| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文结构安排 | 第15-16页 |
| 第2章 相关理论知识介绍 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 深度图像的基础知识 | 第16-17页 |
| 2.2.1 深度图像的定义 | 第16-17页 |
| 2.2.2 深度图像的获取及应用 | 第17页 |
| 2.3 遮挡相关知识 | 第17-19页 |
| 2.3.1 遮挡以及深度图像的遮挡边界 | 第17-19页 |
| 2.3.2 遮挡检测方法 | 第19页 |
| 2.4 机器学习相关理论介绍 | 第19-23页 |
| 2.4.1 监督学习 | 第19-20页 |
| 2.4.2 半监督学习 | 第20-21页 |
| 2.4.3 无监督学习 | 第21-23页 |
| 2.5 本章小节 | 第23-24页 |
| 第3章 利用谱聚类实现深度图像遮挡边界检测 | 第24-36页 |
| 3.1 引言 | 第24-25页 |
| 3.2 方法概述 | 第25-26页 |
| 3.2.1 遮挡现象及遮挡边界的定义 | 第25页 |
| 3.2.2 方法总体流程 | 第25-26页 |
| 3.3 已有特征及分析 | 第26-28页 |
| 3.3.1 最大深度差特征 | 第27页 |
| 3.3.2 夹角特征 | 第27页 |
| 3.3.3 最大面积特征 | 第27-28页 |
| 3.4 新特征的提出与选取 | 第28-30页 |
| 3.4.1 有效标准差特征的提出及定义 | 第28-29页 |
| 3.4.2 特征的比较及选取 | 第29-30页 |
| 3.5 基于谱聚类的深度图像遮挡边界检测方法 | 第30-34页 |
| 3.5.1 谱聚类的基础理论 | 第31页 |
| 3.5.2 利用均卡方集距抽取像素点 | 第31-32页 |
| 3.5.3 利用Nystrom逼近方法实现基于谱聚类的深度图像遮挡边界检测 | 第32-34页 |
| 3.5.4 基于谱聚类的深度图像遮挡边界检测算法描述 | 第34页 |
| 3.6 本章小结 | 第34-36页 |
| 第4章 利用主成分分析检测深度图像遮挡边界 | 第36-44页 |
| 4.1 引言 | 第36页 |
| 4.2 方法概述 | 第36-37页 |
| 4.3 新特征的提出与计算 | 第37-41页 |
| 4.3.1 提取深度图像的边界点 | 第38-39页 |
| 4.3.2 相似性计算 | 第39-40页 |
| 4.3.3 利用主成分分析提取特征 | 第40-41页 |
| 4.4 利用无监督思想检测深度图像遮挡边界 | 第41-42页 |
| 4.5 利用主成分分析检测遮挡边界的算法描述 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 实验及结果分析 | 第44-58页 |
| 5.1 实验环境及数据集 | 第44-45页 |
| 5.2 基于谱聚类实现深度图像遮挡边界检测方法的实验及分析 | 第45-51页 |
| 5.2.1 基于不同特征的遮挡边界检测实验 | 第45-47页 |
| 5.2.2 不同方法检测深度图像遮挡边界的效果比较 | 第47-51页 |
| 5.3 利用主成分分析实现遮挡边界检测方法的实验和分析 | 第51-57页 |
| 5.3.1 新遮挡相关特征的实验效果 | 第51-54页 |
| 5.3.2 不同方法实现遮挡边界检测的实验效果对比 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |
