首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

数据驱动的三维场景视点挖掘和评价

摘要第4-6页
Abstract第6-7页
第—章 绪论第13-18页
    1.1 研究背景及意义第13页
    1.2 相关工作研究现状第13-15页
        1.2.1 三维场景的视点评价第13-15页
        1.2.2 二维图片的质量评价第15页
    1.3 本文工作第15-18页
        1.3.1 研究流程第16-17页
        1.3.2 主要贡献第17-18页
第二章 单一场景的大规模视点标定第18-46页
    2.1 场景数据的获取第18-19页
        2.1.1 场景模型来源第18-19页
        2.1.2 场景实拍图片来源第19页
    2.2 背景介绍第19-21页
        2.2.1 针孔相机模型第19-21页
        2.2.2 图像视点描述约定第21页
    2.3 直接线性变换视点标定第21-27页
        2.3.1 方程的建立和求解第22-23页
        2.3.2 分解内外参数第23-24页
        2.3.3 左手系和OpenGL第24-25页
        2.3.4 从内参数到投影矩阵第25-26页
        2.3.5 直接线性变换标定效果第26-27页
        2.3.6 缺点和不足第27页
    2.4 大规模视点标定方法第27-46页
        2.4.1 Structure from Motion第28-37页
        2.4.2 模型校准第37-42页
        2.4.3 过程总结第42-43页
        2.4.4 大规模标定算法的效果展示第43-46页
第三章 著名场景的视点挖掘第46-52页
    3.1 从外参数中提取视点信息第46-47页
    3.2 视点可视化第47页
    3.3 基于相机参数聚类第47-52页
第四章 建筑照片质量评价第52-69页
    4.1 评价数据来源第52-53页
        4.1.1 众包数据任务第52-53页
    4.2 特征提取第53-61页
        4.2.1 二维图像特征第53-56页
        4.2.2 三维几何特征第56-59页
        4.2.3 渲染计算框架第59-61页
    4.3 视点学习第61-63页
        4.3.1 AUC度量第62-63页
    4.4 实验结果第63-69页
        4.4.1 在每个模型上分别使用交叉验证第63页
        4.4.2 特征显著性分析第63页
        4.4.3 在所有数据集上进行交叉验证第63页
        4.4.4 使用单独的测试集验证第63-69页
第五章 总结与展望第69-71页
    5.1 工作总结第69-70页
    5.2 研究展望第70-71页
参考文献第71-75页
简历与科研成果第75-76页
致谢第76-77页

论文共77页,点击 下载论文
上一篇:角蛋白24在表皮角质形成细胞和真皮成纤维细胞中的作用研究
下一篇:基于县域尺度的三峡库区(重庆段)山水林田湖生命共同体健康研究