声明
摘要
第1章 绪论
1.1 研究背景
1.2 研究现状和研究难点
1.2.1 深度置信度估计
1.2.2 RGB-D传感器彩色和深度图像配准
1.2.3 深度图像修补
1.2.4 深度图像超分辨率
1.3 主要研究内容和创新点
1.4 组织结构
2.1 方法简介
2.2 Kinect深度置信度估计
2.2.1 特征提取
2.2.2 训练数据
2.2.3 置信度预测模型
2.3 实验
2.4 小结
第3章 基于偏移建模的RGB-D传感器深度和彩色图像配准
3.1 方法简介
3.2 RGB-D配准模型
3.2.1 RGB-D投影模型
3.2.2 偏移模型
3.3 配准方法
3.3.1 综述
3.3.2 单应性约束估计深度理论角点
3.3.3 深度观测角点提取
3.3.4 优化
3.4 实验
3.4.1 数据准备
3.4.2 深度理论角点的准确性和稳定性
3.4.3 深度相机偏移的方向(ψ)准确度估计
3.4.4 结果
3.4.5 实验结果比较
3.5 小结
4.1 方法简介
4.2 渐进式卷积神经网络方法(PDCNN-DSR)
4.2.1 PDCNN-DSR网络结构
4.2.2 彩色图像与深度图像局部一致性约束
4.2.3 深度统计信息约束
4.2.4 能量最小化公式
4.3 基于视点合成的深度监督卷积神经网络方法(VDCNN-DSR)
4.3.1 动机
4.3.2 视点合成策略
4.3.3 深度监督策略
4.3.4 多尺度融合策略(MFS)
4.3.5 VDCNN-DSR网络结构
4.3.6 深度图像统计信息(DFS)
4.3.7 能量优化公式
4.3.8 网络实施细节
4.4 实验
4.4.1 非噪声数据
4.4.2 噪声数据
4.4.3 大超分辨率倍数
4.4.4 PDCNN-DSR分析
4.4.5 VDCNN-DSR分析
4.5 小结
第5章 总结和展望
5.1 全文总结
5.2 工作展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况
外文论文