| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第16-24页 |
| 1.1 研究的背景及意义 | 第16-18页 |
| 1.2 国内外研究现状及存在问题 | 第18-20页 |
| 1.2.1 国内外研究现状 | 第18-20页 |
| 1.2.2 研究存在的问题 | 第20页 |
| 1.3 论文研究内容及章节安排 | 第20-24页 |
| 2 高维视觉信息的稀疏表示及度量研究 | 第24-38页 |
| 2.1 高维视觉信息的矩阵表示及稀疏度量 | 第25-28页 |
| 2.1.1 矩阵稀疏 | 第26页 |
| 2.1.2 矩阵稀疏的度量——秩 | 第26-28页 |
| 2.2 高维视觉信息的张量表示及稀疏度量 | 第28-32页 |
| 2.2.1 高维视觉信息的张量表示 | 第29页 |
| 2.2.2 张量稀疏及其度量 | 第29-32页 |
| 2.3 稀疏模型的恢复算法 | 第32-35页 |
| 2.3.1 凸松弛的优化算法 | 第33-34页 |
| 2.3.2 非凸优化算法 | 第34-35页 |
| 2.3.3 随机优化算法 | 第35页 |
| 2.4 小结 | 第35-38页 |
| 3 矩阵低秩的多视角三维模型精确重建 | 第38-58页 |
| 3.1 引言 | 第38-42页 |
| 3.1.1 多视角三维重建的研究背景 | 第38-40页 |
| 3.1.2 矩阵低秩的点云优化模型思想 | 第40-42页 |
| 3.2 粗糙点云生成模型 | 第42-45页 |
| 3.2.1 能量泛函的粗糙点云估计模型 | 第42-43页 |
| 3.2.2 粗糙点云估计模型求解 | 第43-45页 |
| 3.3 低秩约束的高维视觉信息表示 | 第45-48页 |
| 3.3.1 点云低秩矩阵的构造 | 第45-47页 |
| 3.3.2 多参数框架的点云矩阵 | 第47-48页 |
| 3.4 低秩约束的多组点云优化 | 第48-50页 |
| 3.4.1 矩阵低秩的点云优化模型 | 第48页 |
| 3.4.2 基于APG的快速求解算法 | 第48-50页 |
| 3.5 实验验证 | 第50-56页 |
| 3.5.1 变分能量泛函的粗糙点云估计 | 第51页 |
| 3.5.2 利用矩阵低秩优化剔除噪点 | 第51-52页 |
| 3.5.3 Middlebury数据集对比 | 第52-53页 |
| 3.5.4 真实数据集 | 第53-56页 |
| 3.6 本章小结 | 第56-58页 |
| 4 基于几何特征的三维点云精确分类 | 第58-74页 |
| 4.1 引言 | 第58-61页 |
| 4.1.1 三维点云数据的获取 | 第58-59页 |
| 4.1.2 基于三维点云数据的分类 | 第59页 |
| 4.1.3 三维点云数据分类的研究现状 | 第59-61页 |
| 4.2 三维点云的几何特征及表示 | 第61-64页 |
| 4.2.1 三维点云的几何先验滤波 | 第61-62页 |
| 4.2.2 三维点云的法向量估计 | 第62-64页 |
| 4.2.3 三维点云几何特征描述子 | 第64页 |
| 4.3 基于FPFH的新几何描述子 | 第64-68页 |
| 4.3.1 点特征直方图(Point Feature Histograms,PFH) | 第64-65页 |
| 4.3.2 快速点云特征直方图(FPFH) | 第65-67页 |
| 4.3.3 基于FPFH的新几何描述子 | 第67-68页 |
| 4.4 三维点云精确分类模型 | 第68-69页 |
| 4.4.1 三维点云精确分类模型 | 第68-69页 |
| 4.4.2 基于核函数的精确分类 | 第69页 |
| 4.5 实验验证 | 第69-72页 |
| 4.5.1 实现细节说明 | 第69页 |
| 4.5.2 分类精度比较 | 第69-70页 |
| 4.5.3 公开数据验证 | 第70-71页 |
| 4.5.4 实际数据集测试 | 第71-72页 |
| 4.6 本章小结 | 第72-74页 |
| 5 图正则的张量低秩高光谱视觉信息精确重建及应用 | 第74-100页 |
| 5.1 引言 | 第74-76页 |
| 5.1.1 高光谱图像的研究背景 | 第74-75页 |
| 5.1.2 高光谱图像去噪的研究进展 | 第75-76页 |
| 5.2 张量低秩的表示及度量 | 第76-80页 |
| 5.2.1 张量奇异值分解(t-svd) | 第76-77页 |
| 5.2.2 张量稀疏性度量 | 第77-80页 |
| 5.2.3 基于t-SVD的张量核范数 | 第80页 |
| 5.3 图正则的张量低秩分解模型 | 第80-83页 |
| 5.3.1 低秩约束的张量分解模型 | 第81-82页 |
| 5.3.2 图正则的张量低秩分解模型 | 第82页 |
| 5.3.3 图正则项构造 | 第82-83页 |
| 5.4 模型求解算法 | 第83-85页 |
| 5.4.1 模型求解过程推导 | 第83-85页 |
| 5.4.2 模型求解细节实现 | 第85页 |
| 5.5 实验验证 | 第85-97页 |
| 5.5.1 模拟数据集 | 第86-94页 |
| 5.5.2 遥感数据集 | 第94页 |
| 5.5.3 实拍数据恢复 | 第94-97页 |
| 5.6 高光谱应用实例 | 第97-98页 |
| 5.6.1 精准农业 | 第97页 |
| 5.6.2 水环境监测 | 第97-98页 |
| 5.7 本章小结 | 第98-100页 |
| 6 结论及展望 | 第100-104页 |
| 6.1 主要结论 | 第100-101页 |
| 6.2 研究贡献 | 第101页 |
| 6.3 未来展望 | 第101-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-120页 |
| 简历与科研成果 | 第120-122页 |