| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 课题研究的背景及意义 | 第17-18页 |
| 1.2 图像成像障碍去除的应用场景 | 第18-19页 |
| 1.3 图像成像障碍去除的研究现状 | 第19-23页 |
| 1.3.1 基于物理装置的去除方法的研究现状 | 第20-21页 |
| 1.3.2 基于单幅图像的成像障碍去除方法研究现状 | 第21页 |
| 1.3.3 基于图像序列的成像障碍去除方法的研究现状 | 第21-22页 |
| 1.3.4 非透明成像障碍去除方法的研究现状 | 第22-23页 |
| 1.4 图像成像障碍去除难点 | 第23页 |
| 1.5 论文的内容与组织结构 | 第23-27页 |
| 第二章 基于序列图像成像障碍去除技术 | 第27-37页 |
| 2.1 图像成像障碍去除技术的相关理论背景 | 第27-28页 |
| 2.2 基于序列图像成像障碍去除技术的原理 | 第28-29页 |
| 2.3 图像曲面插值技术 | 第29-34页 |
| 2.4 图像配准技术 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 图像成像障碍去除的稀疏运动场估计模型 | 第37-59页 |
| 3.1 稀疏运动场估计模型介绍 | 第37页 |
| 3.2 序列图像采集模块 | 第37-39页 |
| 3.3 预处理模块 | 第39-40页 |
| 3.4 边缘提取 | 第40-50页 |
| 3.4.1 边缘检测原理 | 第41页 |
| 3.4.2 几种经典的图像边缘检测算法 | 第41-48页 |
| 3.4.3 边缘检测实验结果及分析 | 第48-50页 |
| 3.5 序列图像稀疏运动场估计模型 | 第50-57页 |
| 3.5.1 运动场估计模型原理 | 第50-51页 |
| 3.5.2 运动模型估计常用方法 | 第51-53页 |
| 3.5.3 基于边缘的归一化互相关算法 | 第53-54页 |
| 3.5.4 透明类稀疏运动场估计的实验结果及分析 | 第54-56页 |
| 3.5.5 非透明类稀疏运动场估计的实验结果及分析 | 第56-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第四章 基于稠密运动场的图像分离与重建技术 | 第59-85页 |
| 4.1 系统总体框架 | 第59页 |
| 4.2 基于稀疏运动场的初始分离技术 | 第59-65页 |
| 4.2.1 RANSAC算法介绍 | 第60-61页 |
| 4.2.2 RANSAC算法在透明类成像障碍去除中的应用 | 第61-63页 |
| 4.2.3 RANSAC算法在非透明类成像障碍去除中的应用 | 第63-65页 |
| 4.3 基于BP神经网络的稠密运动场估计 | 第65-69页 |
| 4.3.1 BP神经网络算法介绍 | 第65-68页 |
| 4.3.2 基于BP的透明类稠密运动场估计实验结果 | 第68页 |
| 4.3.3 基于BP的非透明类稠密运动场估计实验结果 | 第68-69页 |
| 4.4 序列图像配准模块 | 第69-70页 |
| 4.5 目标图像重建的初始化过程及实验结果 | 第70-72页 |
| 4.5.1 图像重建的初始化过程 | 第70-71页 |
| 4.5.2 透明类图像重建的初始化实验结果及分析 | 第71页 |
| 4.5.3 非透明类图像重建的初始化实验结果及分析 | 第71-72页 |
| 4.6 目标图像重建的迭代优化过程及实验结果 | 第72-80页 |
| 4.6.1 目标图像重建的迭代优化过程 | 第72-73页 |
| 4.6.2 透明类图像迭代优化实验结果 | 第73-76页 |
| 4.6.3 非透明类图像迭代优化实验结果 | 第76-80页 |
| 4.7 图像成像障碍去系统原型 | 第80-83页 |
| 4.7.1 系统运行的环境配置 | 第80-81页 |
| 4.7.2 成像障碍去除系统原型的使用说明 | 第81-83页 |
| 4.8 本章小结 | 第83-85页 |
| 第五章 总结与展望 | 第85-87页 |
| 5.1 本文工作总结 | 第85-86页 |
| 5.2 展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-93页 |
| 作者简介 | 第93-94页 |
