声明
摘要
第1章 绪论
1.1 课题背景及意义
1.2 深度信息估计
1.2.1 单视点图像深度信息估计
1.2.2 双目立体匹配深度信息估计
1.3 本文的研究内容及国内外研究现状
1.3.1 单视点图像深度信息估计
1.3.2 基于区域的双目立体匹配算法
1.3.3 双目立体匹配的快速代价聚合算法
1.3.4 针对倾斜平面及非前向平行平面的视差估计算法
1.4 本文的主要工作
1.5 本文组织结构
第2章 基于轮廓锐度信息的单视点图像深度信息提取算法研究
2.1 基于边缘轮廓的单视点图像深度信息提取算法
2.1.1 单视点图像的边缘轮廓与深度信息
2.1.2 相关算法
2.2 基于轮廓锐度信息的单视点图像深度信息提取算法
2.2.1 模糊信息估计特征——轮廓锐度
2.2.2 基于轮廓锐度的轮廓提取算法
2.2.3 深度分配与优化
2.2.4 算法描述
2.3 实验结果与分析
2.3.1 轮廓锐度信息对深度信息提取的影响
2.3.2 深度图优化
2.3.3 深度信息提取性能比较
2.4 基于FPGA的IP核设计
2.4.1 轮廓跟踪提取模块
2.4.2 深度图像生成模块
2.4.3 深度图优化滤波模块
2.4.4 硬件IP核连接
2.4.5 总体实现及测试
2.5 本章小结
第3章 基于邻域相关信息的改进Census变换的双目立体匹配算法
3.1 基于区域匹配的双目立体匹配算法
3.1.1 基于区域匹配的双目立体匹配算法原理
3.1.2 非参数变换
3.1.3 基于Census变换的立体匹配算法
3.2 基于邻域相关信息的改进Census立体匹配算法
3.2.1 基于邻域相关信息的改进Census变换
3.2.2 基于改进Census变换的立体匹配算法
3.2.3 算法描述
3.3 实验结果
3.3.1 Census变换窗口对匹配效果的影响
3.3.2 算法匹配性能评估
3.4 基于FPGA的硬件架构
3.4.1 改进Census变换模块
3.4.2 匹配及代价聚合模块
3.4.3 后处理模块
3.4.4 性能评估
3.5 本章小结
第4章 立体匹配中快速代价聚合算法的研究
4.1 基于层次化算法的立体匹配算法
4.1.1 层次化块匹配立体匹配算法
4.1.2 层次化代价聚合算法
4.2 快速层次化代价聚合的立体匹配算法
4.2.1 代价体金字塔结构
4.2.2 层次化代价聚合
4.2.3 具有保边特性的上采样
4.2.4 层次化代价聚合的立体匹配算法描述
4.2.5 实验结果
4.3 适于硬件实现的自适应权重代价聚合算法
4.3.1 适于硬件的自适应权重算法改进
4.3.2 适于硬件实现的自适应权重立体匹配算法描述
4.3.3 算法的硬件实现
4.3.4 实验结果及分析
4.4 小结
第5章 改进Patchmatch和切片采样粒子置信度传播的视差估计算法研究
5.1 基于Patchmatch和粒子置信度传播的视差估计算法
5.1.1 基于Patchmatch的视差估计
5.1.2 置信度传播视差估计算法
5.1.3 基于Patchmatch和粒子置信度传播的视差估计算法
5.2 改进Patchmatch和切片采样粒子置信度传播的视差估计算法
5.2.1 具有边缘特性的改进Patchmatch算法
5.2.2 切片采样粒子置信度传播
5.2.3 算法描述
5.3 算法实验结果的评估与分析
5.3.1 切片重采样粒子置信度传播性能估计
5.3.2 经典测试图算法性能分析比较
5.3.3 倾斜平面及非前向平行平面测试图的性能分析
5.4 小结
6.1 工作总结
6.2 展望
参考文献
致谢
攻读博士期间发表和录用的学术论文
攻读博士学位期间参加的主要科研项目
东北大学;