声明
摘要
第1章 绪论
1.1 课题背景
1.2 单目视频深度恢复概述
1.3 动态场景深度恢复
1.3.1 高斯混合颜色模型
1.3.2 基于SIFT流的运动信息映射
1.3.3 基于形状先验的信息映射
1.4 静态背景深度恢复技术概要
1.4.1 洪泛法(Flood Fill)图像补全
1.4.2 Graph Cut能量优化
1.4.3 时域一致性立体优化
1.5 机器学习在深度恢复中的应用
1.5.1 基于Laws纹理模版的特征向量
1.5.2 支持向量机(Support Vector Machine,SVM)分类原理
1.6 本文的研究内容及主要贡献
1.7 本章小结
第2章 基于分割的视频深度恢复
2.1 问题描述与算法概述
2.2 动态场景的深度恢复方法
2.2.1 关键帧处理
2.2.2 非关键帧的前景处理
2.3 静态场景的深度恢复方法
2.3.1 基于SIFT流的深度映射
2.3.2 基于洪泛法的图像补全技术
2.4 实验结果
2.5 本章小结
第3章 基于机器学习方法的图像补全及其他应用
3.1 问题描述
3.2 图像的特征表达
3.3 训练数据的优化
3.4 SVM训练及预测
3.5 局部优化
3.6 使用机器学习方法的深度恢复
3.7 实验结果与讨论
第4章 总结与展望
4.1 总结
4.2 展望
攻读硕士学位期间主要的研究成果
致谢
参考文献