基于图像深度感知中的立体匹配和深度增强算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 主要研究问题和挑战 | 第11-14页 |
| 1.3 研究思路和主要贡献 | 第14页 |
| 1.4 本文后续章节结构 | 第14-16页 |
| 第2章 文献综述和研究现状 | 第16-24页 |
| 2.1 基本问题和数学记号 | 第16-17页 |
| 2.2 立体匹配相关工作 | 第17-22页 |
| 2.3 深度增强相关工作 | 第22-24页 |
| 第3章 二值立体匹配算法 | 第24-46页 |
| 3.1 本章引言 | 第24-27页 |
| 3.2 相关工作 | 第27-29页 |
| 3.2.1 特征描述子相关工作 | 第27-28页 |
| 3.2.2 局部立体匹配相关工作 | 第28-29页 |
| 3.3 二值立体匹配算法 | 第29-34页 |
| 3.3.1 代价计算 | 第29-31页 |
| 3.3.2 代价聚合 | 第31-33页 |
| 3.3.3 视差优化 | 第33页 |
| 3.3.4 视差修正 | 第33-34页 |
| 3.4 实验与分析 | 第34-44页 |
| 3.4.1 中间结果 | 第34-35页 |
| 3.4.2 视差精度 | 第35-40页 |
| 3.4.3 实时性 | 第40-41页 |
| 3.4.4 光照鲁棒性 | 第41-44页 |
| 3.4.5 性能可控性 | 第44页 |
| 3.5 本章小结与展望 | 第44-46页 |
| 第4章 多尺度立体匹配算法框架 | 第46-81页 |
| 4.1 本章引言 | 第46-48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.3 代价聚合优化模型 | 第49-53页 |
| 4.4 多尺度立体匹配算法框架 | 第53-59页 |
| 4.4.1 多尺度代价聚合优化模型 | 第53-56页 |
| 4.4.2 实现细节和复杂度分析 | 第56-58页 |
| 4.4.3 连续参数化扩展 | 第58-59页 |
| 4.5 实验与分析 | 第59-80页 |
| 4.5.1 Middlebury数据集 | 第59-64页 |
| 4.5.2 KITTI数据集 | 第64-78页 |
| 4.5.3 New Tsukuba数据集 | 第78-79页 |
| 4.5.4 正则化参数对算法的影响 | 第79-80页 |
| 4.6 本章小结与展望 | 第80-81页 |
| 第5章 基于置信估计的深度增强算法 | 第81-98页 |
| 5.1 本章引言 | 第81-83页 |
| 5.2 相关工作 | 第83-86页 |
| 5.2.1 置信估计相关工作 | 第83-84页 |
| 5.2.2 全局优化相关工作 | 第84-85页 |
| 5.2.3 局部联合滤波相关工作 | 第85-86页 |
| 5.3 基于置信估计的深度增强算法 | 第86-92页 |
| 5.3.1 置信估计 | 第86-91页 |
| 5.3.2 基于置信度的搜索算法 | 第91-92页 |
| 5.4 实验与分析 | 第92-95页 |
| 5.4.1 置信估计 | 第93页 |
| 5.4.2 深度超分辨 | 第93-95页 |
| 5.4.3 立体匹配视差图去噪 | 第95页 |
| 5.4.4 深度采集设备去噪 | 第95页 |
| 5.5 本章小结与展望 | 第95-98页 |
| 第6章 总结与展望 | 第98-102页 |
| 6.1 本文工作总结 | 第98-100页 |
| 6.2 未来工作展望 | 第100-102页 |
| 参考文献 | 第102-114页 |
| 致谢 | 第114-116页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第116-117页 |
