| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.3 研究难点 | 第19页 |
| 1.4 论文的主要研究内容 | 第19-20页 |
| 1.5 论文的章节结构 | 第20-22页 |
| 第二章 深度图像的超分辨率重建与深度学习的基本理论 | 第22-36页 |
| 2.1 基于TOF技术的深度摄像机的工作原理 | 第22-24页 |
| 2.2 Color-Depth相机实验采集平台和摄像机标定 | 第24-26页 |
| 2.3 深度图像的超分辨率重建问题概述 | 第26-29页 |
| 2.3.1 深度图像的超分辨率重建问题 | 第26-28页 |
| 2.3.2 深度图像超分辨率重建的基本步骤 | 第28-29页 |
| 2.3.3 深度图像超分辨率重建的评价指标 | 第29页 |
| 2.4 卷积神经网络的基本理论 | 第29-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于卷积神经网络的深度图像超分辨率重建方法 | 第36-47页 |
| 3.1 典型的超分辨率重建网络模型 | 第36-37页 |
| 3.2 本章方法 | 第37-40页 |
| 3.2.1 网络结构 | 第37-38页 |
| 3.2.2 残差网络结构 | 第38-39页 |
| 3.2.3 亚像素卷积 | 第39-40页 |
| 3.3 网络训练 | 第40页 |
| 3.4 实验结果及分析 | 第40-46页 |
| 3.4.1 实验设置 | 第40-41页 |
| 3.4.2 残差网络结构对重建性能的影响 | 第41-42页 |
| 3.4.3 与其他方法的比较 | 第42-45页 |
| 3.4.4 不同迭代次数对重建结果的影响 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于彩色图像指导的深度图像重建方法 | 第47-70页 |
| 4.1 原始数据采集及预处理 | 第47-52页 |
| 4.1.1 摄像机的标定实验 | 第48-50页 |
| 4.1.2 两种摄像机的配准实验 | 第50-52页 |
| 4.2 边缘结构信息引导的滤波去噪方法 | 第52-60页 |
| 4.2.1 常用的滤波去噪方法 | 第52-55页 |
| 4.2.2 结构相似性度量 | 第55-59页 |
| 4.2.3 全局优化中的其他正则项 | 第59-60页 |
| 4.3 Color-Depth CNN网络模型 | 第60-63页 |
| 4.3.1 网络分析 | 第61-63页 |
| 4.3.2 网络训练 | 第63页 |
| 4.4 实验结果及分析 | 第63-69页 |
| 4.4.1 实验设置 | 第63-64页 |
| 4.4.2 实验结果 | 第64-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 论文总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第78-79页 |
