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

基于Kinect的深度图像修复技术研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第9-15页
    1.1 选题和意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本文的工作第12-13页
    1.4 论文的结构第13-15页
第2章 深度图像的获取和Kinect简介第15-25页
    2.1 深度图像第15-18页
        2.1.1 深度图像的定义第15页
        2.1.2 深度图像的获取第15-18页
    2.2 Kinect简介第18-22页
        2.2.1 Kinect结构介绍第19-20页
        2.2.2 Kinect工作原理第20-21页
        2.2.3 Kinect应用领域第21-22页
    2.3 Kinect误差产生原因第22-24页
        2.3.1 误差产生原因一第23页
        2.3.2 误差产生原因二第23-24页
    2.4 本章小结第24-25页
第3章 黑洞区域修复研究第25-41页
    3.1 获取校准深度图像和彩色图像第25-27页
    3.2 连通域分析第27-29页
    3.3 物体光滑表面黑洞修复第29-31页
        3.3.1 均值滤波第29页
        3.3.2 中值滤波第29-30页
        3.3.3 改进的中值填充算法第30-31页
    3.4 遮挡区域黑洞修复第31-35页
        3.4.1 获取阈值第31-32页
        3.4.2 双边滤波第32-33页
        3.4.3 Hausdorff距离第33-34页
        3.4.4 改进的图像修复方法第34-35页
    3.5 实验结果及分析第35-39页
    3.6 本章小结第39-41页
第4章 深度信息测量误差分析与解决方法研究第41-57页
    4.1 深度测量误差现象第41-46页
    4.2 误差最优估计方法第46-50页
        4.2.1 不同准则的估计方法第46-47页
        4.2.2 维纳滤波第47-48页
        4.2.3 卡尔曼滤波第48-50页
    4.3 深度测量误差解决方法第50-54页
        4.3.1 限定多幅图像平均法第50-51页
        4.3.2 实验结果及分析第51-54页
    4.5 本章小结第54-57页
第5章 总结与展望第57-61页
    5.1 本文工作总结第57-59页
    5.2 未来工作展望第59-61页
参考文献第61-65页
致谢第65-67页
攻读学位期间的研究成果第67页

论文共67页,点击 下载论文
上一篇:基于Selenium的Web自动化测试工具的改进与实现
下一篇:基于深度卷积神经网络的手势识别研究