室内场景RGB-D图像目标提取及几何关系推测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·选题背景及意义 | 第7-9页 |
| ·轮廓提取研究与发展现状 | 第9-10页 |
| ·图像分割研究与发展现状 | 第10-12页 |
| ·基于阈值的分割方法 | 第10页 |
| ·基于边缘的分割方法 | 第10-11页 |
| ·基于区域的分割方法 | 第11页 |
| ·基于分水岭的分割方法 | 第11-12页 |
| ·基于能量的分割方法 | 第12页 |
| ·论文主要工作及结构安排 | 第12-14页 |
| 第二章 深度图像的预处理 | 第14-21页 |
| ·Kinect传感器简介 | 第14-16页 |
| ·Kinect深度测距原理 | 第14-15页 |
| ·Kinect数学模型 | 第15-16页 |
| ·Kinect深度图像误差 | 第16-18页 |
| ·深度图像误差来源 | 第16页 |
| ·理论误差模型 | 第16-17页 |
| ·Kinect深度图像质量分析 | 第17-18页 |
| ·深度图像去噪 | 第18-21页 |
| ·自适应的联合双边滤波器 | 第18-20页 |
| ·结果分析 | 第20-21页 |
| 第三章 基于结构森林的RGB-D图像轮廓提取 | 第21-34页 |
| ·信息表示 | 第21-22页 |
| ·概述 | 第21页 |
| ·RGB-D图像信息的表示 | 第21-22页 |
| ·结构森林算法的生成 | 第22-28页 |
| ·随机决策森林 | 第23-25页 |
| ·结构化的随机森林 | 第25-28页 |
| ·RGB-D图像轮廓提取 | 第28-29页 |
| ·实验结果与分析 | 第29-34页 |
| 第四章 基于树的实例分割 | 第34-48页 |
| ·分割树 | 第35-36页 |
| ·贪婪树的训练和推理 | 第36页 |
| ·初始化分割 | 第36页 |
| ·区域合并分类器 | 第36页 |
| ·全局树的训练和推理 | 第36-37页 |
| ·分割树的生成 | 第37-38页 |
| ·标准分割树的生成 | 第37-38页 |
| ·偏分割树的生成 | 第38页 |
| ·切割实例分割树 | 第38-40页 |
| ·模型 | 第38-39页 |
| ·推理 | 第39-40页 |
| ·学习 | 第40页 |
| ·覆盖损失 | 第40-41页 |
| ·理论分割的映射问题 | 第41-42页 |
| ·密集分割的卷积网络特性 | 第42页 |
| ·实验结果与分析 | 第42-48页 |
| ·贪婪模型的评估 | 第43-45页 |
| ·CNN特征的评估 | 第45页 |
| ·分割 | 第45-48页 |
| 第五章 对象几何关系的推理 | 第48-57页 |
| ·引言 | 第48-49页 |
| ·支撑关系的模型 | 第49-52页 |
| ·模型 | 第49-50页 |
| ·整数规划公式 | 第50-51页 |
| ·支撑特征和局部分类 | 第51-52页 |
| ·结构类特征和局部分类 | 第52页 |
| ·实验结果与分析 | 第52-57页 |
| ·几何关系预测 | 第52-54页 |
| ·结构类的预测评估 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·主要工作回顾 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历 在读期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
