声明
1 绪论
1.1研究背景及意义
1.1.1 深度估计与光场相机的应用
1.1.2 深度学习的应用
1.2国内外研究现状
1.2.2 卷积神经网络的发展现状
1.2.3 光场数据集
1.3论文结构
2 光场与光场深度估计
2.1光场的定义
2.1.1 制作数据集
2.2本章小结
3 基于无监督的单目光场深度估计
3.1基于无监督的单目光场深度估计网络结构
3.2损失函数设计
3.2.1 损失函数整体结构
3.2.2 光场图像的warp操作
3.2.3 光度一致性损失函数
3.2.4 散焦损失函数
3.2.5 视差一致性损失函数
3.3单目无监督深度估计结果分析
3.4本章小结
4 多输入无监督光场深度估计
4.1基于多输入无监督光场深度估计改进思想
4.2多输入的无监督网络结构
4.3多输入的无监督损失函数
4.3.1 角度分辨率图像构建
4.3.2 约束角度熵损失函数-CAE
4.4多输入的无监督光场深度估计实验分析
4.5本章小结
5 实验分析
5.1实验准备
5.1.1 硬件环境搭建
5.1.2 软件环境搭建
5.2方法对比
5.2.1 横向对比单目无监督与多目无监督深度估计方法-4DLF
5.2.2 横向对比单目无监督与多目无监督深度估计方法-真实场景
5.2.3 纵向对比单目无监督与多目无监督深度估计方法
5.3单目与多目算法复杂度分析
5.4本章小节
6 无监督光场深度估计的工业应用
6.1无监督光场深度估计算法的应用
7 总结与展望
7.1论文工作总结
7.2未来工作展望
致谢
参考文献
附录
杭州电子科技大学;