立体匹配算法研究 | 第32-51页 |
3.1 引言 | 第32页 |
3.2 迭代颜色-深度最小生成树代价聚合立体匹配 | 第32-42页 |
3.2.1 2D与3D信息在最小生成树结构上的融合 | 第32-33页 |
3.2.2 最小生成树非局部代价聚合立体匹配 | 第33-35页 |
3.2.3 有效处理弱纹理区域的匹配代价计算 | 第35-36页 |
3.2.4 迭代颜色-深度最小生成树代价聚合 | 第36-38页 |
3.2.5 实验结果与分析 | 第38-42页 |
3.3 改进的分割树代价聚合立体匹配 | 第42-50页 |
3.3.1 在分割树结构上采用改进的分割策略 | 第42页 |
3.3.2 分割树非局部代价聚合立体匹配 | 第42-44页 |
3.3.3 改进的分割树代价聚合 | 第44-46页 |
3.3.4 实验结果与分析 | 第46-50页 |
3.4 本章总结 | 第50-51页 |
第四章 空间块匹配虚拟像素代价聚合立体匹配 | 第51-65页 |
4.1 引言 | 第51-52页 |
4.2 空间块匹配虚拟像素代价聚合立体匹配 | 第52-64页 |
4.2.1 块匹配算法的缺陷及优化策略 | 第52-53页 |
4.2.2 块匹配立体匹配 | 第53-54页 |
4.2.3 空间块匹配立体匹配 | 第54-55页 |
4.2.4 空间块匹配虚拟像素代价聚合 | 第55-57页 |
4.2.5 实验结果与分析 | 第57-64页 |
4.3 本章总结 | 第64-65页 |
第五章 代价聚合作为能量函数数据项的全局算法 | 第65-95页 |
5.1 引言 | 第65-66页 |
5.2 非局部代价聚合作为能量函数数据项的全局算法 | 第66-77页 |
5.2.1 TSGO算法缺陷及优化策略 | 第66-67页 |
5.2.2 AGO算法的能量函数模型 | 第67-69页 |
5.2.3 采用改进的TRW-S算子对能量函数的优化 | 第69-70页 |
5.2.4 实验结果与分析 | 第70-77页 |
5.3 多尺度代价聚合作为能量函数数据项的全局算法 | 第77-93页 |
5.3.1 MS模型与CSCF模型的融合 | 第77-78页 |
5.3.2 MSCS算法的能量函数模型 | 第78-80页 |
5.3.3 采用MS模型与CSCF模型对能量函数的优化 | 第80-84页 |
5.3.4 MSCS算法实现细节 | 第84-85页 |
5.3.5 实验结果与分析 | 第85-93页 |
5.4 本章总结 | 第93-95页 |
第六章 带有自适应平滑先验的极限全局化立体匹配 | 第95-109页 |
6.1 引言 | 第95页 |
6.2 带有自适应平滑先验的极限全局化立体匹配 | 第95-108页 |
6.2.1 极限全局化与自适应平滑先验策略 | 第95-96页 |
6.2.2 AGAP算法模型 | 第96-99页 |
6.2.3 AGAP算法实现与加速策略 | 第99-100页 |
6.2.4 实验结果与分析 | 第100-108页 |
6.3 本章总结 | 第108-109页 |
第七章 总结与展望 | 第109-113页 |
7.1 总结 | 第109-111页 |
7.2 未来展望 | 第111-113页 |
参考文献 | 第113-120页 |
发表论文和科研情况说明 | 第120-121页 |
致谢 | 第121页 |