| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状与发展趋势 | 第14-18页 |
| 1.2.1 相关取国内外研究现状 | 第15-17页 |
| 1.2.2 场景支撑关系提取的发展趋势 | 第17-18页 |
| 1.3 本文研究内容和论文结构安排 | 第18-21页 |
| 1.3.1 本文研究内容 | 第18-19页 |
| 1.3.2 本文结构安排 | 第19-21页 |
| 第二章 场景支撑关系提取中的关键问题研究 | 第21-39页 |
| 2.1 RGB-D图像获取 | 第21-28页 |
| 2.1.1 基于立体匹配的RGB-D图像生成 | 第21-25页 |
| 2.1.2 基于Kinect的RGB-D图像获取 | 第25-28页 |
| 2.2 图像分割算法研究 | 第28-36页 |
| 2.2.1 分水岭分割算法研究 | 第28-30页 |
| 2.2.2 Graph Cuts算法研究 | 第30-33页 |
| 2.2.3 基于不同特征信息的图像分层分割算法 | 第33-36页 |
| 2.3 场景中支撑关系的结构等级模型建立方法研究 | 第36-39页 |
| 2.3.1 场景支撑关系模型建立 | 第36-37页 |
| 2.3.2 场景结构等级模型建立 | 第37-39页 |
| 第三章 场景支撑关系中改进特征描述子研究 | 第39-53页 |
| 3.1 SIFT描述子研究 | 第39-45页 |
| 3.1.1 差分高斯空间生成 | 第40-42页 |
| 3.1.2 基于差分高斯空间的特征点检测 | 第42-44页 |
| 3.1.3 SIFT特征描述子生成 | 第44-45页 |
| 3.2 基于余弦核函数的改进算法 | 第45-48页 |
| 3.2.1 核主成分分析法 | 第46-47页 |
| 3.2.2 核函数选取 | 第47页 |
| 3.2.3 利用核函数提取SIFT特征描述子主成分矩阵 | 第47-48页 |
| 3.2.4 降维及匹配的过程 | 第48页 |
| 3.3 实验结果与分析 | 第48-53页 |
| 3.3.1 匹配性能评价指标 | 第49-50页 |
| 3.3.2 多样性分析 | 第50页 |
| 3.3.3 准确率分析 | 第50-51页 |
| 3.3.4 时间效率分析 | 第51-53页 |
| 第四章 基于约束模型的场景支撑关系提取 | 第53-61页 |
| 4.1 场景模型建立算法 | 第53-54页 |
| 4.1.1 场景坐标系与世界坐标系配准 | 第53-54页 |
| 4.1.2 场景中平面信息提取算法 | 第54页 |
| 4.2 模型支撑关系求解 | 第54-58页 |
| 4.2.1 支撑关系模型求解思路 | 第54-56页 |
| 4.2.2 线性规划方程求解支撑关系 | 第56-57页 |
| 4.2.3 支撑特征分类 | 第57页 |
| 4.2.4 结构等级分类 | 第57-58页 |
| 4.3 支撑关系评价准则 | 第58页 |
| 4.4 实验结果与分析 | 第58-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |