基于深度学习的深度图像超分辨率重建

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．2 研究现状

1．3 研究难点

1．4 论文的主要研究内容

1．5 论文的章节结构

第二章 深度图像的超分辨率重建与深度学习的基本理论

2．1 基于TOF技术的深度摄像机的工作原理

2．2 Color-Depth相机实验采集平台和摄像机标定

2．3 深度图像的超分辨率重建问题概述

2．3．1 深度图像的超分辨率重建问题

2．3．2 深度图像超分辨率重建的基本步骤

2．3．3 深度图像超分辨率重建的评价指标

2．5 本章小结

第三章 基于卷积神经网络的深度图像超分辨率重建方法

3．1 典型的超分辨率重建网络模型

3．2．1 网络结构

3．2．2 残差网络结构

3．2．3 亚像素卷积

3．3 网络训练

3．4 实验结果及分析

3．4．1 实验设置

3．4．2 残差网络结构对重建性能的影响

3．4．3 与其他方法的比较

3．4．4 不同迭代次数对重建结果的影响

3．5 本章小结

第四章 基于彩色图像指导的深度图像重建方法

4．1 原始数据采集及预处理

4．1．1 摄像机的标定实验

4．1．2 两种摄像机的配准实验

4．2 边缘结构信息引导的滤波去噪方法

4．2．1 常用的滤波去噪方法

4．2．2 结构相似性度量

4．2．3 全局优化中的其他正则项

4．3 Color-Depth CNN网络模型

4．3．1 网络分析

4．3．2 网络训练

4．4 实验结果及分析

4．4．1 实验设置

4．4．2 实验结果

4．5 本章小结

第五章 总结与展望

5．1 论文总结

5．2 工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况