| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 引言 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文的主要工作 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第二章 背景知识 | 第18-28页 |
| 2.1 深度信息恢复方法简介 | 第18-21页 |
| 2.2 散焦测距法的基本原理简介 | 第21-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于高斯-柯西混合模型的单幅散焦图像深度恢复方法 | 第28-38页 |
| 3.1 稀疏深度图恢复方法 | 第28-31页 |
| 3.1.1 GC-PSF | 第28-30页 |
| 3.1.2 散焦模糊量的估计 | 第30-31页 |
| 3.1.3 稀疏深度图的修正 | 第31页 |
| 3.2 提取全景深度图 | 第31-32页 |
| 3.3 实验结果及分析 | 第32-36页 |
| 3.3.1 t取值对于算法性能的影响 | 第32-34页 |
| 3.3.2 与几种典型方法的比较 | 第34-35页 |
| 3.3.3 本文方法性能的测试 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于超像素分割的单幅散焦图像深度恢复方法 | 第38-46页 |
| 4.1 超像素模块的散焦模糊量估计 | 第38-39页 |
| 4.2 稀疏深度图的优化 | 第39-41页 |
| 4.3 实验结果及分析 | 第41-44页 |
| 4.3.1 算法执行时间的测试与比较 | 第41页 |
| 4.3.2 深度恢复效果的测试与比较 | 第41-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46-47页 |
| 5.2 工作展望 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 攻读学位期间取得的研究成果 | 第54-56页 |
| 致谢 | 第56-58页 |
| 个人简况及联系方式 | 第58-61页 |